CN104323773A - 一种基于eog的erg信号采集与处理系统及方法 - Google Patents
一种基于eog的erg信号采集与处理系统及方法 Download PDFInfo
- Publication number
- CN104323773A CN104323773A CN201410606129.7A CN201410606129A CN104323773A CN 104323773 A CN104323773 A CN 104323773A CN 201410606129 A CN201410606129 A CN 201410606129A CN 104323773 A CN104323773 A CN 104323773A
- Authority
- CN
- China
- Prior art keywords
- signal
- erg
- erg signal
- eog
- circuit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/398—Electrooculography [EOG], e.g. detecting nystagmus; Electroretinography [ERG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Ophthalmology & Optometry (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
一种基于EOG的ERG信号采集与处理系统及方法,该系统包括控制单元、视网膜刺激器单元、视网膜电信号采集单元和视网膜电信号处理单元;该方法包括:调节刺激光源照度和刺激光源闪光频率;三个皮肤分别安置于受试者眼睛正上方额头处、眼睛鼻梁内侧和眼睛眼睑处;进行20分钟以上的暗适应;受试者眼睛对准刺激光源;采集EOG信号;对受试者眼睛进行光刺激,同步采集受试者眼睛鼻梁内侧和眼睛眼睑处ERG信号,经过信号调理和AD转换后存储;视网膜电信号处理与分析单元读取ERG信号,并对ERG信号进行处理与分析。本发明采用外置皮肤电极采集ERG信号,使得采集更为方便,更为安全,成本也更低;在对信号处理上,采用的方法运算量小,可行性高,能实现信号快速处理。
Description
技术领域
本发明涉及视觉信号采集与处理技术领域,具体是一种基于EOG的ERG信号采集与处理系统及方法。
背景技术
视觉系统作为人类最重要的感知系统之一,视觉系统疾病严重威胁我们的正常生活。视觉系统的很多病变是渐进的,早期发现和治疗是临床眼科学、预防医学、流行病学的重要课题。相比于传统的心理物理检查,视觉电生理检查从电生理的角度,能够实现对视觉通路的全面诊断,为视觉早期病变的检测提供了一种更适合的手段。传统视觉电生理包括三个方面:视网膜电图(Electroretinography,ERG)、视诱发电位(Visual Evoked Potential,VEP)、眼电图(Electrooculography,EOG)。视觉电生理已有国际电生理临床检查标准,相对而言,ERG检查有着更为广泛的应用。
早期的视觉电信号检测通常进行动物实验,经过不断地发展、成熟,在人类的眼科临床检查和视觉研究也已经得到了广泛地应用。对于眼部生物电信号的探索有着悠久的历史,作为视觉电生理研究领域的先驱,德国的生理学家Emil du Bois-Reymond在1849年对鲤鱼眼睛进行的动物实验中,首次发现了在鲤鱼眼球的前后极之间存在着电位差,并将这个电势差称之为眼静息电位,眼睛角膜一侧相对后极部位有数毫伏的电势差,这个发现开创了眼部生理研究的新纪元。此后,瑞典的生理学家Frithiof与Holmgren于1865年在对脊椎动物眼睛进行实验时,发现当施加闪光刺激时会产生动作电位。Dewar与M’Kendrick在1876年,以及Kuhne与Steiner在1881年分别证实了动作电位的主要位置位于视网膜色素上皮之间。并在此后的研究工作中证明这个动作电位来源于视网膜,其波形称之为视网膜电图。Canton于1875年在进行动物实验时发现一定频率的闪光刺激能够在动物的大脑视觉皮层上引起反应性变化,从而开启了视觉诱发电位领域的研究。
Gotch在1903年应用精密仪器成功采集到ERG。此后,人们便开始对ERG的信号成分进行更加深入的研究。20世纪40年代初期,Riggs与karpe各自独立研制成功了角膜接触镜电极,并且能够满足临床应用的要求,这为ERG投入到实际的临床应用做出了重要贡献[1]。1945年karpe首次发展了临床ERG的记录方法和描述视网膜色素性变的ERG,此后又有许多研究人员相继发现了其它眼底病的ERG表现。1934年Adrian从大脑视觉皮层上通过皮肤电极成功采集到闪光刺激的视觉诱发电位。1947年通过Dawson等人的探索,叠加技术在视觉电信号检测中得到应用。1958年Clark研制成功了平均反应计算机,并将其应用到视觉诱发电位的检测。1960年闪光VEP检查在临床中得到了广泛应用。Cobb在1967年研制成功了图形VEP技术,此后,Holliday将图形VEP在眼科临床诊断进行应用推广。在20世纪50年代初期,Marg和Monnier通过皮肤电极采集眼球转动时眼球前后电势差,从而间接的采集到了眼睛静息电位,从而实现了对于EOG的无创伤检查。Arden在1962年整理提供了较为完善的眼科EOG检查与分析方法,使得EOG检查能够广泛应用于眼科诊断。Gotch在1903年应用精密仪器成功采集到ERG。此后,人们便开始对ERG的信号成分进行更加深入的研究。20世纪40年代初期,Riggs与karpe各自独立研制成功了角膜接触镜电极,并且能够满足临床应用的要求,这为ERG投入到实际的临床应用做出了重要贡献[1]。1945年karpe首次发展了临床ERG的记录方法和描述视网膜色素性变的ERG,此后又有许多研究人员相继发现了其它眼底病的ERG表现。1934年Adrian从大脑视觉皮层上通过皮肤电极成功采集到闪光刺激的视觉诱发电位。1947年通过Dawson等人的探索,叠加技术在视觉电信号检测中得到应用。1958年Clark研制成功了平均反应计算机,并将其应用到视觉诱发电位的检测。1960年闪光VEP检查在临床中得到了广泛应用。Cobb在1967年研制成功了图形VEP技术,此后,Holliday将图形VEP在眼科临床诊断进行应用推广。在20世纪50年代初期,Marg和Monnier通过皮肤电极采集眼球转动时眼球前后电势差,从而间接的采集到了眼睛静息电位,从而实现了对于EOG的无创伤检查。Arden在1962年整理提供了较为完善的眼科EOG检查与分析方法,使得EOG检查能够广泛应用于眼科诊断。
随着数字信号处理技术的不断发展,视觉电生理检测仪器也更加完善。利用现代数字信号处理技术可以有效对采集得到的信号进行相关处理分析,得到诊断中需要的有效信息。譬如可以对信号进行数字滤波,将模数转换采集到的离散信号数据利用数字滤波器提取出有效频带的信号,滤除掉无效的干扰信号。数字滤波器能够有效克服了模拟滤波器频率响应不易确定,易引入新的干扰噪声等缺陷。同时,为了避免由于眼动等因素引起的信号基线漂移,可以通过数字信号处理来剔除伪迹。此外,目前对于视觉电信号的分析处理,主要通过数学算法实现。譬如Naka-Rushton公式在分析视网膜电图分析中的应用。1983年吴乐正等人把Naka-Rushton公式成功应用于黄斑变性、视网膜色素变性和视锥细胞营养不良的诊断过程。1993年Anastasi等人对Naka-Rushton函数进行了微分分析。并通过提取恶性肥胖症患者术后维生素A缺乏症下的暗视b波,应用Naka-Rushton函数证实了因为光感受器视紫红质的减少导致了其捕获光量子的减少。此外,还可以利用Fourier对闪烁ERG、图形ERG和振荡电位进行分析,提取各次谐波,分析其特性。
现在对于视网膜电生理的研究主要集中在多焦ERG中。其中多焦ERG是由Sutter等人研究开发的,它通过预先设定m-序列来对刺激器的刺激矩阵以及闪光进行控制,应用标准的刺激矩阵能够使视网膜所有部位分别接受到刺激,这样我们通过单个通道的电极采集到视网膜各个部位在受到刺激器刺激后的一簇反应。然后应用处理器进行快速Walsh变换,分离出视网膜相应部位的ERG波形,并且能够通过3D图像描绘视网膜不同部位信号的振幅地形图,从而可以清楚地知道其反应强度。利用多焦视网膜电图,能够直观的观察到病变部位反应幅度的下降情况以及潜伏期延长。相比于局部视网膜电图,多焦ERG能够同时完成多个部位的检测从而有效缩短检测的时间。随着多焦ERG技术应用越来越广泛,其在局部视网膜病变诊断方面的优势日益凸显。因而,多焦ERG仍将是视觉电生理研究的重要方向。
传统的ERG测量采用的是角膜接触镜电极,需要将角膜接触镜电极放置于角膜表面,由于检测电极特殊的位置,检测过程中患者眨眼和眼球运动都会使眼部产生严重的不适,如果未能进行正确地佩戴很有可能对受试者的角膜产生一定的损伤。同时,对于儿童等不便于配合者以及角膜有病患的患者都不宜于通过角膜接触镜进行ERG信号采集,并且为了避免细菌感染,角膜接触镜电极不宜于重复使用,使得检测成本增加。随着视网膜电生理在眼部疾病诊断中越来越广泛的应用,传统视网膜电信号采集方式的弊端显得尤为突出。
发明内容
针对现有技术存在的问题,本发明提供一种基于EOG的ERG信号采集与处理系统及方法。
本发明的技术方案如下:
一种基于EOG的ERG信号采集与处理系统,包括控制单元、视网膜刺激器单元、视网膜电信号采集单元和视网膜电信号处理单元;
所述的控制单元用于调节刺激光闪光频率、控制视网膜电信号采集单元进行信号采集、AD转换及数据存储;
所述视网膜刺激器单元用于发出刺激光和控制刺激光照度;
视网膜电信号采集单元用于采集受试者眼睛鼻梁内侧的ERG信号、眼睛眼睑处的ERG信号,对ERG信号调理、AD转换模块和数据存储;
视网膜电信号处理单元用于读取ERG信号,完成对ERG信号的去噪、去基线、去眼动干扰、时域特征点提取和频域特征点提取。
所述视网膜刺激器单元包括刺激光光源、刺激光照度调节模块与刺激光闪光频率控制模块;
刺激光光源的输入端连接刺激光照度调节模块的输出端,刺激光照度调节模块的输入端连接控制单元的输出端,刺激光闪光频率控制模块连接控制单元,控制单元与刺激光光源连接。
所述视网膜电信号采集单元包括皮肤电极、信号调理模块、AD转换模块和数据存储模块;
皮肤电极有三个,分别安置于受试者眼睛正上方额头处、眼睛鼻梁内侧和眼睛眼睑处;
三个皮肤电极分别连接信号调理模块的输入端,信号调理模块的输出端连接AD转换模块的输入端,AD转换模块的输出端连接数据存储模块的输入端。
所述信号调理模块包括前置放大电路、低通滤波电路、高通滤波电路、后级放大电路和工频陷波电路;前置放大电路输入端连接各皮肤电极的输出端,前置放大电路的输出端连接低通滤波电路的输入端,低通滤波电路的输出端连接高通滤波电路的输入端,高通滤波电路的输出端连接后级放大电路的输入端,后级放大电路的输出端连接工频陷波电路的输入端,工频陷波电路的输出端连接AD转换模块的输入端,前置放大电路的输出端还连接安置于受试者眼睛正上方额头处的皮肤电极。
所述AD转换模块包括数字隔离电路和AD转换电路;
数字隔离电路用来隔离模拟电路与数字电路之间的电气联系,数字隔离电路的输入端连接控制单元的IO口,数字隔离电路的输出端连接AD转换模块的功能控制引脚。
采用所述的基于EOG的ERG信号采集与处理系统的ERG信号采集与处理方法,包括以下步骤:
步骤1:根据ISCEV规定的标准ERG的采集模式,调节所需的采集模式下的刺激光源照度和刺激光源闪光频率;
步骤2:对受试者皮肤进行清洁,将三个皮肤分别安置于受试者眼睛正上方额头处、眼睛鼻梁内侧和眼睛眼睑处;
步骤3:受试者进行20分钟以上的暗适应;
步骤4:调整受试者体位,使受试者眼睛对准刺激光源;
步骤5:采集受试者眼睛鼻梁内侧和眼睛眼睑处EOG信号,并将该两个EOG信号作为标准EOG信号;
步骤6:对受试者眼睛进行光刺激,两个皮肤电极同步采集受试者眼睛鼻梁内侧和眼睛眼睑处ERG信号,ERG信号中叠加有EOG信号,安置在受试者眼睛正上方额头处的皮肤电极分别从受试者眼睛鼻梁内侧和眼睑处提取出人体共模电压即人体噪声,并将该噪声反向加到人体;
步骤7:三个皮肤电极同步采集的信号经过信号调理和AD转换后存储;
步骤8:视网膜电信号处理与分析单元读取ERG信号,并对ERG信号进行处理与分析;
步骤8.1:对ERG信号去噪;
步骤8.2:对ERG信号去基线;
步骤8.3:采用模板匹配的方法对ERG信号去眼动干扰:将标准EOG信号作为模板,计算出标准EOG信号长度、均值、方差和平方值,以标准EOG信号长度在ERG信号上进行滑动,从ERG信号中截取出与标准EOG信号长度相同的ERG信号,若截取出的ERG信号的均值、方差和平方值均与模板的均值、方差和平方值相匹配,则将ERG信号中减去标准EOG信号,即可去除眼动干扰信号;
步骤8.4:对ERG信号进行时域特征提取;
步骤8.5:对ERG信号进行频域特征提取。
所述步骤8.1对ERG信号去噪是利用陷波器滤除ERG信号中的工频噪声,该陷波器用以下常系数线性差分方程表示:
式中:n表示信号序列的序号,i表示移序,x(n-i)和y(n)分别为陷波器输入信号序列和陷波器输出信号序列;ai和bi均为陷波器系数,是和电源噪声频率fpower有关的函数,即ai=fa(fpower),bi=fb(fpower),对该常系数线性差分方程两边进行Z变换,得出陷波器传递函数表达式,就能利用陷波器将ERG信号中的工频噪声去除。
所述步骤8.2对ERG信号去基线按以下步骤进行:
步骤8.2.1:利用小波对ERG信号进行n层分解;
步骤8.2.2:计算ERG信号的能量比ER值,当ERG信号的能量比ER值小于能量比阈值Th时,选择离散Meyer小波滤波器去除基线漂移,若ERG信号的能量比ER值大于能量比阈值Th时,则不对ERG信号进行滤波,记此时的信号为ERG1;
其中,A1和An分别是小波分解得到的第一层的信号和第i层的信号,用A1代表ERG信号,An代表基线漂移,层数i的取值和ERG信号频率fERG有关,即n=f(fERG),||||是二范数,mean(An)为An的平均值;
步骤8.2.3:对ERG1信号进行起点检测得到起点B1,对所有检测到的起点B1进行样条插值得到基线B2;
步骤8.2.4:将ERG1信号减去基线B2,得到去除基线后的ERG2信号,即完成2对ERG信号去基线。
所述步骤8.4对ERG信号进行时域特征提取,具体方法是:在时域中,对ERG信号加窗后,确定出在窗宽内ERG信号的最大值点、最小值点以及ERG信号求导后的极值点。
所述步骤8.5对ERG信号进行频域特征提取按如下步骤进行:
步骤8.5.1:对ERG信号进行FFT变换,得出ERG信号频谱分布;
步骤8.5.2:分别计算出ERG信号总能量Ptotal、10~40Hz范围内的ERG信号能量P1、60~100Hz范围内的ERG信号能量P2、100~200Hz范围内的ERG信号能量P3;
步骤8.5.3:分别计算10~40Hz范围内的ERG信号能量P1、60~100Hz范围内的ERG信号能量P2、100~200Hz范围内的ERG信号能量P3与总量值的比值R1、R2、R3,
步骤8.5.4:分别计算出ERG信号在29±6Hz频率范围内的峰值V1、ERG信号在30±7Hz频率范围内的峰值V2、ERG信号在75±8Hz频率范围内的峰值V3、ERG信号在145±15Hz频率范围内的峰值V4。
有益效果:
与传统的角膜电极采集方式相比,本发明采用外置皮肤电极采集ERG信号,使得采集更为方便,更为安全,成本也更低;在电路设计上,本发明使用高精度的AD转换芯片,既简化了电路,降低了功耗,同时也是信号更加稳定和准确;在对信号处理上,采用的方法简单,运算量小,可行性高,能实现信号的快速处理。
附图说明
图1是本发明具体实施方式的基于EOG的ERG信号采集与处理系统结构框图;
图2是本发明具体实施方式的刺激光照度调节模块电路原理图;
图3是本发明具体实施方式的皮肤电极安置位置示意图;
图4是本发明具体实施方式的信号调理模块结构框图;
图5是本发明具体实施方式的前置放大电路原理图;
图6是本发明具体实施方式的低通滤波电路与高通滤波器电路连接原理图;
图7是本发明具体实施方式的后级放大电路原理图;
图8是本发明具体实施方式的工频陷波电路原理图;
图9是本发明具体实施方式的AD转换模块电路原理图;
图10是本发明具体实施方式的数字隔离电路原理图;
图11是本发明具体实施方式的数据存储模块电路连接原理图;
图12是本发明具体实施方式的未经PC机处理前的ERG信号波形图;
图13是本发明具体实施方式的PC机处理后的ERG信号波形图;
图14是本发明具体实施方式的ERG信号采集与处理方法流程图;
图15是本发明具体实施方式的对ERG信号进行处理与分析流程图;
图16是本发明具体实施方式的对ERG信号去基线流程图;
图17是本发明具体实施方式的对ERG信号进行频域特征提取流程图。
具体实施方式
下面结合附图对本发明的具体实施方式做详细说明。
一种基于EOG的ERG信号采集与处理系统,如图1所示,包括控制单元、视网膜刺激器单元、视网膜电信号采集单元和视网膜电信号处理单元;
控制单元用于调节刺激光闪光频率、控制视网膜电信号采集单元进行信号采集、AD转换及数据存储;
控制单元以TI公司生产的MSP430F149超低功耗单片机为实例实现,该单片机具备低电压、超低功耗特性,1.8V到3.6V工作电源电压,60KB程序存储器大小,8MHz最大时钟频率。主控单元主要负责调节刺激光的闪光频率、控制AD芯片工作状态以及AD转换完后数据的读取与存储。
视网膜刺激器单元用于发出刺激光和控制刺激光照度;
视网膜电信号采集单元用于采集受试者眼睛鼻梁内侧的ERG信号、眼睛眼睑处的ERG信号,对ERG信号调理、AD转换模块和数据存储;
视网膜电信号处理单元用于读取ERG信号,完成对ERG信号的去噪、去基线、去眼动干扰、时域特征点提取和频域特征点提取。
视网膜刺激器单元包括刺激光光源、刺激光照度调节模块与刺激光闪光频率控制模块;
刺激光光源的输入端连接刺激光照度调节模块的输出端,刺激光照度调节模块的输入端连接控制单元的输出端,刺激光闪光频率控制模块连接控制单元,控制单元与刺激光光源连接。本实施方式采用LED灯作为刺激光光源,刺激光照度调节模块如图2所示,由发光二极管和电位器组成,刺激光闪光频率控制模块主要由与单片机相连接的按键组成。国际临床视觉电生理学会规定了视网膜电图采集,其中包括刺激光的光照度和刺激光闪光频率,当采集光的光照强度不符合标准时,可以通过调节电位器改变光照强度;当需要改变刺激光的闪光频率时,可以通过刺激光闪光频率控制模块中的按键来选择合适的闪光频率。
视网膜电信号采集单元包括皮肤电极、信号调理模块、AD转换模块和数据存储模块;
如图3所示,皮肤电极有三个,分别安置于受试者眼睛正上方额头处、眼睛鼻梁内侧和眼睛眼睑处;安置于受试者眼睛正上方额头处的皮肤电极1用作参考电极,安置于受试者眼睛鼻梁内侧的皮肤电极2用作反向输入电极,安置于受试者眼睛眼睑处的皮肤电极3用作同相输入电极。
三个皮肤电极分别连接信号调理模块的输入端,信号调理模块的输出端连接AD转换模块的输入端,AD转换模块的输出端连接数据存储模块的输入端。
信号调理模块作用是提高ERG信号信噪比并将ERG信号调理至AD芯片可检测水平。如图4所示,信号调理模块包括前置放大电路、低通滤波电路、高通滤波电路、后级放大电路和工频陷波电路;前置放大电路输入端连接各皮肤电极的输出端,前置放大电路的输出端连接低通滤波电路的输入端,低通滤波电路的输出端连接高通滤波电路的输入端,高通滤波电路的输出端连接后级放大电路的输入端,后级放大电路的输出端连接工频陷波电路的输入端,工频陷波电路的输出端连接AD转换模块的输入端,前置放大电路的输出端还连接安置于受试者眼睛正上方额头处的皮肤电极。
如图5所示,前置放大电路采用TI公司生产的INA129芯片,INA129芯片为8引脚封装,其共模抑制比达到120dB,其增益计算公式为:其中RG为外接电阻,在图5所示电路中,RG=R10+R11,为了抑制人体中的共模噪声,充分借鉴心电采集电路中的右腿驱动电路,将人体的工模噪声通过驱动电路负反馈后接入到前额部位,反馈电路由OPA2227芯片构成,OPA2227芯片同样是由TI公司生产的,采用8引脚封装,其共模抑制比达到138dB,同时具有极低的噪声密度。同时,通过前置放大电路能将微弱的ERG信号采集到并对信号进行一级小倍数放大。
前置放大电路的输出端连接低通滤波电路输入端,低通滤波电路输出端连接高通滤波器电路的输入端,如图6所示,0.3Hz的高通滤波器、截止频率为100Hz的低通滤波器,分别去除低频基线漂移信号和高频干扰信号,本实施方式中,滤波电路选择压控电压源二阶滤波电路,压控增益为1。ERG信号通过滤波电路后,信噪比得到提高。
信号经过前面的一级放大和低通滤波、高通滤波后,仍较微弱,需要再次将信号进行二次放大,后级放大电路如图7所示,二次放大电路的输入端接高通滤波电路的输出端。在运算放大器的芯片选型上,采用TI公司生产的8引脚OPA228单运放芯片,为一款低噪声、高精度的运算放大器。在图7所示电路中,二级放大倍数:G=1+R18/R22=88。
ERG信号经过前面的处理后,难免会引入50Hz工频干扰,因此在二级放大的输出端连接50Hz的工频陷波电路,其电路如图8所示,经过陷波电路后,信号送到AD转换模块进行AD转换。
AD转换模块包括数字隔离电路和AD转换电路;本实施方式选取TI公司采用具有多路复用器的极低噪声、微功耗、高精度Δ-Σ型24位ADC芯片ADS1256对调理后的含EOG的ERG信号进行过采样,所谓过采样是指用实际所需采样频率的K倍进行采样,即Fs=Kfs,其中Fs为过采样频率,fs为满足奈奎斯特频率的采样频率,K为过采样率采样完成后再进行下抽样,即K点累加求和,由于在数据采集过程中引入的干扰和各种噪声大多为白噪声,其均值为零,在累加求和的过程中,可以较好地滤除干扰和噪声,使系统的信噪比得以提高,其电路如图9所示,ADS1256功能控制端与数字隔离电路的输出端相连接,ADS1256信号输入端与50Hz陷波器的输出端相连接,ADS1256信号输出端与MSP430F149相连接,有单片机读取AD转换后的数据。
在通过数字电路对ADS1256进行控制以及转换数据的存储过程中,数字电路对模拟电路产生了接近ERG信号幅值的串扰。因此考虑加入数字隔离电路使模拟电路与数字电路之间的电气联系断开,来降低模拟电路的噪声引入,提高系统信噪比。针对端口的类型以及要求的数据传输速率,选择ADI公司的两种型号的数据隔离器,来实现对六个数字逻辑接口的隔离。对于SPI接口的隔离采用ADuM1411四通道数字隔离器。它兼容3V及5V电源,能够实现3V/5V电平转换。其最高数据传输速率可达到10MHz,对于ADC中复位端与转换完成状态端口的隔离,我们使用了与ADuM1411相同架构的ADuM1201双通道的数字隔离器。其电路如图10所示,ADuM1411和ADuM1201的输入端与MSP430F149的IO口相连接,其输出端连接ADS1256芯片的功能控制端。
数据存储模块包括SD卡,SD卡引脚与MSP430F149单片机相连接,如图11所示,单片机将AD转换完后的数据存储到SD卡中。
本实施方式的视网膜电信号处理单元采用PC机,用于读取SD卡中存储的ERG信号,完成对ERG信号的去噪、去基线、去眼动干扰、时域特征点提取和频域特征点提取。图12为PC机未处理前的ERG信号波形图,图13为PC机处理后的ERG信号波形图。
采用所述的基于EOG的ERG信号采集与处理系统的ERG信号采集与处理方法,如图14所示,包括以下步骤:
步骤1:根据ISCEV规定的标准ERG的采集模式,调节所需的采集模式下的刺激光源照度和刺激光源闪光频率;
在ISCEV规定的标准ERG中,有5种不同的采集模式,不同的采集模式需要的刺激光光照强度不一样,在测量前,通过调节刺激光光源模块中的电位器来调节对应采集模式下所需刺激光光照强度,通过按键调节对应模式下所需闪光频率,使其符合测量标准;
步骤2:对受试者皮肤进行清洁,将三个皮肤分别安置于受试者眼睛正上方额头处、眼睛鼻梁内侧和眼睛眼睑处;
步骤3:受试者进行20分钟以上的暗适应;
步骤4:调整受试者体位,使受试者眼睛对准刺激光源;
步骤5:采集受试者眼睛鼻梁内侧和眼睛眼睑处EOG信号,并将该两个EOG信号作为标准EOG信号;
步骤6:对受试者眼睛进行光刺激,两个皮肤电极同步采集受试者眼睛鼻梁内侧和眼睛眼睑处ERG信号,ERG信号中叠加有EOG信号,安置在受试者眼睛正上方额头处的皮肤电极分别从受试者眼睛鼻梁内侧和眼睑处提取出人体共模电压即人体噪声,并将该噪声反向加到人体;
步骤7:三个皮肤电极同步采集的信号经过信号调理和AD转换后存储;
步骤8:视网膜电信号处理与分析单元读取ERG信号,并对ERG信号进行处理与分析,如图15所示;
步骤8.1:对ERG信号去噪;
ERG信号包含高平噪声和电源噪声,先利用基于多项式拟合的方法设计最佳简单形式的低通滤波器滤除高频噪声,设x(n)中的一组数据为x(i),i=-M,…,0…,M,,构造一个p阶多项式fi来拟合x(i)这一组数据。
拟合一组数据时,会存在一定的拟合误差,设总误差的平方和表达式如下:
为了使滤波前后的波形不发生太大的偏差,因此拟合误差要足够小。为了是E最小,令E对各系数的导数为零,由此得到:
其中,r=0,1,…,p,Fr和Sk+r如下:
则有:
因此,只需利用上式求出a0,便可得到多项式fi对中心点x(0)的最佳拟合。此过程对数据x(n)做数据拟合,实质上是对x(n)做滤波,而求出的a0看作是一个滤波因子或一个滤波模板,给定不同的拟合点数M和阶次p,就能得到不同的滤波因子,因此也就能得到不同的h(n)。由于此时h(n)具有低通特性,因此能滤除高频噪声,其中,M和p的取值由经验函数得到,即M,p=fexp(fc),fc为滤波器截止频率;
ERG信号中包含高频噪声和工频噪声,其中工频噪声的频率和高频噪声的频率是不一样的,所以前面的部分说的是去除高频噪声,后面的部分是去除工频噪声,先去除高频噪声,然后去除工频噪声,这里没有矛盾。
所述步骤8.1对ERG信号去噪是先去除高频噪声后,再利用陷波器滤除ERG信号中的工频噪声,该陷波器用以下常系数线性差分方程表示:
式中:n表示信号序列的序号,i表示移序,x(n-i)和y(n)分别为陷波器输入信号序列和陷波器输出信号序列;ai和bi均为陷波器系数,是和电源噪声频率fpower有关的函数,即ai=fa(fpower),bi=fb(fpower),对该常系数线性差分方程两边进行Z变换,得出陷波器传递函数表达式,就能利用陷波器将ERG信号中的工频噪声去除。
步骤8.2:对ERG信号去基线;
所述步骤8.2对ERG信号去基线如图16所示,按以下步骤进行:
步骤8.2.1:利用小波对ERG信号进行n层分解;
步骤8.2.2:计算ERG信号的能量比ER值,当ERG信号的能量比ER值小于能量比阈值Th时,选择离散Meyer小波滤波器去除基线漂移,若ERG信号的能量比ER值大于能量比阈值Th时,则不对ERG信号进行滤波,记此时的信号为ERG1;
其中,A1和An分别是小波分解得到的第一层的信号和第n层的信号,用A1代表ERG信号,An代表基线漂移,层数i的取值和ERG信号频率fERG有关,即n=f(fERG),||||是二范数,mean(An)为An的平均值;
步骤8.2.3:对ERG1信号进行起点检测得到起点B1,对所有检测到的起点B1进行样条插值得到基线B2;
步骤8.2.4:将ERG1信号减去基线B2,得到去除基线后的ERG2信号,即完成2对ERG信号去基线。
步骤8.3:采用模板匹配的方法对ERG信号去眼动干扰:将标准EOG信号作为模板,计算出标准EOG信号长度、均值、方差和平方值,以标准EOG信号长度在ERG信号上进行滑动,从ERG信号中截取出与标准EOG信号长度相同的ERG信号,若截取出的ERG信号的均值、方差和平方值均与模板的均值、方差和平方值相匹配,则将ERG信号中减去标准EOG信号,即可去除眼动干扰信号;
由于ERG波形包含a、b、c和d的四个特征波和一些频域特征,因此还需对信号进行时域特征提取、频域特征提取及计算;
步骤8.4:对ERG信号进行时域特征提取;
步骤8.5:对ERG信号进行频域特征提取。
所述步骤8.4对ERG信号进行时域特征提取,具体方法是:在时域中,对ERG信号加窗后,确定出在窗宽内ERG信号的最大值点、最小值点以及ERG信号求导后的极值点。
所述步骤8.5对ERG信号进行频域特征提取如图17所示,按如下步骤进行:
步骤8.5.1:对ERG信号进行FFT变换,得出ERG信号频谱分布;
步骤8.5.2:分别计算出ERG信号总能量Ptotal、10~40Hz范围内的ERG信号能量P1、60~100Hz范围内的ERG信号能量P2、100~200Hz范围内的ERG信号能量P3;
步骤8.5.3:分别计算10~40Hz范围内的ERG信号能量P1、60~100Hz范围内的ERG信号能量P2、100~200Hz范围内的ERG信号能量P3与总量值的比值R1、R2、R3,
步骤8.5.4:分别计算出ERG信号在29±6Hz频率范围内的峰值V1、ERG信号在30±7Hz频率范围内的峰值V2、ERG信号在75±8Hz频率范围内的峰值V3、ERG信号在145±15Hz频率范围内的峰值V4。
Claims (10)
1.一种基于EOG的ERG信号采集与处理系统,其特征在于:包括控制单元、视网膜刺激器单元、视网膜电信号采集单元和视网膜电信号处理单元;
所述的控制单元用于调节刺激光闪光频率、控制视网膜电信号采集单元进行信号采集、AD转换及数据存储;
所述视网膜刺激器单元用于发出刺激光和控制刺激光照度;
视网膜电信号采集单元用于采集受试者眼睛鼻梁内侧的ERG信号、眼睛眼睑处的ERG信号,对ERG信号调理、AD转换模块和数据存储;
视网膜电信号处理单元用于读取ERG信号,完成对ERG信号的去噪、去基线、去眼动干扰、时域特征点提取和频域特征点提取。
2.根据权利要求1所述的基于EOG的ERG信号采集与处理系统,其特征在于:所述视网膜刺激器单元包括刺激光光源、刺激光照度调节模块与刺激光闪光频率控制模块;
刺激光光源的输入端连接刺激光照度调节模块的输出端,刺激光照度调节模块的输入端连接控制单元的输出端,刺激光闪光频率控制模块连接控制单元,控制单元与刺激光光源连接。
3.根据权利要求1所述的基于EOG的ERG信号采集与处理系统,其特征在于:所述视网膜电信号采集单元包括皮肤电极、信号调理模块、AD转换模块和数据存储模块;
皮肤电极有三个,分别安置于受试者眼睛正上方额头处、眼睛鼻梁内侧和眼睛眼睑处;
三个皮肤电极分别连接信号调理模块的输入端,信号调理模块的输出端连接AD转换模块的输入端,AD转换模块的输出端连接数据存储模块的输入端。
4.根据权利要求3所述的基于EOG的ERG信号采集与处理系统,其特征在于:所述信号调理模块包括前置放大电路、低通滤波电路、高通滤波电路、后级放大电路和工频陷波电路;前置放大电路输入端连接各皮肤电极的输出端,前置放大电路的输出端连接低通滤波电路的输入端,低通滤波电路的输出端连接高通滤波电路的输入端,高通滤波电路的输出端连接后级放大电路的输入端,后级放大电路的输出端连接工频陷波电路的输入端,工频陷波电路的输出端连接AD转换模块的输入端,前置放大电路的输出端还连接安置于受试者眼睛正上方额头处的皮肤电极。
5.根据权利要求3所述的基于EOG的ERG信号采集与处理系统,其特征在于:所述AD转换模块包括数字隔离电路和AD转换电路;
数字隔离电路用来隔离模拟电路与数字电路之间的电气联系,数字隔离电路的输入端连接控制单元的IO口,数字隔离电路的输出端连接AD转换模块的功能控制引脚。
6.采用权利要求1所述的基于EOG的ERG信号采集与处理系统的ERG信号采集与处理方法,其特征在于:包括以下步骤:
步骤1:根据ISCEV规定的标准ERG的采集模式,调节所需的采集模式下的刺激光源照度和刺激光源闪光频率;
步骤2:对受试者皮肤进行清洁,将三个皮肤分别安置于受试者眼睛正上方额头处、眼睛鼻梁内侧和眼睛眼睑处;
步骤3:受试者进行20分钟以上的暗适应;
步骤4:调整受试者体位,使受试者眼睛对准刺激光源;
步骤5:采集受试者眼睛鼻梁内侧和眼睛眼睑处EOG信号,并将该两个EOG信号作为标准EOG信号;
步骤6:对受试者眼睛进行光刺激,两个皮肤电极同步采集受试者眼睛鼻梁内侧和眼睛眼睑处ERG信号,ERG信号中叠加有EOG信号,安置在受试者眼睛正上方额头处的皮肤电极分别从受试者眼睛鼻梁内侧和眼睑处提取出人体共模电压即人体噪声,并将该噪声反向加到人体;
步骤7:三个皮肤电极同步采集的信号经过信号调理和AD转换后存储;
步骤8:视网膜电信号处理与分析单元读取ERG信号,并对ERG信号进行处理与分析;
步骤8.1:对ERG信号去噪;
步骤8.2:对ERG信号去基线;
步骤8.3:采用模板匹配的方法对ERG信号去眼动干扰:将标准EOG信号作为模板,计算出标准EOG信号长度、均值、方差和平方值,以标准EOG信号长度在ERG信号上进行滑动,从ERG信号中截取出与标准EOG信号长度相同的ERG信号,若截取出的ERG信号的均值、方差和平方值均与模板的均值、方差和平方值相匹配,则将ERG信号中减去标准EOG信号,即可去除眼动干扰信号;
步骤8.4:对ERG信号进行时域特征提取;
步骤8.5:对ERG信号进行频域特征提取。
7.根据权利要求6所述的ERG信号采集与处理方法,其特征在于:所述步骤8.1对ERG信号去噪是利用陷波器滤除ERG信号中的工频噪声,该陷波器用以下常系数线性差分方程表示:
式中:n表示信号序列的序号,i表示移序,x(n-i)和y(n)分别为陷波器输入信号序列和陷波器输出信号序列;ai和bi均为陷波器系数,是和电源噪声频率fpower有关的函数,即
ai=fa(fpower),bi=fb(fpower),对该常系数线性差分方程两边进行Z变换,得出陷波器传递函数表达式,就能利用陷波器将ERG信号中的工频噪声去除。
8.根据权利要求6所述的ERG信号采集与处理方法,其特征在于:所述步骤8.2对ERG信号去基线按以下步骤进行:
步骤8.2.1:利用小波对ERG信号进行n层分解;
步骤8.2.2:计算ERG信号的能量比ER值,当ERG信号的能量比ER值小于能量比阈值Th时,选择离散Meyer小波滤波器去除基线漂移,若ERG信号的能量比ER值大于能量比阈值Th时,则不对ERG信号进行滤波,记此时的信号为ERG1;
其中,A1和An分别是小波分解得到的第一层的信号和第i层的信号,用A1代表ERG信号,An代表基线漂移,层数i的取值和ERG信号频率fERG有关,即n=f(fERG),||||是二范数,mean(An)为An的平均值;
步骤8.2.3:对ERG1信号进行起点检测得到起点B1,对所有检测到的起点B1进行样条插值得到基线B2;
步骤8.2.4:将ERG1信号减去基线B2,得到去除基线后的ERG2信号,即完成2对ERG信号去基线。
9.根据权利要求6所述的ERG信号采集与处理方法,其特征在于:所述步骤8.4对ERG信号进行时域特征提取,具体方法是:在时域中,对ERG信号加窗后,确定出在窗宽内ERG信号的最大值点、最小值点以及ERG信号求导后的极值点。
10.根据权利要求6所述的ERG信号采集与处理方法,其特征在于:所述步骤8.5对ERG信号进行频域特征提取按如下步骤进行:
步骤8.5.1:对ERG信号进行FFT变换,得出ERG信号频谱分布;
步骤8.5.2:分别计算出ERG信号总能量Ptotal、10~40Hz范围内的ERG信号能量P1、60~100Hz范围内的ERG信号能量P2、100~200Hz范围内的ERG信号能量P3;
步骤8.5.3:分别计算10~40Hz范围内的ERG信号能量P1、60~100Hz范围内的ERG信号能量P2、100~200Hz范围内的ERG信号能量P3与总量值的比值R1、R2、R3,
步骤8.5.4:分别计算出ERG信号在29±6Hz频率范围内的峰值V1、ERG信号在30±7Hz频率范围内的峰值V2、ERG信号在75±8Hz频率范围内的峰值V3、ERG信号在145±15Hz频率范围内的峰值V4。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410606129.7A CN104323773B (zh) | 2014-10-31 | 2014-10-31 | 一种基于eog的erg信号采集与处理系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410606129.7A CN104323773B (zh) | 2014-10-31 | 2014-10-31 | 一种基于eog的erg信号采集与处理系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104323773A true CN104323773A (zh) | 2015-02-04 |
CN104323773B CN104323773B (zh) | 2016-11-16 |
Family
ID=52398696
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410606129.7A Active CN104323773B (zh) | 2014-10-31 | 2014-10-31 | 一种基于eog的erg信号采集与处理系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104323773B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106037761A (zh) * | 2016-07-12 | 2016-10-26 | 张红萍 | 一种基于血氧饱和度测量的鼾病自治的闭环控制电路 |
CN106943142A (zh) * | 2017-03-16 | 2017-07-14 | 深圳麦格米特电气股份有限公司 | 一种视网膜电图(erg)便携检测系统的信号放大器 |
CN107049311A (zh) * | 2017-03-16 | 2017-08-18 | 深圳麦格米特电气股份有限公司 | 一种带前置放大器的双通道视网膜电图(erg)便携检测系统 |
CN107480635A (zh) * | 2017-08-15 | 2017-12-15 | 安徽大学 | 一种基于双模态分类模型融合的扫视信号识别方法及系统 |
WO2019052239A1 (zh) * | 2017-09-12 | 2019-03-21 | 深圳麦格米特电气股份有限公司 | 一种视网膜电图和动眼电图的有源电极检测装置 |
WO2019152526A1 (en) * | 2018-01-31 | 2019-08-08 | California Institute Of Technology | Controllable ocular phototherapy |
CN110123304A (zh) * | 2019-01-22 | 2019-08-16 | 东南大学 | 基于多模板匹配和相关系数矩阵的动态心电噪声滤除方法 |
CN112057250A (zh) * | 2020-09-21 | 2020-12-11 | 山西白求恩医院(山西医学科学院) | 一种眼电智能轮椅及其控制方法 |
CN113872539A (zh) * | 2021-09-17 | 2021-12-31 | 歌尔科技有限公司 | 一种信号放大电路和芯片 |
CN114025723A (zh) * | 2019-05-31 | 2022-02-08 | 玛库激光公司 | 用于确定视网膜及/或脑温度的改变的方法及设备 |
US11253352B2 (en) | 2016-10-03 | 2022-02-22 | California Institute Of Technology | Radioluminescent phototherapy eye device |
CN114209281A (zh) * | 2021-12-21 | 2022-03-22 | 郑州大学 | 基于生成对抗网络的脉搏数据生成方法 |
CN114025723B (zh) * | 2019-05-31 | 2024-07-16 | 玛库激光公司 | 用于确定视网膜及/或脑温度的改变的方法及设备 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1815784A1 (en) * | 2006-02-06 | 2007-08-08 | Mashhour Mustafa Moh'd Bani Amer | System with intelligent cable-less transducers for monitoring and analysing biosignals |
-
2014
- 2014-10-31 CN CN201410606129.7A patent/CN104323773B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1815784A1 (en) * | 2006-02-06 | 2007-08-08 | Mashhour Mustafa Moh'd Bani Amer | System with intelligent cable-less transducers for monitoring and analysing biosignals |
Non-Patent Citations (1)
Title |
---|
张光磊: "多焦视网膜电信号检测系统的研究与设计", 《中国优秀博硕士学位论文全文数据库(硕士) 工程科技II辑》 * |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106037761A (zh) * | 2016-07-12 | 2016-10-26 | 张红萍 | 一种基于血氧饱和度测量的鼾病自治的闭环控制电路 |
US11253352B2 (en) | 2016-10-03 | 2022-02-22 | California Institute Of Technology | Radioluminescent phototherapy eye device |
CN106943142A (zh) * | 2017-03-16 | 2017-07-14 | 深圳麦格米特电气股份有限公司 | 一种视网膜电图(erg)便携检测系统的信号放大器 |
CN107049311A (zh) * | 2017-03-16 | 2017-08-18 | 深圳麦格米特电气股份有限公司 | 一种带前置放大器的双通道视网膜电图(erg)便携检测系统 |
CN107480635B (zh) * | 2017-08-15 | 2020-09-18 | 安徽大学 | 一种基于双模态分类模型融合的扫视信号识别方法及系统 |
CN107480635A (zh) * | 2017-08-15 | 2017-12-15 | 安徽大学 | 一种基于双模态分类模型融合的扫视信号识别方法及系统 |
WO2019052239A1 (zh) * | 2017-09-12 | 2019-03-21 | 深圳麦格米特电气股份有限公司 | 一种视网膜电图和动眼电图的有源电极检测装置 |
WO2019152526A1 (en) * | 2018-01-31 | 2019-08-08 | California Institute Of Technology | Controllable ocular phototherapy |
US11400307B2 (en) | 2018-01-31 | 2022-08-02 | California Institute Of Technology | Controllable ocular phototherapy |
CN110123304A (zh) * | 2019-01-22 | 2019-08-16 | 东南大学 | 基于多模板匹配和相关系数矩阵的动态心电噪声滤除方法 |
CN110123304B (zh) * | 2019-01-22 | 2021-08-27 | 东南大学 | 基于多模板匹配和相关系数矩阵的动态心电噪声滤除方法 |
CN114025723A (zh) * | 2019-05-31 | 2022-02-08 | 玛库激光公司 | 用于确定视网膜及/或脑温度的改变的方法及设备 |
CN114025723B (zh) * | 2019-05-31 | 2024-07-16 | 玛库激光公司 | 用于确定视网膜及/或脑温度的改变的方法及设备 |
CN112057250A (zh) * | 2020-09-21 | 2020-12-11 | 山西白求恩医院(山西医学科学院) | 一种眼电智能轮椅及其控制方法 |
CN113872539A (zh) * | 2021-09-17 | 2021-12-31 | 歌尔科技有限公司 | 一种信号放大电路和芯片 |
WO2023040699A1 (zh) * | 2021-09-17 | 2023-03-23 | 歌尔股份有限公司 | 一种信号放大电路和芯片 |
CN114209281A (zh) * | 2021-12-21 | 2022-03-22 | 郑州大学 | 基于生成对抗网络的脉搏数据生成方法 |
CN114209281B (zh) * | 2021-12-21 | 2024-02-27 | 郑州大学 | 基于生成对抗网络的脉搏数据生成方法 |
Also Published As
Publication number | Publication date |
---|---|
CN104323773B (zh) | 2016-11-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104323773B (zh) | 一种基于eog的erg信号采集与处理系统及方法 | |
KR102556074B1 (ko) | 관절 건강 평가를 위한 웨어러블 기술들 | |
CN110765920A (zh) | 基于卷积神经网络的运动想象分类方法 | |
CN103405225B (zh) | 一种获取疼感评测指标的方法、装置及设备 | |
Liu et al. | Decoding of self-paced lower-limb movement intention: a case study on the influence factors | |
Artoni et al. | REMOV: EEG artifacts removal methods during Lokomat lower-limb rehabilitation | |
Bagheri et al. | Empirical mode decomposition and neural network for the classification of electroretinographic data | |
Kumaravel et al. | Efficient artifact removal from low-density wearable EEG using artifacts subspace reconstruction | |
CN105125186B (zh) | 一种确定干预治疗方式的方法及系统 | |
Caldwell et al. | Signal recovery from stimulation artifacts in intracranial recordings with dictionary learning | |
Sponsel et al. | Pattern electroretinography and visual evoked potentials provide clinical evidence of CNS modulation of high-and low-contrast VEP latency in glaucoma | |
CN106308748A (zh) | 一种下背痛患者功能障碍分析方法及实现该方法的装置 | |
Savić et al. | Novel electrotactile brain-computer interface with somatosensory event-related potential based control | |
KR20170004547A (ko) | 동공 크기 변화율을 이용한 뇌 정보 (EEG spectrum) 추출 방법 및 그 장치 | |
Chen et al. | Waveform feature extraction and signal recovery in single-channel TVEP based on Fitzhugh–Nagumo stochastic resonance | |
CN111759300A (zh) | 神经诊断或治疗设备、心电检测系统和交感神经监测系统及其应用 | |
Wang et al. | Performance of flexible non-contact electrodes in bioelectrical signal measurements | |
CN106983510A (zh) | 一种肌肉性能测量方法和装置 | |
Sandhya et al. | Single channel event related (de) synchronization (erd/ers) analysis of motor execution in stroke affected foot drop subjects | |
CN112971786A (zh) | 一种基于脑肌电信号小波相干系数的卒中康复评估方法 | |
Zhu et al. | When traditional Chinese medicine meets AI: A novel depression treatment paradigm based on transcutaneous vagus nerve stimulation | |
Sheng et al. | The design of a rehabilitation training system with emg feedback | |
Chamanzar et al. | Accurate single-trial detection of movement intention made possible using adaptive wavelet transform | |
Zhang et al. | Research on the method of evaluating psychological stress by EEG | |
Sheela et al. | MVME-RCMFDE framework for discerning hyper-responsivity in Autism Spectrum Disorders |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |