CN104545901A - 脑电检测系统 - Google Patents
脑电检测系统 Download PDFInfo
- Publication number
- CN104545901A CN104545901A CN201510047074.5A CN201510047074A CN104545901A CN 104545901 A CN104545901 A CN 104545901A CN 201510047074 A CN201510047074 A CN 201510047074A CN 104545901 A CN104545901 A CN 104545901A
- Authority
- CN
- China
- Prior art keywords
- eeg signals
- wavelet
- brain
- signal
- detecting system
- 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
- A61B5/369—Electroencephalography [EEG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0004—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by the type of physiological signal transmitted
- A61B5/0006—ECG or EEG signals
-
- 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
- A61B5/25—Bioelectric electrodes therefor
- A61B5/279—Bioelectric electrodes therefor specially adapted for particular uses
- A61B5/291—Bioelectric electrodes therefor specially adapted for particular uses for electroencephalography [EEG]
-
- 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
Abstract
本发明提供了一种脑电检测系统。该脑电检测系统采用小波技术对EEG信号进行分离,然后分别采用时频分析和非线性分析,最后对两种分析结果进行综合判断。小波变换后信号既有时域特征也有频域特征,对其进行时频分析然后计算对称性克服了单独频域分析无法兼顾时域特征的局限。同时考虑到人脑是一个非线性系统,还采用了非线性分析方法,充分考虑了EEG的非稳态时变特性。
Description
技术领域
本发明涉及医疗器械领域,尤其涉及一种脑电检测系统。
背景技术
脑电信号是由大量脑神经细胞在高度相干状态下的电活动在大脑皮层上的总体效应。利用在头皮上安放的电极将脑细胞的电活动引出来并经放大后记录在专门的纸上,即得出大脑皮层记录到的神经细胞的电活动信号,即脑电信号(Electroencephalograph,简称EEG)。EEG脑电波节律的种类很多,而且变化多样。各种不同的情绪,心态都会影响脑电波的变化。EEG是脑神经细胞总体活动,包括离子交换、新陈代谢等的综合外在表现,深入地研究脑电波的特性将推进人们对自身大脑的探索研究进程,增强其对疾病的辅助诊断能力。
抑郁症是一种常见的、慢性复发性疾病,据有关调查显示,在我国抑郁症发病率约为3%-5%。随着社会的发展,生活在北京、上海及广州等大城市的白领们在高压力高竞争的环境下迅速成为此病的高发人群。令人遗憾的是与高发病率形成鲜明反差的是,目前全国地市级以上医院对抑郁症的识别率不到20%。由于抑郁症目前病因未明,至今还没有一种或者一系列的检查或者化验可以进行诊断,目前是以临床诊断为主,因此诊断需要到正规医院进行专业判断,确诊为抑郁症需要有2位精神科副主任医师以上职称者均一致诊断为抑郁症才能确诊。神经心理测试用于诊断功能性精神疾病时确有一定的信度和效度,但因其有一定的间接性、相对性和滞后性,无法作为早期诊断或风险预警手段,因而影响了对病情的全面、准确掌握和及时干预治疗。事实上,当患者出现临床症状时,抑郁症已经对患者造成精神损害难以治愈且易复发。因此,早期发现抑郁潜在患者,并采取有效措施对其进行积极干预治疗,就可能阻止疾病的发生与进展,有效降低抑郁的发病率及其危害。
研究表明,抑郁症患者脑电信号在节律,波幅和功率等参数中表现出异常现象。加拿大Baskaran,A等研究了脑电EEG信号会与抑郁的发展变化的关系,经对比分析发现有若干EEG信号可以作为抑郁疗效评估指标。美国威斯康星大学Eric Landsness等对抑郁患者进行了分阶段睡眠实验,对不同睡眠阶段、不同入睡方式的EEG信号进行分析发现EEG是研究抑郁症状、病理生理的重要指标。加利福尼亚大学洛杉矶分校Uma Rao等对不同人EEG进行分析发现正常人、单相抑郁患者和双向的EEG有明显不同,这可以作为抑郁判定的参考指标。因此,EEG信号检测可以用于抑郁早期诊断和预警,对其进行深入研究在抑郁症的诊疗方面有重大意义。
采用脑电信号对抑郁进行诊断,目前国内外都有不少研究,专利200680052144.5提出一种新的频率分析方法。该专利将EEG进行频域转换后,将EEG信号进行分离,分为静态和动态的两种信号分别进行对称性分析。但是仅分析对称性有一定局限性,因为人脑是典型的非线性系统,EEG信号已被证实具有非稳态时变的非线性特性,分析EEG信号需要充分考虑非线性因素。
目前进行脑电检测的芯片由NeuroSky公司的ThinkGear AM芯片,该芯片可以检测单通路脑电信号,然后转换为数字信号以有线方式传输。该芯片包括输入部分、信号放大部分、滤波部分、信号处理部分和信号输出部分,其输出信号包括原始脑电信号、专注度、放松度和眨眼信号等。由于该芯片为单通路检测,测得的脑电信息有限,目前主要用于进行娱乐游戏开发,且其没有集成无线发送模块,应用时需要外加蓝牙或WIFI模块。
发明内容
(一)要解决的技术问题
鉴于上述技术问题,本发明提供了一种脑电检测系统。
(二)技术方案
根据本发明的一个方面,提供了一种脑电检测系统。该脑电检测系统包括:脑电电极组1,包括左右对称设置的n根脑电电极;模数转换模块4,与脑电电极组1电性连接,用于将每一根脑电电极获取的脑电信号由模拟形式转换为数字形式;以及信号处理模块5,与模数转换模块4电性连接,用于采用时频分析和非线性分析两种方式对数字形式的脑电信号进行处理,获得多个脑电信号参数。
(三)有益效果
从上述技术方案可以看出,本发明脑电检测系统具有以下有益效果:
(1)采用小波技术对EEG信号进行分离,然后分别采用时频分析和非线性分析,最后对两种分析结果进行综合判断。小波变换后信号既有时域特征也有频域特征,对其进行时频分析然后计算对称性克服了单独频域分析无法兼顾时域特征的局限。同时考虑到人脑是一个非线性系统,还采用了非线性分析方法,充分考虑了EEG的非稳态时变特性;
(2)采用OOK无线发送方式,这是一种简单的发送方式,可以降低功耗。且本发明采用可关断的功率放大器,针对OOK调制信号,在输入信号为逻辑0时关断功率放大器节约直流功耗;
(3)将脑电电极组、脑电信号放大模块、模数转换模块、信号处理模块、无线发送模块和控制模块集成在一起,在可穿戴系统上实现了EEG信号放大、模数转换、分析处理及无线传输功能。
附图说明
图1为根据本发明实施例脑电检测系统的结构示意图;
图2为图1所示脑电检测系统中脑电信号放大模块的结构示意图;
图3为图1所示脑电检测系统中信号处理模块中信号处理的流程图;
图4为图1所示脑电检测系统中线发送模块和天线的结构示意图。
【主要元件】
1-脑电电极组; 2-脑电检测芯片;
3-脑电信号放大模块; 4-模数转换模块;
3_1-前置差分放大器; 3_2-去直流电路;
3_3-低噪声放大器; 3_4带通滤波器;
3_5-工频陷波电路; 3_6-可调增益放大器;
5-信号处理模块; 6-无线发送模块;
6_1-压控振荡器; 6_2-功率放大器
7-控制模块; 8-天线。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明进一步详细说明。需要说明的是,在附图或说明书描述中,相似或相同的部分都使用相同的图号。附图中未绘示或描述的实现方式,为所属技术领域中普通技术人员所知的形式。另外,虽然本文可提供包含特定值的参数的示范,但应了解,参数无需确切等于相应的值,而是可在可接受的误差容限或设计约束内近似于相应的值。
本发明提供了一种穿戴式低功耗的脑电检测系统,其分别采用时频分析和非线性分析进行综合判断,进而使判断结果更为准确。
在本发明的一个示例性实施例中,提供了一种脑电检测系统。图1为根据本发明实施例脑电检测系统的结构示意图。如图1所示,本实施例脑电检测系统包括:脑电电极组1、脑电检测芯片2和天线8。
脑电电极组1包括若干根的脑电电极,该若干根的脑电电极左右对称,在使用时分别接触患者的左脑和右脑。其中,脑电电极的个数可以为8、16、32个,视应用场景的需要而定。每一个脑电电极获得一组脑电信号。
脑电检测芯片2用于对若干组的脑电信号进行处理。其中,脑电检测芯片2采用IC设计技术,包括:脑电信号放大模块3、模数转换模块4、信号处理模块5、无线发送模块6和控制模块7。控制模块7主要功能是为其他模块提供时钟信号和控制信号。
本实施例中,将脑电电极组、脑电信号放大模块、模数转换模块、信号处理模块、无线发送模块和控制模块集成在一芯片上,在可穿戴系统上实现了EEG信号放大、模数转换、分析处理及无线传输功能。
脑电信号放大模块3主要功能是对脑电电极组1中每个脑电电极得到的脑电信号分别进行放大、滤波和去噪处理。图2为图1所示脑电检测系统中脑电信号放大模块的结构示意图。如图2所示,该脑电信号放大模块包括:前置差分放大器3-1、去直流电路3-2、低噪声放大器3-3、带通滤波器3-4及工频陷波电路3-5、可调增益放大器3-6等。
在脑电信号放大模块3中,脑电电极组1检测到的脑电信号首先由前置差分放大器3_1进行放大,而后由去直流电路3_2去除脑电信号中的直流成分,由低噪声放大器3_3再次进行放大,再由带通滤波器3_4去除脑电信号频率范围之外的频率成分,由工频陷波电路3_5去除工频干扰,最后由可调增益放大器3_6进行放大。
模数转换模块4为逐次逼近寄存器型模数转换器(SAR),主要功能是对脑电信号放大模块3处理过的多组模拟信号进行数字转换,获得数字形式的脑电信号。
信号处理模块5用于对由模数转换器4输入的多组的数字形式的脑电信号进行处理。图3为图1所示脑电检测系统中信号处理模块中信号处理的流程图。如图3所示,信号处理模块5的信号处理过程分别采用时频分析和非线性分析两种方式进行数据处理,具体包括如下子模块:小波变换子模块、时频分析子模块、非线性分析子模块、综合分析子模块和打包发送子模块。
其中,小波变换子模块:对于每一组脑电信号,进行多分辨率小波变换,得到的不同尺度的小波分解信号,这些小波分解信号被分为两路,第一路信号进行时频分析,第二路信号进行非线性分析;
时频分析子模块用于对第一路中的小波分解信号进行时频分析,获取脑电信号的时频特征参数。其中,该时频分析子模块执行如下操作:
子步骤B1:对于每一组脑电信号,根据小波系数和脑电信号频率对应关系,由不同尺度的小波分解信号分离出α波、β波和θ波;
经过小波分解后,各个尺度的小波分解信号反应了不同频率范围的脑电信息,其小波分解尺度与不同频率范围的脑电信号一一对应,因此,可以通过频率对应关系分离出α波、β波和θ波。
子步骤B2:对于每一组脑电信号,计算其对应α波、β波和θ波的功率谱;
子步骤B3:对于左脑对应的多组脑电信号,计算α波功率谱之和-PL_α、β波功率谱之和-PL_β和θ波功率谱之和-PL_θ;
子步骤B4:对于右脑对应的多组脑电信号,计算α波功率谱之和-PR_α、β波功率谱之和-PR_β和θ波功率谱之和PR_θ;
子步骤B5:将左脑对应的α波功率谱之和PL_α与右脑对应的α波功率谱之和PR_α的差除以左脑对应的α波功率谱之和与右脑对应的α波功率谱之和,得到α波相对偏差D(α),同理得到β波相对偏差D(β)和θ波相对偏差D(θ),即:
非线性分析子模块,用于对第二路中的小波分解信号进行非线性分析,获得脑电信号的非线性特征参数。其中,该非线性分析子模块执行如下操作:
子步骤C1:小波去噪,即每一组脑电信号,根据信号功率谱值选择去噪阈值,将等于或小于阈值的小波分解信号按零处理,大于阈值的小波分解信号保留用以后续计算;
其中,阈值的大小根据需要设定,此处不再具体限定。
子步骤C2:对于每一组脑电信号,由其保留下来的小波分解信号计算小波熵Ei,计算各组脑电信号小波熵的平均值Eaverage,其中,i=1、2、……,n,n为脑电电极的个数;
因为实际上采集到的脑电信号中含有伪迹和噪声难以得到绝对干净的信号,如果以所有信号的能量为总能量,得到的小波熵并不能准确反映脑电信号能量在各子空间的分布特性,所以,在计算过程中以脑电信号的主要频带(1Hz-30Hz)的能量为总能量计算每组脑电信号的小波熵;然后求各组脑电信号小波熵的平均值。
具体来讲,对于1Hz-30Hz频带的脑电信号,由其保留下来的小波分解信号计算小波熵,计算这些脑电信号小波熵的平均值,处于该频带之外的脑电信号忽略。
子步骤C3:设定小波熵阈值Eth,求小波熵平均值Eaverage与设定的小波熵阈值Eth之差,得到小波熵偏差D(e);
分析小波熵,小波熵可以反映出多频率成分信号的混乱程度并提供信号的动力学特征,可以将其作为脑电信号复杂性的指标。首先设定小波熵阈值,求子步骤C2实际检测到的小波熵与设定的小波熵阈值之差D(e)。其中,小波熵阈值根据临床试验确定。
综合分析子模块,用于根据下式由脑电信号的时频特征参数和非线性特征参数计算综合判断结果:
D=D(α)·W(α)+D(β)·W(β)+D(θ)·W(θ)+D(e)·W(e) (4)
其中,W(α)、W(β)、W(θ)和W(e)分别为α波相对偏差D(α)、β波相对偏差D(β)、θ波相对偏差D(θ)和小波熵偏差D(e)的权值,四者之和为1。
该综合判断结果可以作为判断被检测人员是否患有抑郁症的其中一个依据。
打包发送子模块,用于将时频分析子模块获得的左脑和右脑对应的功率谱(PL_α、PL_β、PL_θ、PR_α、PR_β、PL_θ)、非线性分析子模块获得的各个脑电电极对应的小波熵Ei,综合判断结果D等数据打包,传输给无线发射模块6。
图4为图1所示脑电检测系统中线发送模块和天线的结构示意图。如图4所示,无线发射模块6主要功能是将信号处理和控制模块发送来的数据通过天线8以无线方式发送出去。
无线发射模块采用OOK调制,主要由压控振荡器(VCO)6_1和功率放大器(PA)6_2组成。其中,功率放大器(PA)6_2采用共源结构或共源共栅结构实现信号的放大,基于对发送端功耗的要求,采用可关断的功率放大器,针对OOK调制信号,在输入信号为逻辑0时关断功率放大器,不输出载波信号以节约能量。
至此,已经结合附图对本发明实施例进行了详细描述。依据以上描述,本领域技术人员应当对本发明脑电检测系统有了清楚的认识。
此外,上述对各元件和方法的定义并不仅限于实施例中提到的各种具体结构、形状或方式,本领域普通技术人员可对其进行简单地更改或替换,例如:无线发送模块可以仅发送部分的脑电信号的时频特征参数或非线性特征参数,甚至不发送上述的综合判断结果,均可以实现本发明。
综上所述,本发明采用小波技术对EEG信号进行分离,然后分别采用时频分析和非线性分析进行综合判断。小波变换后信号既有时域特征也有频域特征,对其进行时频分析然后计算对称性克服了单独频域分析无法兼顾时域特征的局限。同时考虑到人脑是一个非线性系统,还采用了非线性分析方法,充分考虑了EEG的非稳态时变特性,能够使结果更加准确。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种脑电检测系统,其特征在于,包括:
脑电电极组(1),包括左右对称设置的n根脑电电极;
模数转换模块(4),与所述脑电电极组(1)电性连接,用于将每一根脑电电极获取的脑电信号由模拟形式转换为数字形式;以及
信号处理模块(5),与所述模数转换模块(4)电性连接,用于采用时频分析和非线性分析两种方式对数字形式的脑电信号进行处理,获得多个脑电信号参数。
2.根据权利要求1所述的脑电检测系统,其特征在于,所述信号处理模块(5)包括:
小波变换子模块,用于对于每一组脑电信号,进行多分辨率小波变换,得到的不同尺度的小波分解信号,这些小波分解信号被分为两路;
时频分析子模块,用于对第一路中的小波分解信号进行时频分析,获取脑电信号的时频特征参数;
非线性分析子模块,用于对第二路中的小波分解信号进行非线性分析,获得脑电信号的非线性特征参数;
打包发送子模块,用于将脑电信号的时频特征参数和脑电信号的非线性特征参数打包并进行传送。
3.根据权利要求2所述的脑电检测系统,其特征在于,所述时频分析子模块执行如下操作,获取时频相关的脑电信号参数:
对于每一组脑电信号,根据小波系数和脑电信号频率对应关系,由不同尺度的小波分解信号分离出α波、β波和θ波;
对于每一组脑电信号,计算其对应α波、β波和θ波的功率谱;
对于左脑对应的多组脑电信号,计算α波功率谱之和-PL_α、β波功率谱之和-PL_β和θ波功率谱之和-PL_θ;
对于右脑对应的多组脑电信号,计算α波功率谱之和-PR_α、β波功率谱之和-PR_β和θ波功率谱之和PR_θ;
得到左脑和右脑的α波相对偏差D(α)、β波相对偏差D(β)和θ波相对偏差D(θ);
其中,所述脑电信号的时频特征参数包括以下参数至少其中之一:PL_α、PL_β、PL_θ、PR_α、PR_β、PL_θ。
4.根据权利要求3所述的脑电检测系统,其特征在于,所述非线性分析子模块执行如下操作,获取脑电信号的非线性特征参数:
对于位于预设频带范围内的每一组脑电信号,根据信号功率谱值选择去噪阈值,将等于或小于阈值的小波分解信号按零处理,大于阈值的小波分解信号保留;
对于位于预设频带范围内的每一组脑电信号,由其保留下来的小波分解信号计算小波熵Ei,计算各组脑电信号小波熵的平均值Eaverage,其中,i=1、2、……,n;
设定小波熵阈值Eth,求小波熵平均值Eoverage与设定的小波熵阈值Eth之差,得到小波熵偏差D(e);
其中,所述脑电信号的非线性特征参数包括:小波熵Ei。
5.根据权利要求4所述的脑电检测系统,其特征在于,还包括:
综合分析子模块,用于根据下式由脑电信号的时频特征参数和非线性特征参数计算综合判断结果:
D=D(α)·W(α)+D(β)·W(β)+D(θ)·W(θ)+D(e)·W(e)
其中,W(α)、W(β)、W(θ)和W(e)分别为α波相对偏差D(α)、β波相对偏差D(β)、θ波相对偏差D(θ)和小波熵偏差D(e)的权值,四者之和为1;
所述打包子模块,用于将脑电信号的时频特征参数、脑电信号的非线性特征参数和综合判断结果打包。
6.根据权利要求1所述的脑电检测系统,其特征在于,还包括:
无线发送模块(6),与所述信号处理模块(5)电性连接,用于将所述信号处理模块(5)获得的多个脑电信号参数通过天线(8)发送出去;
其中,该无线发送模块(6)采用OOK调制,包括:压控振荡器(6_1)和功率放大器(6_2);该功率放大器(6_2)采用共源结构或共源共栅结构实现信号放大,并且针对OOK调制信号,在输入信号为逻辑0时关断。
7.根据权利要求1至6中任一项所述的脑电检测系统,其特征在于,还包括:
脑电信号放大模块(3),其前端连接至所述脑电电极组(1),其后端连接至所述模数转换模块(2),用于对脑电电极组中的每一根脑电电极获取的脑电信号进行放大、滤波和去噪处理,并将处理后的脑电信号传输至所述模数转换模块(2)。
8.根据权利要求7所述的脑电检测系统,其特征在于,所述脑电信号放大模块(3)、模数转换模块(4)、信号处理模块(5)和无线发送模块(6)集成于一脑电检测芯片(2)上。
9.根据权利要求8所述的脑电检测系统,其特征在于,所述脑电电极组(1)、脑电检测芯片(2)和天线(8)集成于一可穿戴系统上。
10.根据权利要求1至6中任一项所述的脑电检测系统,其特征在于,所述模数转换模块(4)为逐次逼近寄存器型模数转换器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510047074.5A CN104545901B (zh) | 2015-01-29 | 2015-01-29 | 脑电检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510047074.5A CN104545901B (zh) | 2015-01-29 | 2015-01-29 | 脑电检测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104545901A true CN104545901A (zh) | 2015-04-29 |
CN104545901B CN104545901B (zh) | 2016-09-21 |
Family
ID=53063757
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510047074.5A Active CN104545901B (zh) | 2015-01-29 | 2015-01-29 | 脑电检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104545901B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106037722A (zh) * | 2016-05-13 | 2016-10-26 | 广州视源电子科技股份有限公司 | 催眠状态脑电信号提取方法与系统 |
CN106175752A (zh) * | 2015-04-30 | 2016-12-07 | 深圳市前海览岳科技有限公司 | 脑电波信号获取设备及方法、状态评估系统及方法 |
CN106175799A (zh) * | 2015-04-30 | 2016-12-07 | 深圳市前海览岳科技有限公司 | 基于脑电波评估人体情绪和疲劳状态的方法及系统 |
CN106504593A (zh) * | 2016-11-16 | 2017-03-15 | 马珂 | 四维影像快速记忆装置 |
CN106580320A (zh) * | 2016-12-16 | 2017-04-26 | 长春大学 | 基于视觉诱发的脑电信号特征分析方法及系统 |
CN107595247A (zh) * | 2017-08-29 | 2018-01-19 | 深圳市德力凯医疗设备股份有限公司 | 一种基于脑电信号的麻醉深度的监测方法及系统 |
CN108852348A (zh) * | 2018-05-14 | 2018-11-23 | 中国人民解放军军事科学院军事医学研究院 | 头皮脑电的采集位点排序方法及系统 |
CN109567797A (zh) * | 2019-01-30 | 2019-04-05 | 浙江强脑科技有限公司 | 癫痫预警方法、装置及计算机可读存储介质 |
CN109582133A (zh) * | 2018-11-05 | 2019-04-05 | 齐鲁工业大学 | 一种意念控制四轴无人机系统,方法,设备及计算机可读存储介质 |
CN109771940A (zh) * | 2019-01-30 | 2019-05-21 | 浙江强脑科技有限公司 | 游戏控制方法、装置及计算机可读存储介质 |
CN110353705A (zh) * | 2019-08-01 | 2019-10-22 | 秒针信息技术有限公司 | 一种识别情绪的方法及装置 |
CN110960233A (zh) * | 2019-11-21 | 2020-04-07 | 唐延智 | 一种基于脑电波的抑郁状态检测方法及系统 |
CN113397565A (zh) * | 2021-07-22 | 2021-09-17 | 北京脑陆科技有限公司 | 基于脑电信号的抑郁识别方法、装置、终端及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5867118A (en) * | 1995-06-07 | 1999-02-02 | Lockheed Martin Corporation | Apparatus for and method of classifying patterns |
CN2602550Y (zh) * | 2003-03-20 | 2004-02-04 | 罗文峰 | 无线信号收发器 |
US20080002775A1 (en) * | 2006-06-30 | 2008-01-03 | Ricci Carlos A | Signal analysis employing matched wavelet |
CN101259016A (zh) * | 2007-03-06 | 2008-09-10 | 李小俚 | 实时自动检测癫痫特征波的方法 |
CN102715902A (zh) * | 2012-06-15 | 2012-10-10 | 天津大学 | 特殊人群的情绪监护方法 |
-
2015
- 2015-01-29 CN CN201510047074.5A patent/CN104545901B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5867118A (en) * | 1995-06-07 | 1999-02-02 | Lockheed Martin Corporation | Apparatus for and method of classifying patterns |
CN2602550Y (zh) * | 2003-03-20 | 2004-02-04 | 罗文峰 | 无线信号收发器 |
US20080002775A1 (en) * | 2006-06-30 | 2008-01-03 | Ricci Carlos A | Signal analysis employing matched wavelet |
CN101259016A (zh) * | 2007-03-06 | 2008-09-10 | 李小俚 | 实时自动检测癫痫特征波的方法 |
CN102715902A (zh) * | 2012-06-15 | 2012-10-10 | 天津大学 | 特殊人群的情绪监护方法 |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106175752A (zh) * | 2015-04-30 | 2016-12-07 | 深圳市前海览岳科技有限公司 | 脑电波信号获取设备及方法、状态评估系统及方法 |
CN106175799A (zh) * | 2015-04-30 | 2016-12-07 | 深圳市前海览岳科技有限公司 | 基于脑电波评估人体情绪和疲劳状态的方法及系统 |
CN106175752B (zh) * | 2015-04-30 | 2020-12-01 | 浙江美迪克医疗科技有限公司 | 脑电波信号获取设备及方法、状态评估系统及方法 |
CN106037722B (zh) * | 2016-05-13 | 2019-02-01 | 广州视源电子科技股份有限公司 | 催眠状态脑电信号提取方法与系统 |
CN106037722A (zh) * | 2016-05-13 | 2016-10-26 | 广州视源电子科技股份有限公司 | 催眠状态脑电信号提取方法与系统 |
CN106504593A (zh) * | 2016-11-16 | 2017-03-15 | 马珂 | 四维影像快速记忆装置 |
CN106580320A (zh) * | 2016-12-16 | 2017-04-26 | 长春大学 | 基于视觉诱发的脑电信号特征分析方法及系统 |
WO2019041772A1 (zh) * | 2017-08-29 | 2019-03-07 | 深圳市德力凯医疗设备股份有限公司 | 一种基于脑电信号的麻醉深度的监测方法及系统 |
CN107595247A (zh) * | 2017-08-29 | 2018-01-19 | 深圳市德力凯医疗设备股份有限公司 | 一种基于脑电信号的麻醉深度的监测方法及系统 |
CN108852348A (zh) * | 2018-05-14 | 2018-11-23 | 中国人民解放军军事科学院军事医学研究院 | 头皮脑电的采集位点排序方法及系统 |
CN109582133A (zh) * | 2018-11-05 | 2019-04-05 | 齐鲁工业大学 | 一种意念控制四轴无人机系统,方法,设备及计算机可读存储介质 |
CN109567797A (zh) * | 2019-01-30 | 2019-04-05 | 浙江强脑科技有限公司 | 癫痫预警方法、装置及计算机可读存储介质 |
CN109771940A (zh) * | 2019-01-30 | 2019-05-21 | 浙江强脑科技有限公司 | 游戏控制方法、装置及计算机可读存储介质 |
CN110353705A (zh) * | 2019-08-01 | 2019-10-22 | 秒针信息技术有限公司 | 一种识别情绪的方法及装置 |
CN110353705B (zh) * | 2019-08-01 | 2022-10-25 | 秒针信息技术有限公司 | 一种识别情绪的方法及装置 |
CN110960233A (zh) * | 2019-11-21 | 2020-04-07 | 唐延智 | 一种基于脑电波的抑郁状态检测方法及系统 |
CN113397565A (zh) * | 2021-07-22 | 2021-09-17 | 北京脑陆科技有限公司 | 基于脑电信号的抑郁识别方法、装置、终端及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN104545901B (zh) | 2016-09-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104545901B (zh) | 脑电检测系统 | |
CN200957081Y (zh) | 新生儿多参数脑功能监护分析仪 | |
CN101966080B (zh) | 便携式动态脑电监护仪及其控制方法 | |
CN102512153B (zh) | 一种非接触式心电监测的移动终端及心电监测方法 | |
CN104586381A (zh) | 一种基于物联网的心电监护系统 | |
CN101422362A (zh) | 具有运动伪差消除功能的无线心电监护系统 | |
CN103006211A (zh) | 一种基于脑电网络分析的地形图描绘装置 | |
Meddah et al. | FPGA‐based system for heart rate monitoring | |
CN106725464B (zh) | 检测脑电信号的干电极系统 | |
CN201542630U (zh) | 新型心电记录装置 | |
CN101926642B (zh) | 基于生理信号间期序列的心脏功能无创检测装置 | |
CN204520670U (zh) | 一种基于物联网的心电监护系统 | |
Bauzha et al. | Electrocardiogram measurement complex based on microcontrollers and wireless networks | |
CN205215213U (zh) | 一种新型心电监护装置 | |
CN206852596U (zh) | 一种基于无线网络的双通道母婴心电便携监护系统 | |
CN203898304U (zh) | 一种监护仪的心电信号放大电路 | |
Nyni et al. | Wireless health monitoring system for ECG, EMG and EEG detecting | |
CN110710957B (zh) | 非接触式心电实时监测设备 | |
CN204246125U (zh) | 一种心电工作站 | |
Fernandes et al. | Utilization of Savitzky-Golay filter for power line interference cancellation in an embedded electrocardiographic monitoring platform | |
CN102743818B (zh) | 一种抗干扰肌电生物反馈治疗仪及抗干扰方法 | |
CN105395191A (zh) | 基于年龄段检测的人员生理状态检测装置 | |
Shi et al. | Human body communication–based wearable technology for vital signal sensing | |
CN205697751U (zh) | 生物电信号检测装置 | |
CN206950156U (zh) | 一种通过人体生物电磁波判断疾病风险的检测装置 |
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 |