CN105595961A - 基于脑电信号的阿尔兹海默症检测系统及检测方法 - Google Patents
基于脑电信号的阿尔兹海默症检测系统及检测方法 Download PDFInfo
- Publication number
- CN105595961A CN105595961A CN201510973240.4A CN201510973240A CN105595961A CN 105595961 A CN105595961 A CN 105595961A CN 201510973240 A CN201510973240 A CN 201510973240A CN 105595961 A CN105595961 A CN 105595961A
- Authority
- CN
- China
- Prior art keywords
- alzheimer
- network
- eeg signals
- eeg
- uea
- 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.)
- Pending
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
- A61B5/4088—Diagnosing of monitoring cognitive diseases, e.g. Alzheimer, prion diseases or dementia
-
- 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]
Abstract
本发明提供基于脑电信号的阿兹海默症检测系统,的电极帽包括有16导电极,多个导电极采集人体头皮16导脑电信号,电极帽与UEA-FZ脑电放大器装置通过PCI并口相连,导入采集信号到UEA-FZ脑电放大器装置;所述UEA-FZ脑电放大器装置对16导脑电信号进行放大、记录,所记录的信号通过USB串口导入到数据分析系统;数据分析系统包括有EEGLab模块,信号处理模块,检测模块,三个模块相互连接实现对脑电信号异常的检测。同时提供一种基于脑电信号的阿尔兹海默症检测系统的检测方法。有益效果是该系统有效分辨了对照组和患病组脑电差异,能够通过计算小世界度以及显著性分析有效区分对照组和患病组,实现了对阿尔兹海默症的有效检测。
Description
技术领域
本发明涉及生物医学工程领域,特别是一种基于脑电信号的阿尔兹海默症检测系统及检测方法。
背景技术
阿尔兹海默症,俗称老年痴呆症,是一种神经系统退行性疾病,也是最常见的痴呆症。它主要影响65岁以上的老年人,预计在未来50年其患病率会成倍增加。但是,现阶段没有治愈阿尔兹海默症的手段,大量的药物只能够延缓该疾病的恶化。阿尔兹海默症疾病被划分为四个不同的阶段:第一阶段是轻度认知障碍阶段,通常表现为记忆丧失,但不会显著地影响日常生活;接着是轻度和中度阿尔兹海默症阶段;最后是重度阿尔兹海默症,患者的记忆、感知、思维甚至基本的生理活动均严重受损。
阿尔兹海默症的医学诊断是非常困难的,并且阿尔兹海默症的表现通常易被认为是自然衰老所致。医学的诊断通常是采用多种方法结合,如需要经过心理学测试,血液测试,脊髓液测试,神经病学检测,成像技术等来进行诊断。近年来,利用脑电信号来诊断阿尔兹海默症的研究引起了广泛的关注。由于脑电采集设备经济、便携,且对人无创安全,脑电信号时间分辨率非常高,因此脑电已经成为一种潜在的诊断阿尔兹海默症的手段。
目前,研究表明阿尔兹海默症的脑电信号与正常人相比主要有三方面的异常:脑电信号的慢化,复杂度的降低以及脑电信号同步性的降低。其中,利用同步性构建脑功能网络的检测方法有很多,各有利弊,但仍没有公认的一种算法能够作为诊断阿尔兹海默症功能异常的最佳方法。相空间重构是很成熟的研究混沌结构性的方法之一。复杂网络方法作为构建脑电功能网络的方法被广泛研究。二者结合的相空间网络算法是一种基于相空间重构和聚类系数序列相关系数来构建脑功能网络的方法,它能够将脑电信号时间序列的大量非线性混沌信息提取出来应用于脑功能网络的构建中,亟待研发。
专利(申请号:201310137455.3)公开了一种使用预处理后的脑电信号构建脑功能网络方法,计算导联间的皮尔逊相关系数构建脑功能网络,计算脑功能网络的聚合系数、全局效率等属性作为中风康复程度指标。
专利(申请号:201410841025.4)公开了一种基于偏定向相干的疲劳脑网络分析方法,通过对采集疲劳前后的脑电信号进行预处理,对各通道两两之间计算偏定向相干分析值构建因效性网络;对脑网络参数进行分析,了解疲劳的神经生理机制。
专利(申请号:201310026238.7)公开了一种通过小波重构和水平可视图复杂网络转换和复杂网络分析脑电信号的方法,计算脑电信号构成的复杂网络的平均路径长度和网络聚类系数,从而实现脑电信号及不同频带脑电信号的混沌时间序列信号特性分析。
前两种方法均为基于导联间的线性同步构建脑功能网络,不能有效反映脑电这种混沌信号的非线性特征。第三种方法虽然采用了复杂网络的方法提取脑电非线性特征,但仅仅基于单导联特征,不能反映脑功能网络的异常。
发明内容
针对现有方法的不足,本发明的目的是提供一种基于脑电信号的阿尔兹海默症检测系统及检测方法,其关键技术是利用多导信号非线性的复杂网络特征构建脑功能网络,以网络小世界度作为衡量阿尔兹海默症脑电特征对阿尔兹海默症进行检测。
为实现上述目的,本发明采用的技术方案是提供基于脑电信号的阿兹海默症检测系统,其中:该系统包括有相互连接的电极帽,UEA-FZ脑电放大器装置,数据分析系统;所述电极帽包括有16导电极,多个导电极采集人体头皮16导脑电信号,电极帽与UEA-FZ脑电放大器装置通过PCI并口相连,导入采集信号到UEA-FZ脑电放大器装置;所述UEA-FZ脑电放大器装置对16导脑电信号进行放大、记录,所记录的信号通过USB串口导入到数据分析系统;所述数据分析系统包括有EEGLab模块,信号处理模块,检测模块,三个模块相互连接实现对脑电信号异常的检测。
同时提供一种基于脑电信号的阿尔兹海默症检测系统的检测方法。
本发明的效果是该系统有效分辨了对照组和患病组脑电差异:系统检测模块的输出,阿尔兹海默症患者的功能网络的连接稀疏而对照组的功能网络连接密集,阿尔兹海默症患者对应脑功能网络的小世界度相对于正常老年对照组由3.5左右减小到2.5左右。进一步对采集到的多组数据,计14组进行显著性分析,结果显示对照组和患病组theta和alpha2频带的小世界度组间差异较大(F值>>1),对照组和患病组之间具有显著性差异(p值<0.01)。因此能够通过计算小世界度以及显著性分析有效区分对照组和患病组,由此可知本系统实现了对阿尔兹海默症的有效检测。
附图说明
图1为本发明的检测系统结构示意图;
图2-1、2-2分别为AD病人组、正常对照组构建成的一组脑功能网络示意图;
图3为本发明脑电信号脑功能网络小世界属性的均值和标准差图。
图中:
1.电极帽2.UEA-FZ脑电放大器装置3.数据分析系统
31.EEGLab模块32.信号处理模块33.检测模块
具体实施方式
结合附图对本发明的基于脑电信号阿尔兹海默症检测系统结构加以说明。本发明的基于脑电信号阿尔兹海默症检测系统包括有电极帽1,UEA-FZ脑电放大器装置2,数据分析系统3,其中数据分析系统3包括EEGLab模块31,信号处理模块32,检测模块33,
将电极帽1安置在被测者的头皮表面,其导联顺序依次为:FP1、FP2、F3、F4、C3、C4、P3、P4、O1、O2、F7、F8、T3、T4、T5、T6。脑电电极按照国际10-20标准安放。利用PCI并口与UEA-FZ脑电放大器装置2相连,电极帽1采集到的16导脑电信号导入到UEA-FZ脑电放大器装置2中,被其放大并记录。
UEA-FZ脑电放大器装置2是北京中科新拓所生产的脑电放大器。UEA-FZ脑电放大器装置2与数据分析系统3通过USB连接通讯,所记录的脑电信号被导入到数据分析系统3中,在数据分析系统3对其进行数字滤波处理、频带划分、AD异常检测。
数字滤波处理由EEGLab模块31完成,其利用带通滤波器FIR实现对高频信号以及50HZ工频干扰的滤除。
信号处理模块32提取脑电信号的子频带,依据脑电信号的频率划分为δ频带(0-4Hz),θ频带(4-8Hz),α1(8-10Hz),α2频带(10-12Hz)和β频带(12-20Hz),γ频带(20-30Hz)利用小波变换方法提取脑电信号的不同频带;
阿尔兹海默症的异常检测由检测模块33完成,其具体步骤如下:
对各个频带的脑电信号单导信号时间序列嵌入到相空间中,给定一导的脑电信号{xi,i=1,2,…,N}通过采用Takens嵌入定理,选取适当的延迟时间和嵌入维,得到向量{xi,xi+L,xi+2L,…,xi+(m-1)L}i∈[1,N-(m-L)],其中L为延迟时间m为嵌入维数。如果该导联的数据长度为N,那么有N-(m-L)个向量被重构出来,这是向量空间表示这一导联信号在时间跨度为N-(m-L)内的系统状态。计算这其中N-(m-L)个节点两两间的欧几里得距离,将每个节点与和其最近的k(eg.k=4)个节点相连接,得到[N-(m-L)][N-(m-L)]的复杂网络邻接矩阵,易知该网络平均节点度为k(eg.k=4)。
计算各个脑电信号子频带的相空间复杂网络:接着,计算各相空间网络的节点聚类系数。节点i的聚类系数Ci的定义如下:Ci=2ei/ki(ki-1),其中ei为节点i的相邻节点的个数,ki(ki-1)/2为可能存在的最大连接数。对于任一复杂网络都可以得到长度N-(m-L)的节点聚类系数序列CCS,表征网络中节点周围聚合连通程度。
计算任意两导联聚类系数序列CCSS的皮尔逊相关系数如下式:
CCSS=S[CCS(X),CCS(Y)]=|cov[CCS(X),CCS(Y)]/σCCS(X)σCCS(Y)|
对于M导联脑电信号可以得到M×M相关系数矩阵,阈值化处理后得到对应邻接矩阵即为相空间方法构建的脑功能网络,如图2-1、2-2所示。
进一步通过对比分析正常人与病人脑功能网络特征如小世界度等变化研究阿尔兹海默患者脑功能连接的异常。最终输出各频带下的脑功能网络参数图。小世界度的计算如下:
相比于随机网络,小世界网络具有相对较大的聚类系数和较小的平均路径长度。通常引入一个比值来衡量网络的小世界度:分子为该网络平均聚类系数与随机网络聚类系数之比;分母为该网络平均路径长度与随机网络平均路径长度之比。如下式:
其中,Ci和Li,i∈{test,rand}分别是测试网络和随机网络的聚类系数与平均路径长度。本文采用的随机网络为随机网络,具有与测试网络的相同数据的节点和连接边。与随机网络相比,小世界网络具有更高的聚类系数和更短的平均路径长度,因此,S>1。
图3和表1为输出结果:图3为AD与正常人脑功能网络小世界属性各频带下均值与标准差,表1为在六个子频带下,AD病人和正常老年被试小世界度经过单因素方差分析得到的显著性分析结果。表1为本发明脑功能网络小世界属性显著性分析结果。
表1在六个子频带下,AD病人和正常老年被试小世界度的显著性分析结果
Claims (4)
1.一种基于脑电信号的阿兹海默症检测系统,其特征是:该系统包括有相互连接的电极帽(1),UEA-FZ脑电放大器装置(2),数据分析系统(3);
所述电极帽(1)包括有16导电极,多个导电极采集人体头皮16导脑电信号,电极帽(1)与UEA-FZ脑电放大器装置(2)通过PCI并口相连,导入采集信号到UEA-FZ脑电放大器装置(2);
所述UEA-FZ脑电放大器装置(2)对16导脑电信号进行放大、记录,所记录的信号通过USB串口导入到数据分析系统(3);
所述数据分析系统(3)包括有EEGLab模块(31),信号处理模块(32),检测模块(33),三个模块相互连接实现对脑电信号异常的检测。
2.根据权利要求1所述的基于脑电信号的阿兹海默症检测系统,其特征是:所述脑电信号的导联顺序依次为:FP1、FP2、F3、F4、C3、C4、P3、P4、O1、O2、F7、F8、T3、T4、T5、T6;脑电电极按国际10-20标准安放。
3.根据权利要求1所述的基于脑电信号的阿兹海默症检测系统,其特征是:所述UEA-FZ脑电放大器装置(2)为北京中科新拓生产的脑电放大器。
4.根据权利要求1所述的基于脑电信号的阿兹海默症检测系统的检测方法,该方法即所述数据分析系统(3)中的检测模块(33)的检测流程如下:
1)对16导联脑电信号构建复杂网络:对于由UEA-FZ脑电放大器装置(2)采集导入数据分析系统(3)中的16导脑电信号,经过数据分析系统(3)中的EEGLab模块(31)滤除高频噪声,再经过信号处理模块(32)划分为六个子频带后,检测模块(33)首先将各个子频带下的每一导联脑电信号时间序列嵌入到相空间中,给定一导的脑电信号{xi,i=1,2,…,N}通过采用Takens嵌入定理,选取适当的延迟时间和嵌入维,得到向量{xi,xi+L,xi+2L,…,xi+(m-1)L}i∈[1,N-(m-L)],其中L为延迟时间m为嵌入维数,如果该导联的数据长度为N,那么有N-(m-L)个向量被重构出来,每个向量坐标视为网络一个节点,计算这其中N-(m-L)个节点两两间的欧几里得距离,将每个节点与和其最近的k(eg.k=4)个节点相连接,得到[N-(m-L)][N-(m-L)]的复杂网络邻接矩阵,六个子频带下16导联对应6*16个复杂网络;
2)提取各导联所对应网络聚类系数序列:计算各个脑电信号子频带的相空间复杂网络:接着,计算各相空间网络的节点聚类系数,节点i的聚类系数Ci的定义如下:Ci=2ei/ki(ki-1),其中ei为节点i的相邻节点的个数,ki(ki-1)/2为可能存在的最大连接数,对节点数为N-(m-L)的复杂网络计算得到长度N-(m-L)的节点聚类系数序列,六个子频带下16导联对应6*16个聚类系数序列;
3)构建脑功能网络:对于每一子频带,计算上一步骤2)中16导联对应聚类系数序列两两之间的皮尔逊相关系数,得到16*16的同步性矩阵,对这一同步性矩阵进行阈值化处理,得到邻接矩阵,即为所构建的脑功能网络。每个子频带对应一个节点个数为16的脑功能网络;
4)网络拓扑分析:利用图论理论对上一步骤3)中构建的脑功能网络进行网络拓扑分析,提取脑功能网络的小世界度作为定量表征脑电拓扑异常的指标,每一个脑功能网络对应一个小世界度值;
5)得出检测结果:将阿尔兹海默症患者与正常老年对照组按照上述方法检测并计算得到的小世界度值进行比较,阿尔兹海默症患者对应脑功能网络的小世界度相对于正常老年对照组由3.5左右减小到2.5左右。显著性分析结果显示对照组和患病组theta和alpha2频带的小世界度组间差异F值>>1,对照组和患病组之间具有显著性差异p值<0.01,因此能够通过计算小世界度和显著性分析有效区分对照组和患病组,实现了对阿尔兹海默症的有效检测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510973240.4A CN105595961A (zh) | 2015-12-21 | 2015-12-21 | 基于脑电信号的阿尔兹海默症检测系统及检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510973240.4A CN105595961A (zh) | 2015-12-21 | 2015-12-21 | 基于脑电信号的阿尔兹海默症检测系统及检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105595961A true CN105595961A (zh) | 2016-05-25 |
Family
ID=55976719
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510973240.4A Pending CN105595961A (zh) | 2015-12-21 | 2015-12-21 | 基于脑电信号的阿尔兹海默症检测系统及检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105595961A (zh) |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106473736A (zh) * | 2016-10-11 | 2017-03-08 | 天津大学 | 基于复杂网络的脑电信号分析方法及应用 |
CN106491081A (zh) * | 2016-09-28 | 2017-03-15 | 北京大学 | 一种基于听觉‑空间匹配方法的阿兹海默症病人筛查系统 |
CN106510619A (zh) * | 2016-10-11 | 2017-03-22 | 天津大学 | 基于复杂网络的心电信号分析方法及在智能穿戴上的应用 |
CN106725463A (zh) * | 2017-01-18 | 2017-05-31 | 浙江大学 | 应用皮层脑电信号对大脑皮层手部功能区定位的方法和系统 |
CN107423668A (zh) * | 2017-04-14 | 2017-12-01 | 山东建筑大学 | 基于小波变换和稀疏表达的脑电信号分类系统与方法 |
CN108309329A (zh) * | 2018-02-08 | 2018-07-24 | 陕西师范大学 | 一种基于脑网络分析的cnv脑电测谎方法 |
CN109767435A (zh) * | 2019-01-07 | 2019-05-17 | 哈尔滨工程大学 | 一种基于持续同调技术的阿尔兹海默症脑网络特征提取方法 |
CN109843183A (zh) * | 2016-10-21 | 2019-06-04 | 西铁城时计株式会社 | 检测装置 |
CN110353666A (zh) * | 2019-06-13 | 2019-10-22 | 浙江师范大学 | 一种基于脑电波的构建动态脑功能网络方法 |
CN110664400A (zh) * | 2019-09-20 | 2020-01-10 | 清华大学 | 基于度信息的脑电特征电位溯源方法 |
CN110974203A (zh) * | 2019-12-10 | 2020-04-10 | 电子科技大学 | 一种基于等值排列网络的心率非平衡性分析方法 |
CN111000557A (zh) * | 2019-12-06 | 2020-04-14 | 天津大学 | 一种应用于减压颅骨术后的无创脑电信号分析系统 |
CN111743535A (zh) * | 2020-06-28 | 2020-10-09 | 山东大学 | 一种基于图模型的脑电异常监测方法及系统 |
CN112741636A (zh) * | 2020-12-17 | 2021-05-04 | 浙江大学 | 一种基于多位点同步性变化的颞叶癫痫检测系统 |
CN112914587A (zh) * | 2021-02-18 | 2021-06-08 | 郑州大学 | 一种基于静息态脑电信号相干性脑功能网络的中风康复评估模型构建方法及评估方法 |
CN113143292A (zh) * | 2020-06-22 | 2021-07-23 | 燕山大学 | 基于eeg和血清炎症因子分析的脑损伤标志物分析系统 |
CN114159043A (zh) * | 2021-12-17 | 2022-03-11 | 天津大学 | 基于Qcut算法的脑功能网络异常脑节点数据检测方法 |
CN114569139A (zh) * | 2022-02-25 | 2022-06-03 | 之江实验室 | 复杂脑肌交互闭环功能网络框架的构建方法 |
CN115299964A (zh) * | 2022-08-10 | 2022-11-08 | 杭州电子科技大学 | 一种阿尔兹海默症患者的脑电复杂度分析方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100191139A1 (en) * | 2009-01-28 | 2010-07-29 | Brainscope, Inc. | Method and Device for Probabilistic Objective Assessment of Brain Function |
US20100217145A1 (en) * | 2006-06-09 | 2010-08-26 | Bracco Spa | Method of processing multichannel and multivariate signals and method of classifying sources of multichannel and multivariate signals operating according to such processing method |
CN102488516A (zh) * | 2011-12-13 | 2012-06-13 | 湖州康普医疗器械科技有限公司 | 一种非线性脑电信号分析方法以及装置 |
CN102772205A (zh) * | 2011-05-09 | 2012-11-14 | 刘铭湖 | 基于脑电复合排列熵指数的麻醉监测方法 |
CN103258120A (zh) * | 2013-04-19 | 2013-08-21 | 杭州电子科技大学 | 一种基于脑电信号的中风康复程度指标计算方法 |
CN104622467A (zh) * | 2015-01-12 | 2015-05-20 | 天津大学 | 一种检测阿尔兹海默症的脑电信号复杂度异常的方法 |
-
2015
- 2015-12-21 CN CN201510973240.4A patent/CN105595961A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100217145A1 (en) * | 2006-06-09 | 2010-08-26 | Bracco Spa | Method of processing multichannel and multivariate signals and method of classifying sources of multichannel and multivariate signals operating according to such processing method |
US20100191139A1 (en) * | 2009-01-28 | 2010-07-29 | Brainscope, Inc. | Method and Device for Probabilistic Objective Assessment of Brain Function |
CN102772205A (zh) * | 2011-05-09 | 2012-11-14 | 刘铭湖 | 基于脑电复合排列熵指数的麻醉监测方法 |
CN102488516A (zh) * | 2011-12-13 | 2012-06-13 | 湖州康普医疗器械科技有限公司 | 一种非线性脑电信号分析方法以及装置 |
CN103258120A (zh) * | 2013-04-19 | 2013-08-21 | 杭州电子科技大学 | 一种基于脑电信号的中风康复程度指标计算方法 |
CN104622467A (zh) * | 2015-01-12 | 2015-05-20 | 天津大学 | 一种检测阿尔兹海默症的脑电信号复杂度异常的方法 |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106491081A (zh) * | 2016-09-28 | 2017-03-15 | 北京大学 | 一种基于听觉‑空间匹配方法的阿兹海默症病人筛查系统 |
CN106491081B (zh) * | 2016-09-28 | 2019-12-03 | 北京大学 | 一种基于听觉-空间匹配方法的阿兹海默症病人筛查系统 |
CN106510619B (zh) * | 2016-10-11 | 2019-04-05 | 天津大学 | 基于复杂网络的心电信号分析方法及在智能穿戴上的应用 |
CN106510619A (zh) * | 2016-10-11 | 2017-03-22 | 天津大学 | 基于复杂网络的心电信号分析方法及在智能穿戴上的应用 |
CN106473736A (zh) * | 2016-10-11 | 2017-03-08 | 天津大学 | 基于复杂网络的脑电信号分析方法及应用 |
CN106473736B (zh) * | 2016-10-11 | 2019-05-21 | 天津大学 | 基于复杂网络的脑电信号分析方法及应用 |
CN109843183A (zh) * | 2016-10-21 | 2019-06-04 | 西铁城时计株式会社 | 检测装置 |
US11793448B2 (en) | 2016-10-21 | 2023-10-24 | Citizen Watch Co., Ltd. | Detection device |
CN106725463A (zh) * | 2017-01-18 | 2017-05-31 | 浙江大学 | 应用皮层脑电信号对大脑皮层手部功能区定位的方法和系统 |
CN106725463B (zh) * | 2017-01-18 | 2020-02-21 | 浙江大学 | 应用皮层脑电信号对大脑皮层手部功能区定位的方法和系统 |
CN107423668A (zh) * | 2017-04-14 | 2017-12-01 | 山东建筑大学 | 基于小波变换和稀疏表达的脑电信号分类系统与方法 |
CN108309329A (zh) * | 2018-02-08 | 2018-07-24 | 陕西师范大学 | 一种基于脑网络分析的cnv脑电测谎方法 |
CN109767435A (zh) * | 2019-01-07 | 2019-05-17 | 哈尔滨工程大学 | 一种基于持续同调技术的阿尔兹海默症脑网络特征提取方法 |
CN109767435B (zh) * | 2019-01-07 | 2022-04-19 | 哈尔滨工程大学 | 一种基于持续同调技术的阿尔兹海默症脑网络特征提取方法 |
CN110353666A (zh) * | 2019-06-13 | 2019-10-22 | 浙江师范大学 | 一种基于脑电波的构建动态脑功能网络方法 |
CN110664400A (zh) * | 2019-09-20 | 2020-01-10 | 清华大学 | 基于度信息的脑电特征电位溯源方法 |
CN111000557A (zh) * | 2019-12-06 | 2020-04-14 | 天津大学 | 一种应用于减压颅骨术后的无创脑电信号分析系统 |
CN110974203A (zh) * | 2019-12-10 | 2020-04-10 | 电子科技大学 | 一种基于等值排列网络的心率非平衡性分析方法 |
CN113143292A (zh) * | 2020-06-22 | 2021-07-23 | 燕山大学 | 基于eeg和血清炎症因子分析的脑损伤标志物分析系统 |
CN113143292B (zh) * | 2020-06-22 | 2023-05-23 | 燕山大学 | 基于eeg和血清炎症因子分析的脑损伤标志物分析系统 |
CN111743535A (zh) * | 2020-06-28 | 2020-10-09 | 山东大学 | 一种基于图模型的脑电异常监测方法及系统 |
CN112741636A (zh) * | 2020-12-17 | 2021-05-04 | 浙江大学 | 一种基于多位点同步性变化的颞叶癫痫检测系统 |
CN112914587A (zh) * | 2021-02-18 | 2021-06-08 | 郑州大学 | 一种基于静息态脑电信号相干性脑功能网络的中风康复评估模型构建方法及评估方法 |
CN114159043A (zh) * | 2021-12-17 | 2022-03-11 | 天津大学 | 基于Qcut算法的脑功能网络异常脑节点数据检测方法 |
CN114569139A (zh) * | 2022-02-25 | 2022-06-03 | 之江实验室 | 复杂脑肌交互闭环功能网络框架的构建方法 |
CN114569139B (zh) * | 2022-02-25 | 2022-11-01 | 之江实验室 | 复杂脑肌交互闭环功能网络框架的构建方法 |
CN115299964A (zh) * | 2022-08-10 | 2022-11-08 | 杭州电子科技大学 | 一种阿尔兹海默症患者的脑电复杂度分析方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105595961A (zh) | 基于脑电信号的阿尔兹海默症检测系统及检测方法 | |
CN108577835B (zh) | 一种基于微状态的脑功能网络构建方法 | |
CN103110418B (zh) | 一种脑电信号特征提取方法 | |
CN102512153B (zh) | 一种非接触式心电监测的移动终端及心电监测方法 | |
CN104970789A (zh) | 心电图分类方法及系统 | |
CN104173046B (zh) | 一种色彩标记振幅整合脑电图的提取方法 | |
CN112633195B (zh) | 一种基于频域特征与深度学习的心肌梗塞识别分类方法 | |
CN111990988A (zh) | 基于密集连接卷积循环神经网络的心电信号房颤检测装置 | |
Jin et al. | Classification of normal and abnormal ECG records using lead convolutional neural network and rule inference | |
CN106889981A (zh) | 一种用于提取胎儿心率的智能终端 | |
CN114145754B (zh) | 基于eeg交叉频率耦合的卒中脑功能评估装置 | |
CN112998690A (zh) | 一种基于脉搏波多特征融合的呼吸率提取方法 | |
CN204520670U (zh) | 一种基于物联网的心电监护系统 | |
CN116172517A (zh) | 基于双视角特征融合框架的发作间期癫痫样放电检测方法及装置 | |
CN110141245A (zh) | 一种心电图特征向量提取方法 | |
CN104622467A (zh) | 一种检测阿尔兹海默症的脑电信号复杂度异常的方法 | |
CN111931578B (zh) | 一种基于最小生成树和区域双层网络的脑电识别方法 | |
CN110537907B (zh) | 一种基于奇异值分解的心电信号压缩及识别方法 | |
Sathawane et al. | Prediction and analysis of ECG signal behaviour using soft computing | |
Bian et al. | Direct feature extraction and diagnosis of ECG signal in the compressed domain | |
CN115349861A (zh) | 一种基于单通道脑电信号的精神压力检测系统及方法 | |
CN102058407A (zh) | 心室纤颤预测方法与装置 | |
CN115956918A (zh) | 一种具有基于多特征融合的心电信号质量评估功能的远程心电监测系统 | |
Walke et al. | On-line real time feature extraction of ECG signal: Recent advances & survey | |
CN109730672A (zh) | 一种用于多导联心电信号的特征提取方法及对应监测系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160525 |