CN108635668A - 一种基于高频电刺激的智能阻断系统 - Google Patents
一种基于高频电刺激的智能阻断系统 Download PDFInfo
- Publication number
- CN108635668A CN108635668A CN201810476910.5A CN201810476910A CN108635668A CN 108635668 A CN108635668 A CN 108635668A CN 201810476910 A CN201810476910 A CN 201810476910A CN 108635668 A CN108635668 A CN 108635668A
- Authority
- CN
- China
- Prior art keywords
- signal
- module
- abnormal
- grader
- signal output
- 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
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N1/00—Electrotherapy; Circuits therefor
- A61N1/18—Applying electric currents by contact electrodes
- A61N1/32—Applying electric currents by contact electrodes alternating or intermittent currents
- A61N1/36—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N1/00—Electrotherapy; Circuits therefor
- A61N1/18—Applying electric currents by contact electrodes
- A61N1/32—Applying electric currents by contact electrodes alternating or intermittent currents
- A61N1/36—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation
- A61N1/36014—External stimulators, e.g. with patch electrodes
- A61N1/3603—Control systems
- A61N1/36034—Control systems specified by the stimulation parameters
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Electrotherapy Devices (AREA)
Abstract
本发明属于电子设备技术领域,具体涉及基于高频电刺激的智能阻断系统,包括信号采集模块(1),用于对人体目标区域神经传导电信号进行采集,并对信号做放大处理;滤波模块(2),对放大后的信号进行滤波处理,以初步滤除信号中的杂波信号;分析模块(3),构造分类器,并且对信号进行检测;信号输出模块(4),根据检测结果进行进行信号输出;反馈模块(5),在目标肌纤维区域放置记录电极,对于作用效果进行记录,并依据记录的结果进行反馈,使得本系统可以解决现有技术对神经阻断无法针对个体差异施加不同频率的电刺激的问题,同样,本发明具有对神经无损伤,疗效迅速、特异性强、可恢复等优点,并且可以针对个体差异性得到不同的定制系统。
Description
技术领域
本发明属于电子设备技术领域,特别涉及一种智能阻断系统,可用于治疗多种神经传导异常所致的痉挛性肌病。
背景技术
人体主要是以神经系统为主导,然后对体内各器官和系统进行功能调节,进而使人体成为一个完整的有机主体。神经系统的基本结构和功能单元是神经元,神经系统通过神经元完成接收信号、快速处理信号和信号传递等功能。为了完成以上功能,神经元主要以电信号作为信息载体,但如果神经元上产生的电信号是异常的,则该信号可能会引起人体不适或者运动性障碍。异常信号是通过神经传导通路到达感受器和效应器,因此若破坏信号的传导途径,就会阻断异常信号的传递。
神经阻断方式主要分为化学阻断和物理阻断,化学阻断是通过使用局部麻药和神经破坏药等药物来损毁神经,这种方式简单且无外部创伤,但是药物对人体有一定副作用,而且特异性差;物理阻断是通过加压、冷却、加热或者机械性损伤等方式来损毁神经,物理阻断虽说特异性很强,并发症和副作用发生率低,可重复治疗,但是它会产生小的外部创伤,治疗设备昂贵,手术方式复杂,操作人员需经过培训及具备一定的工作经验。
发明内容
本发明的目的在于针对上述现有技术的不足,提出一种基于高频电刺激的智能阻断系统,以减小药物产生的并发症和副作用,避免手术对人体造成的创伤,并将对人体神经造成的伤害减到最小。
为实现上述目的,本发明基于高频电刺激的智能阻断系统,包括
信号采集模块(1),用于对人体目标区域神经传导电信号进行采集,并对采集到的微弱电信号进行放大处理后输入给滤波模块(2);
滤波模块(2),对放大后的信号进行滤波处理,以初步滤除信号中的杂波信号,并将滤波后的信号输入给分析模块(3);
分析模块(3),基于滤波后信号构造训练样本集和测试样本集,并且对训练样本集提取多个特征,依据提取得到的特征进行学习,构造分类器,利用分类器对滤波后信号的异常情况进行检测,并将检测结果输入到信号输出模块(4);
信号输出模块(4),根据检测结果进行进行信号输出:
如果算法分析模块得到滤波后信号是正常信号,则信号输出模块不输出任何信号;若检测结果为异常信号,则根据异常信号种类的不同,输出相应的高频阻断信号;
反馈模块(5),在目标肌纤维区域放置记录电极,对于作用效果进行记录,若发现分类器判断错误,则将该滤波数据加入到分析模块(3)中的训练样本集中,让分类器对于错误分类的训练样本集进行再次学习。
本发明与现有技术相比,具有以下优点:
1)阻断信号频率的选择更加智能
由于本发明采用分类的方式对待处理信号进行识别,分类结果不同,采用电刺激的频率不同,这样可以使异常信号的阻断更加精确,对人体伤害更小,可以有效解决因个体差异性导致的问题。
2)对错分结果不断学习,提高其精确性
由于本发明采用了反馈机制,对于分类器得到的结果进行记录,对于其中错分的结果进行再次学习,优化分类器的参数,通过不断反馈的机制提高分类器的精度。
附图说明
图1是本发明的整体框图;
图2是信号采集模块电路图;
图3是滤波电路图;
图4是主控部分电路图;
图5是信号输出模块电路图。
具体实施方式
下面结合附图对本发明的实施例和效果作进一步详细描述。
参照图1,本发明的实现步骤如下:
信号采集模块(1):
将贴片电极放置在目标神经区域,分别记录其静息电位和运动电位的数值,然后将其进行采样,得到离散化的待处理数据。为了实现以上功能,本发明采用信号采集模块电路图,具体电路设计见附图2,该模块首先对目标区域神经传导电信号进行采集,然后对采集到的微弱电信号进行放大处理。该模块电路使用信号放大器AD620进行信号放大,采用这个芯片是因为该芯片是一种低功耗的放大器,特别适合做小信号的前置放大级。
滤波模块(2):
对放大后的信号进行滤波处理,以初步滤除信号中的杂波信号,获得滤波数据,具体电路设计见附图3。
分析模块(3):
基于滤波模块(2)得到的滤波数据,构造训练样本集和测试样本集,并且对其提取多个特征,依据提取得到的特征集进行学习,构造分类器。利用分类器对滤波后信号的异常情况进行检测,并将检测结果输入到信号输出模块(4)
信号输出模块(4):
根据检测结果进行进行信号输出:如果算法分析模块得到滤波后信号是正常信号,则信号输出模块不输出任何信号;若检测结果为异常信号,则根据异常信号种类的不同,输出相应的高频阻断信号,具体电路设计见附图5。
反馈模块(5):
在目标肌纤维区域放置记录电极,对于作用效果进行记录,若发现分类器判断错误,则将该滤波数据加入到分析模块(3)中的训练样本集中,让分类器对于错误分类的训练样本集进行再次学习。
Claims (4)
1.基于高频电刺激的智能阻断系统,包括
信号采集模块(1),用于对人体目标区域神经传导电信号进行采集,并对采集到的微弱电信号进行放大处理后输入给滤波模块(2);
滤波模块(2),对放大后的信号进行滤波处理,以初步滤除信号中的杂波信号,并将滤波后的信号输入给分析模块(3);
分析模块(3),基于滤波后信号构造训练样本集和测试样本集,并且对训练样本集提取多个特征,依据提取得到的特征进行学习,构造分类器,利用分类器对滤波后信号的异常情况进行检测,并将检测结果输入到信号输出模块(4);
信号输出模块(4),根据检测结果进行进行信号输出:
如果算法分析模块得到滤波后信号是正常信号,则信号输出模块不输出任何信号;若检测结果为异常信号,则根据异常信号种类的不同,输出相应的高频阻断信号;
反馈模块(5),在目标肌纤维区域放置记录电极,对于作用效果进行记录,若发现分类器判断错误,则将该滤波数据加入到分析模块(3)中的训练样本集中,让分类器对于错误分类的训练样本集进行再次学习。
2.根据权利要求1所述的方法,其中分析模块(3)对滤波数据进行特征提取,基于提取得到的特征进行分类器设计。按如下步骤进行:
(3a)基于滤波模块(2)得到的数据构造训练样本集和测试样本集;
(3b)对于测试样本集和训练样本集分别提取多个特征;
(3c)基于提取得到的特征构造分类器。
3.根据权利要求1所述的方法,其中信号输出模块(4),当检测到待处理数据为异常时,则对目标神经施加高频电刺激,按如下步骤进行:
(4a)当检测到信号为异常时,对其异常种类进行判别;
(4b)依据异常种类对目标神经施加不同频率的电刺激。
4.根据权利要求1所述的方法,其中反馈模块(5)实现反馈强化学习,按如下步骤进行:
(5a)在目标肌纤维区域放置记录电极,对于作用效果进行记录;
(5b)若发生分类器判断错误,则将该滤波数据加入到分析模块(3)中的训练数据集中,让分类器对于错误分类的数据进行再次学习。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810476910.5A CN108635668A (zh) | 2018-05-18 | 2018-05-18 | 一种基于高频电刺激的智能阻断系统 |
CN201910409790.1A CN110025889B (zh) | 2018-05-18 | 2019-05-16 | 基于高频电刺激的智能阻断系统和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810476910.5A CN108635668A (zh) | 2018-05-18 | 2018-05-18 | 一种基于高频电刺激的智能阻断系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108635668A true CN108635668A (zh) | 2018-10-12 |
Family
ID=63756575
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810476910.5A Pending CN108635668A (zh) | 2018-05-18 | 2018-05-18 | 一种基于高频电刺激的智能阻断系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108635668A (zh) |
-
2018
- 2018-05-18 CN CN201810476910.5A patent/CN108635668A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
CN110025889A (zh) | 2019-07-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105361880A (zh) | 肌肉运动事件的识别系统及其方法 | |
Shoeb et al. | A micropower support vector machine based seizure detection architecture for embedded medical devices | |
Bugeja et al. | A novel method of EEG data acquisition, feature extraction and feature space creation for early detection of epileptic seizures | |
CN104138260A (zh) | 一种利用svm分类器的睡眠姿势多分类识别方法 | |
Saini et al. | An extensive review on development of EEG-based computer-aided diagnosis systems for epilepsy detection | |
Benazzouz et al. | EMG Feature selection for diagnosis of neuromuscular disorders | |
El Halabi et al. | Monitoring system for prediction and detection of epilepsy seizure | |
Stanslaski et al. | An implantable bi-directional brain-machine interface system for chronic neuroprosthesis research | |
Chandrasekhar et al. | Design of a real time portable low-cost multi-channel surface electromyography system to aid neuromuscular disorder and post stroke rehabilitation patients | |
Asif et al. | Epileptic seizure detection with a reduced montage: A way forward for Ambulatory EEG devices | |
Zainuddin et al. | Performance of support vector machine in classifying EEG signal of dyslexic children using RBF kernel | |
CN204759349U (zh) | 一种基于稳态视觉诱发电位的飞行器控制装置 | |
CN108635668A (zh) | 一种基于高频电刺激的智能阻断系统 | |
CN204246131U (zh) | 基于脑电p300信号的心理意识真实性测试系统 | |
Aris et al. | Feature extraction of EEG signals and classification using FCM | |
Xiong et al. | iBlink: Smart glasses for facial paralysis patients | |
KR101034875B1 (ko) | 뇌파의 패턴을 이용한 의사 추론 방법 | |
Deivasigamani et al. | Computer Aided Automatic Detection and Classification of EEG Signals for Screening Epilepsy Disorder. | |
Qin et al. | A wireless universal brain-machine interface (bmi) system for epileptic diseases | |
Geethanjali et al. | A low-cost EMG-EOG signal conditioning system for brain computer interface applications | |
Rajendran et al. | Development of single channel EEG Acquisition system for BCI applications | |
Sood et al. | Prognosis of epileptic seizures using EEG signals | |
CN206714757U (zh) | 脑电监测预警装置 | |
Barsakcioglu et al. | Design optimisation of front-end neural interfaces for spike sorting systems | |
CN110025889B (zh) | 基于高频电刺激的智能阻断系统和设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for 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: 20181012 |