CN110051349A - 癫痫检测与报警系统及其工作方法 - Google Patents

Abstract

本发明提供一种癫痫检测与报警系统及其工作方法，包括：数据传感设备；数据处理终端，数据处理终端与数据传感设备通信；服务器，服务器与数据处理终端通信；数据接收终端，数据接收终端与服务器通信。与现有技术相比，本发明目镜可控保护电焊帽具有以下优点：通过TGAM脑电采集模块实时获取脑电波，用蓝牙模块将数据传输至PC接收端的USB串口，使用Python编写程序从串口抓取数据，进行数据处理以及脑电波复杂度定性计算。本发明通过设定脑电复杂度阈值，辅助判断患者是否发病。在本系统判断患者发病后，通过短信API实现通讯功能，给患者亲友或者医生等紧急联系人发送关于病人情况的短信。

Description

癫痫检测与报警系统及其工作方法

技术领域

本发明涉及诊疗技术领域，具体涉及一种癫痫检测与报警系统及其工作方法。

背景技术

癫痫是全球范围内最常见的神经系统疾病之一。目前检测癫痫的大多数方法是通过动态脑电图检查、血液化学检测、脑脊液检查等方式来检测病人的患病情况，而这些方法存在主观性强、耗时较长、对患者不便等问题，甚至有可能因此而错过病人的最佳救治时间。

近年来，对于通过脑电波复杂度来判断癫痫病人的患病情况的方法，已有了一定的发展。如来自2013年计算机仿真中《脑电波的定性复杂度研究》一文中介绍了利用LZ复杂度来诊断病人患者的癫痫情况，如2013年中国医学物理学杂中《癫痫治疗效果的复杂度评估分析》一文中所提到使用复杂度算法针对癫痫病人的治疗情况进行判断。但当前的研究并没有将复杂度分析癫痫患者发病情况与后续的求救报警结合起来。

现有技术，中国发明专利《癫痫检测装置及癫痫检测方法》(申请号：201510718624.1)公开一种癫痫检测装置，包括手环，手环中安装有三轴无线加速度传感器，还包括处理器，处理器包括微处理芯片、存储器、无线通信模块，微处理器通过无线通信模块与三轴无线加速度传感器无线连接，存储器中固化有癫痫分析软件；本发明还公开了一种癫痫检测方法。本发明能够及时发现癫痫发作，并能区别癫痫发作的种类，为及时救治提供帮助。

虽然上述现有技术通过发作运动轨迹模型来对癫痫是否发作进行判定，但是还是需要很多时间才能得到结论，不利于及时提醒和救治。

发明内容

针对现有技术中的缺陷，本发明目的在于提供一种解决上述技术问题的癫痫检测与报警系统及其工作方法。

为解决上述技术问题，本发明提供一种癫痫检测与报警系统，包括：数据传感设备；数据处理终端，数据处理终端与数据传感设备通信；服务器，服务器与数据处理终端通信；数据接收终端，数据接收终端与服务器通信。

优选地，数据传感设备包括PCB板以及集成在PCB板上的数据采集器及通信模块，通信模块与数据处理终端通信。

优选地，PCB板为TGAM芯片PCB板。

优选地，通信模块为蓝牙模块。

优选地，服务器为云端。

优选地，数据接收终端为智能设备。

一种癫痫检测与报警系统的工作方法，包括如下步骤：

步骤1，数据传感设备采集患者的脑电波数据，并将脑电波数据传输给数据处理终端；

步骤2，数据处理终端对接收的脑电波数据进行处理并判定患者的状态；

若患者处于癫痫状态，则进入步骤3；

若患者处于正常状态，则返回步骤1；

步骤3，数据处理终端将患者处于癫痫状态的信息传输给云端；

步骤4，云端向数据接收终端发送提醒信息。

优选地，步骤2包括：

步骤2.1，数据处理终端接收脑电波数据；

步骤2.2，数据处理终端对接收的脑电波数据进行降噪处理；

步骤2.3，将经过降噪处理的脑电波数据进行划分重定处理；

步骤2.4，将经过划分重定处理的脑电波数据进行复杂度计算并获取脑电波复杂度值；

步骤2.5，对脑电波复杂度值进行分析并判定患者的状态。

优选地，步骤3中，数据处理终端通过应用程序编程接口将患者处于癫痫状态传输给云端。

优选地，步骤4中，云端向数据接收终端发送提醒短信。

与现有技术相比，本发明目镜可控保护电焊帽具有以下优点：通过TGAM脑电采集模块实时获取脑电波，用蓝牙模块将数据传输至PC接收端的USB串口，使用Python编写程序从串口抓取数据，进行数据处理以及脑电波复杂度定性计算。现有文献指出：由于癫痫病人发病时脑电波波动剧烈，其脑电波复杂度相较于患者未发病时以及正常人都更大。因此，本发明通过设定脑电复杂度阈值，辅助判断患者是否发病。在本系统判断患者发病后，通过短信API实现通讯功能，给患者亲友或者医生等紧急联系人发送关于病人情况的短信。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征目的和优点将会变得更明显。

图1为本发明原理图；

图2为本发明流程图。

具体实施方式

下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。

癫痫是一种患病率排名第二的神经系统疾病。它是一种慢性疾病，可迁延数年、甚至数十年之久，因而会对患者的身体和心理造成严重的不良影响。而随着中国放开“二胎”政策以及中国正在步入老龄化社会。婴幼儿以及独居老人的数量比例正在不断提高。而这两者恰好是癫痫发病率最高的两个年龄段，婴幼儿由于无法与其进行有效的交流，而独居老人没有受到足够的照顾，再加上癫痫随时可能发作，具有不确定性。所以癫痫发病的不及时发现正成为一种新的安全隐患，据调查数据显示，近年来癫痫的患病率在5‰～9‰，甚至就全世界来说，已经有超过5000万人患有癫痫，这无疑是一个非常可怕的数据。为了人类的健康、发展。我们应当采取措施来减小癫痫所带来的威胁。据调查，目前依旧没有较为准确的方式来预测癫痫的发病以及保证患者安全的措施。大多数依旧是通过动态脑电图检查、血液化学检测、脑脊液检查等方式来检测病人的患病情况。但这些方法无会浪费许多时间去分析、得到结论，甚至可能因此而错过病人的最佳救治时间。脑电波信号(Electroencephalography Signals,EEG Signals)是一种复杂的混沌信号[footnoteRef:1]，由于它具有无创伤、易测量的特点，因而是目前人们进行人脑研究的常用手段，在时间、地点等方面的局限性。

本发明旨在提供实时检测病人脑电波的方法，并通过计算脑电波复杂度，根据复杂度数值判断癫痫病人癫痫是否发作，并决定是否要发送信息通知其家人，以解决原本无法实时得到患病情况，以及患病后无法求救等难题。

如图1、图2所示，本发明提供一种癫痫检测与报警系统，包括：数据传感设备、数据处理终端、服务器及数据接收终端。

病人仅需穿戴上本项目的数据采集器，并将蓝牙接收端与终端(PC)连接后，采集的数据就可以在PC上被获取到。此时，PC上的程序就会对传感器传回的采集数据进行加工和分析，在计算脑电波复杂度后就能对病人的情况作出判断。如果脑电波复杂度超过理论阈值后，即在本系统所认定的病人已经发病的情况下，本系统就会直接发送短信给病人亲属以达到求救的目的。

硬件传感设备主要由TGAM芯片以及蓝牙模块两部分构成。原始数据从传感头获取到TGAM芯片并做初步处理，再由特定的协议与PC上的蓝牙接收器进行连接并传输数据。

在检测病人病情时，选用由TGAM芯片开发的产品作为数据传感设备。此模块可以处理并输出脑波频率谱，脑电信号质量，原始脑电波和三个Neurosky的eSense参数：专注度，放松度和眨眼侦测。单EEG脑电通道有3个接触点，分别是EEG(脑电采集点)、REF(参考点)以及GND(地线点)。它的优点是突破了医用常规的湿传感器使用上的不便，芯片只需要一个简单的干触点和人体接触，其先进的过滤技术可以排除日常生活中环境的噪音，又由于能耗小，适合用在以电池供电的便携式消费产品的应用上。让此芯片可以应用在医院以外一般用户的设备里。

将TGAM芯片与蓝牙模块进行连接，采集病人的实时脑电波情况后，将收集到的数据发送到蓝牙接收器中，缓存到串口中，并将其传输到PC上做下一步数据处理。

使用Python作为语言，Lempel-Ziv算法对脑电波序列进行复杂度计算，采用短信API的方式进行警报通讯。

Python的所有内容都是免费开源且功能强大，所以选择python作为编程语言，利用python对获取到的信息进行解包，将接收到的原始数据，解包成我所需的脑电波数据，脑电波数据再进行降噪等处理。再通过转换成python语言的计算公式计算脑电波数据的复杂度。

在分析脑电数据时，人们发现，虽然关联维度和最大李雅谱诺夫指数在分析脑电时具有一定的帮助，但是它们极其容易受到噪声和周围环境的干扰，同时需要大量的数据来得到可靠的结果，这对于复杂且不平稳的脑电波是一种非常严重的局限。

脑电波复杂度计算所需要的是一种数据量少且具有一定抗干扰能力的方法，这时LZ复杂度算法应运而生，它是一种表征时间序列里出现新模式的速率的方法，结合现实环境中的电磁干扰因素，本发明所选用的正是这一算法。

对于一个待求字符串S(S1，S2，…，Sn)以及另一个字符串Q(q1，q2，…，qn)，SQ表示S和Q的级联，SQ＝(S1，S2，…，Sn，q1，q2，…，qn)。令SQv是SQ减去最后一个字符所得字符串。判断Q是否是SQv的一个子串，如果Q是SQv的一个子串，说明Q中的字符是可从S复制的，这时把待求序列的下一个字符级联到Q。如果Q不是SQv的一个子串，则表示Q是插入字符。这时把Q级联到S，S＝SQ，重新构造Q，重复以上过程直到Q取待求序列的最后一位结束。每次Q级联到S，表明出现一种新模式，用c表示一个字符串中新模式的数量。例如对于S＝(10101010)，应用上面的方法可以得到c(8)＝3个新模式：1，0，101010。

同样的，本项目将脑电波依据各个窗口间的趋势分为向上，平缓，向下三类，又依据窗口的脑电波幅划分成7类，共计21类不同脑电波状态。然后使用Lempel-Ziv复杂度算法求出这段时间内的脑电复杂度，即将每一个脑电波状态看做一个字符，将一段时间内的脑电状态序列看做LZ算法中的字符串，对这一序列进行复杂度计算最终得到的结果就是脑电复杂度。

在实现检测癫痫患者脑电数据以及发病情况之后，还需即时反馈的系统，由于在癫痫发作后，癫痫患者可能会缺乏求助的能力，所以本项目需要采用自动化的方式，代替患者，向外界传递信息，请求救助。

在查阅资料并且结合可行性、有效性进行分析后，选择Twilio所提供的短信API服务。Twilio是一个通讯服务方面的的开放PaaS平台，通过将复杂的底层通信功能打包成API并对外开放，让web、桌面及移动应用可以方便地嵌入短信、语音及VoIP功能，从而实现云通信的功能。本发明采用python语言，将复杂度计算和短信API有机结合以用于发送信息。在检测到患者癫痫发作时，通过python调用twilio的函数接口发送短信。除了简单高效外，本发明采用此方法发送信息的成本也较为合理，处于广大平民用户的可接受范围之内。

降噪处理，在刚开始进行数据获取时，由于大约50nv的微小电势差不能马上反馈出来，所以在等待大约十几秒硬件获取的电势差趋于稳定之后才能获取到可用于分析的数据。但还是会有一定无法解决的白噪声产生，这里使用过采样的方法来解决噪声的问题。由于并非是硬件过采样，所以只能将多次数据取均值作为1次数据来使用，以这种方法来尽量降低白噪声。而这一方法所产生的后果是细微处的数据会变得平滑，一定程度上会降低复杂度，因此过采样不能过高，在多次试验后，最终使用取3次数据做均值过采样来解决这一问题：dataY.append(sum(overget)//3)。

划分重定，将人脑电波的所有波段划分成7份进行复杂度计算，分别为(－∞，－150μV)、(－150μV，－50μV)、(－50μV，－20μV)、(－20μV，+20μV)、(+20μV，+50μV)、(+50μV，+150μV)、(+150μV，+∞)七个区间，为解决被截取的不明脑电波波幅区间的问题，直接将硬件设备返回的16位数据分成7等分进行复杂度计算。这种方法理论上会对低幅度脑电波的复杂度产生一定影响，但本发明针对的癫痫患者人群在病情发作时脑电波波幅会变大，产生棘波，此时脑电波跨度会跨越5～7个波段，因此在这种情况下，由取区间产生的复杂度误差会明显变小：

qdir.append((sum(overget)//3)//9363)。

复杂度计算，脑电波波幅共分为7个波段，组合之后，共产生了21种情况。将计算后得到的每一个情况按顺序组合成字符串，然后计算L-Z复杂度，得到的就是脑电复杂度。当计算得的脑电复杂度大于100时，有很大概率是病人中风的情况，正常人的脑电复杂度为60～90，可接受误差10％为左右。

得到癫痫患者的实时脑电波复杂度结果，并且根据计算结果，分析得出患者此时的发病情况。在完成了病情检测之后，一旦检测到癫痫发作情况，本发明选择使用Twilio所提供的短信API服务，立刻将警示信息发送给癫痫发作患者的家属手机上，实现即时的情况反馈。具体实现过程与方法为：

(1)患者选择自己在发病时的紧急联系人。该紧急联系人利用手机号在Twilio上注册账号。完成账号申请之后，该联系人即可获得一个特殊的sid以及token，并且获得由twilio发放的一个twilio手机号。

(2)在数据分析系统给出患者脑电波复杂度并且发现该患者发病后，本发明会调用twilio所提供的pythonmodule，利用步骤(1)中获得的sid，token和twilio手机号，发送信息给该账号下的手机。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

Claims (10)

1.一种癫痫检测与报警系统，其特征在于，包括：

数据传感设备；

数据处理终端，数据处理终端与数据传感设备通信；

服务器，服务器与数据处理终端通信；

数据接收终端，数据接收终端与服务器通信。

2.根据权利要求1所述的癫痫检测与报警系统，其特征在于，数据传感设备包括PCB板以及集成在PCB板上的数据采集器及通信模块，通信模块与数据处理终端通信。

3.根据权利要求2所述的癫痫检测与报警系统，其特征在于，PCB板为TGAM芯片PCB板。

4.根据权利要求2所述的癫痫检测与报警系统，其特征在于，通信模块为蓝牙模块。

5.根据权利要求1所述的癫痫检测与报警系统，其特征在于，服务器为云端。

6.根据权利要求1所述的癫痫检测与报警系统，其特征在于，数据接收终端为智能设备。

7.一种癫痫检测与报警系统的工作方法，其特征在于，包括如下步骤：

步骤1，数据传感设备采集患者的脑电波数据，并将脑电波数据传输给数据处理终端；

步骤2，数据处理终端对接收的脑电波数据进行处理并判定患者的状态；

若患者处于癫痫状态，则进入步骤3；

若患者处于正常状态，则返回步骤1；

步骤3，数据处理终端将患者处于癫痫状态的信息传输给云端；

步骤4，云端向数据接收终端发送提醒信息。

8.根据权利要求7所述的癫痫检测与报警系统的工作方法，其特征在于，步骤2包括：

步骤2.1，数据处理终端接收脑电波数据；

步骤2.2，数据处理终端对接收的脑电波数据进行降噪处理；

步骤2.3，将经过降噪处理的脑电波数据进行划分重定处理；

步骤2.4，将经过划分重定处理的脑电波数据进行复杂度计算并获取脑电波复杂度值；

步骤2.5，对脑电波复杂度值进行分析并判定患者的状态。

9.根据权利要求7所述的癫痫检测与报警系统的工作方法，其特征在于，步骤3中，数据处理终端通过应用程序编程接口将患者处于癫痫状态传输给云端。

10.根据权利要求7所述的癫痫检测与报警系统的工作方法，其特征在于，步骤4中，云端向数据接收终端发送提醒短信。