CN110248598A - 用于确定生物电活动的合成信号的方法和设备 - Google Patents
用于确定生物电活动的合成信号的方法和设备 Download PDFInfo
- Publication number
- CN110248598A CN110248598A CN201780084546.1A CN201780084546A CN110248598A CN 110248598 A CN110248598 A CN 110248598A CN 201780084546 A CN201780084546 A CN 201780084546A CN 110248598 A CN110248598 A CN 110248598A
- Authority
- CN
- China
- Prior art keywords
- signal
- measuring
- measuring signal
- electrode
- measurement
- 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
- 239000002131 composite material Substances 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000005259 measurement Methods 0.000 claims description 29
- 238000012545 processing Methods 0.000 claims description 20
- 238000001514 detection method Methods 0.000 claims description 9
- 230000015572 biosynthetic process Effects 0.000 claims description 5
- 238000003786 synthesis reaction Methods 0.000 claims description 5
- 210000001061 forehead Anatomy 0.000 description 7
- 238000001914 filtration Methods 0.000 description 6
- 210000001595 mastoid Anatomy 0.000 description 4
- 210000000624 ear auricle Anatomy 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000005611 electricity Effects 0.000 description 2
- 230000010355 oscillation Effects 0.000 description 2
- 230000035479 physiological effects, processes and functions Effects 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 108010076504 Protein Sorting Signals Proteins 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000007177 brain activity Effects 0.000 description 1
- 230000032798 delamination Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 230000015654 memory Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 210000001331 nose Anatomy 0.000 description 1
- 230000032696 parturition Effects 0.000 description 1
- 230000001766 physiological effect Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
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
- A61B5/25—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
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
-
- 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
- A61B5/24—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]
- A61B5/372—Analysis of electroencephalograms
- A61B5/374—Detecting the frequency distribution of signals, e.g. detecting delta, theta, alpha, beta or gamma waves
-
- 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
- A61B5/7221—Determining signal validity, reliability or quality
-
- 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
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7278—Artificial waveform generation or derivation, e.g. synthesising signals from measured signals
-
- 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
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)
- Psychiatry (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Psychology (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
用于确定指示个人生物电活动的稳健合成信号的方法和设备。通过电极(2)连续采集代表个人生理电信号的两个测量信号(M)。构建与测量信号相关联的两个置信指数(C)的时间序列。通过测量信号和置信指数的时间序列确定合成信号(S)。
Description
技术领域
本发明涉及用于确定指示个人生物电活动(尤其是指示脑电波活动)的稳健合成信号的方法和设备。
背景技术
这种方法和系统尤其可以用于确定EEG采集设备的稳健脑电图(EEG)信号,其中,EEG采集设备包括例如干电极。
本发明特别适用于生物电信号的采集和实时处理领域,尤其是通过用于信号采集和处理的便携式自动设备。
当使用便携式设备测量生物电信号时,尤其是通过干电极采集时,一项主要挑战是采集的稳健性。经常出现一个或多个采集通道断线或无法提供高质量信号。因此,采集的质量根据电极与皮肤之间的接触状态而发生很大变化。
发明内容
本发明旨在克服这些缺点。
本发明描述了,通过重新组合相互靠近的电极的信号,来采集与生物电活动(例如大脑活动)对应的稳健信号的方法。
本发明基于空间上靠近的电极采集类似的生物电信号。尤其是,在有限的空间区域内同时发生的生物电信号中观察到的律动、特征模式。
为此,本发明的第一个目的涉及一种用于确定指示个人生物电活动的稳健合成信号的方法,其中:
连续采集分别代表个人两个生理电信号的至少两个测量信号,尤其是通过与个人接触或靠近的至少两个电极来采集,
通过测量信号连续构建分别与测量信号相关联的至少两个置信指数的时间序列,
通过所述测量信号和所述置信指数的时间序列连续确定合成信号。
在本发明的优选实施例中,也可以使用一个或多个以下内容:
-通过两个测量电极之间的差分测量、一个测量电极与一个偏压电极之间的差分测力量,或者一个偏压电极与一个测量信号处理单元的内部接地之间的差分测量,获得每个测量信号;
-根据测量信号的幂、测量信号导数的幂、测量信号频带的幂、测量信号的过零率、测量信号的饱和检测中的至少一项,构建置信指数的时间序列;
-为了确定合成信号,合成信号数值的时间序列被确定为,使得在时间序列的每个时间点,合成信号数值对应与所述时间点的最高置信指数相关联的测量信号的数值;
-为了确定合成信号,合成信号数值的时间序列被确定为,使得在时间序列的每个时间点,合成信号数值对应测量信号数值的加权平均值,每个测量信号数值根据与所述时间点的测量信号相关联的置信指数分别加权;
-为了连续确定合成信号,连续分析每个所述测量信号,以便识别生物电活动的预定义模式,并且通过分析所述测量信号将每个所述测量信号与已识别模式列表相关联,每个已识别模式与相关测量信号中的记录时间点或时间窗口相关联;
-合成信号包括与采集时间点或时间窗口相关联的生物电活动的预定义模式列表;
-为了确定合成信号,通过与每个测量信号相关联的模式列表构建构成合成信号的模式列表,每个所述模式列表的每个模式通过与用于记录与所述模式相关联的时间点或时间窗口的测量信号相关联的置信指数加权;
-通过对测量电极或偏压电极的电势测量,以及根据对偏压电极与个人之间交换的电流的测量,确定虚拟参考。
本发明还涉及一种用于采集指示个人生物电活动的稳健合成信号的设备,其包括:
至少两个电极,所述至少两个电极放置与个人接触或靠近,以便连续采集分别代表两个生理电信号的至少两个测量信号,
处理单元,其包括:
用于接收来自电极的测量信号的装置,以及
处理装置,其用于
通过测量信号,连续构建分别与所述测量信号相关联的至少两个置信指数的时间序列,
基于所述测量信号和所述置信指数的时间序列,连续确定合成信号。
附图说明
参考附图,从对作为非限制性示例给出的本发明其中一个实施例的如下描述,本发明的其他特点和优点将会变得明显。
图中:
-图1和图2是根据本发明的一个实施例的设备的示意图,
-图3是根据本发明一个实施例的方法的第一实施例的流程图,
-图4是根据本发明一个实施例的方法的第二实施例的流程图。
具体实施方式
在不同的图中,相同的附图标记表示相同或相似的元件。
图1示出了根据本发明一个实施例的用于采集指示个人I的生物电活动的稳健合成信号的设备1。
这种设备1能够实施根据本发明的用于确定指示个人生物电活动的稳健合成信号的方法,例如如图3所示。
如图1所示,设备1包括至少两个电极2。电极放置成与个人I接触或靠近。
电极2包括测量电极2b,测量电极2b能够连续采集分别代表个人I的两个生理电信号的至少两个测量信号M。
电极可以包括偏压电极2b,其适于相对于设备1的接地保持头部处的预定电势。
通过测量电极2的电势的测量确定测量信号,尤其是通过测量两个电极之间的电势差来确定测量信号。
“电势”应被理解为指单个电极的信号,“导联”(例如,如下文详述)表示两个电势之差。
测量信号,例如是:
-相对较远的测量电极(例如乳突/额头)之间的导联,
-相邻或相近测量电极(额头-额头,头发-头发,额头-头发)之间的导联
-电极(例如额头)和偏压电极之间的导联。偏压电极的信号与测量电极的信号类似,所以可以开发利用它们的特性。此外,在测量电极分离的情况下,例如,左前额(Fp1)(或右前额(Fp2)),如果测量Fp2-偏压(或Fp1-偏压)导联,则然后可以使用后者信号来表征生理电信号。
-两个测量和/或偏压电极之间的导联,通过模拟操作(例如滤波或调制)修改,或通过测量从朝向电子电路偏压的电流输出进行调制,以获得虚拟参考,
-组合如上所述的数个导联产生的信号,例如通过允许例如建立虚拟参考的模拟操作(例如滤波、调制、平均等),和/或通过与用于分析生理学活动(例如睡眠)和具有所述生理学活动特征的事件的第三信号相组合。
例如,可以根据朝向电子电路的偏压的电流输出,调制来自测量或偏压电极的电势。这例如允许校正来自电极的电势,使其与虚拟参考对应。
“虚拟参考”应被理解为指与在远离或屏蔽脑波的人体内的一个点上实测的信号相似的电势,例如,与来自置于乳突或耳垂上的电极的信号相似的信号。
虚拟参考可由在人体或设备的电子电路的一个点上实测的电势确定,其与用于生物电信号测量的传统参考(例如脑电图)不同,例如乳突、耳垂或鼻子。因此,对在这些点上实测的原始电势进行校正,使之靠近预期参考电势,换句话说,尽可能地与脑电波独立。在这样的点进行测量,比在常规使用的参考点(例如耳垂)处的测量更有利、更容易靠近,或者更舒服(例如前额)。
随后,可以根据测量电极和虚拟参考获得测量信号。
测量信号能够来自可有或可无共同电极的导联。
例如,可以采集分别与如下导联对应的三个测量信号:
-左额头-右前额
-左太阳穴-左前额
-右太阳穴-右前额。
设备1还包括处理单元3,处理单元3包括用于接收电极2的测量信号的装置4,以及处理装置5。
处理装置5可以例如包括一个或多个处理器以及一个或多个合适的存储器。
接收装置4可以例如包括连接器以及用于联通和/或控制电极的电子器件。
处理装置5和接收装置4可以集成到单个芯片中。
设备可包括安装有电极2、处理单元3、接收装置4和处理装置5的单个框架6。设备1还可包括电池。电池8可以安装在框架6上。
处理装置5适用于
-通过测量信号M,连续构建分别与所述测量信号M相关联的至少两个置信指数C的时间序列。
-基于所述测量信号和置信指数的所述时间序列,连续确定合成信号S,现将更详细地进行描述。
更具体地参考图3和图4,其描述了本发明各种方法和实施例。
在本发明的第一实施例中,如图3所示,合成信号包括测量信号数值,在适当时加权,如下详述。
在本发明的第二实施例中,如图4所示,合成信号包括与采集时间点或时间窗口相关联的生物电活动的预定义模式列表。
这种生物电活动的预定义模式是,例如慢振荡、西格玛波(“纺锤(spindles)”)、K-复合体、缓慢节率、微觉醒、阿尔法节率等。
我们首先参考示出了本发明第一实施例的图3。在该实施例中,合成信号包括数个相互靠近的生理电信号的数值,在适当时加权,数个生理电信号相互靠近以便获得高质量的信号。
“相互靠近的生理电信号”应被理解为指,例如来自放置在相互靠近位置的电极的测量信号,例如,两个置于前额位置的电极。靠近的电极例如分离小于10厘米,例如小于5厘米。
“高质量的信号”应被理解为指,质量较差质量信号的检测和丢弃,和/或高质量的类似信号的可能组合。信号的质量可以具体按如下所述量化。
该方法的第一步可以包括滤波步骤,例如滤波50Hz或60Hz、200Hz以上的频率,以及可能的其他频带。不同的滤波方法都是可能的,例如巴特沃斯滤波、小波或卡尔曼滤波。
用于量化信号质量的方法适于允许识别信号幅度或异常波形(即,例如,与通常观察到的脑电信号不对应)。
为此,可以为每个测量信号,连续构建与所述测量信号相关联的置信指数的时间序列。
“连续构建”应被理解为指,实时(例如软实时)、且与所述测量信号的采集同时且并行地构建置信度指标系列。
“连续”应被理解为指,在设备采集测量信号的采集期间,随时间重复操作和/或步骤,尤其是周期性地或准周期性地重复。
可以由通过测量信号导出的量计算每个置信指数,例如,选自:测量信号的幂、测量信号导数的幂、测量信号的不同频带、测量信号的阻抗的数值、测量信号的过零率、测量信号采集链的放大器的饱和度检测、测量信号的数值。
在一个实施例中,可以采集表示个人生理学活动的至少一个附加测量信号。附加测量信号例如可以通过加速度计测量。
测量信号的置信指数也可以是指示其他测量信号数据中的置信度。例如,通过加速度计获得——指示用户运动——的测量信号,可用于确定由电极实测数值中的置信度指数。
在举例说明的示例性实施例中,设备可以利用电源系统的频率(50Hz)来检测电极的分离,并消除信号。因此,当测量与用户接触或靠近靠近电极的两个电极之间的导联时,例如FP1-FP2,两个测量信号中存在的50Hz频率很大程度地相互补偿。当其中一个电极脱落或在有靠近电极的情况下移开时,对于所述电极,50Hz频带中信号的幂显著增加。源自FP1-FP2的信号包括非常高的50Hz功率。这使得可以确定信号的置信指数。
对于可变持续时间的时间窗口,根据相关指标,可以计算从测量信号导出的指数和/或量。
指数可以具有二进制数值(例如,指示信号是否具有高质量的布尔值)、分类数值或在预定义范围内连续变化的数值(例如,量化具有高质量信号的概率)。
从一个或多个测量信号构建置信指数的操作可以包含:确定上述一个或多个量,以及然后将它们与一个或多个预定义阈值进行比较,例如从脑电图中常规遇到的数值开始。
构建置信指数的操作还可以采用预测器,其通过学习方法(例如:随机森林或神经网络)获得,且在通过标记为高质量或低质量的测量信号剪辑构建的学习数据库上训练。该学习数据库可以包括在这些相同识别信号上计算的索引数值(例如,上文所述)。
一旦确定了置信指数,该方法包括从测量信号和置信指数的时间序列连续确定合成信号。
这使得可以实时丢弃低质量信号。数个替代实施例可以用于通过指定时刻信号构建合成信号。
根据第一变型,从给定时刻具有最佳质量的测量信号获得给定时刻的合成信号。如果在稍后时刻质量降到阈值以下,则从所述稍后时刻具有最佳质量的测量信号确定合成信号。
根据第二变型,通过组合给定时刻由置信指数指示的具有足够质量的测量信号,获得给定时刻的合成信号。通过这种方式,可以对靠近个人位置获得的测量信号进行平均化处理,以增加所得合成信号的稳健性。
然后,通过对靠近位置处采集且由置信指数指示的具有足够质量的测量信号进行平均化处理,确定合成信号。可以通过相关时刻每个测量信号的置信指数对平均值进行加权处理。
当然可以设想综合测量信号的其他策略。
此外,如上所述,与给定时刻的测量信号相关联的置信指数,可以通过另一个测量信号确定,例如,代表个人生理学活动的附加测量信号,例如,由加速度计提供的活动。
我们现在参考示出了本发明第二实施例的图4。在该实施例中,合成信号包括与采集时间点或时间窗口相关联的生物电活动的预定义模式列表。
本发明的第二实施例可以与第一实施例组合,例如,通过与上述第一实施例并行实施。
该第二实施例通过在根据置信指数组合检测前对每个测量信号执行检测和分析,使之可以直接获得测量信号中识别的感兴趣事件。
在这个实施例中,如上所述再次计算置信指数。
随后,或并行地,对测量信号进行处理,以识别生物电活动的预定义模式。随后将每个测量信号与已识别模式列表相关联,每个已识别模式与相关测量信号的时间点或时间窗口相关联。
已识别模式列表包括,例如,与慢振荡、西格玛波(“纺锤”)、K-复合体、缓慢节率、微觉醒、阿尔法节率等相关联的模式。
对于具有由置信指数指示为高质量的每个采集通道,即每个测量信号,我们随后定义这些事件中每一个已经发生的概率。然后比较这些概率,以确定与模式相关联的事件之一的存在。
特别地,对于测量信号的每个记录时间点或时间窗口,以及对于已识别模式列表中的每个模式,确定与模式相关事件发生的概率,换句话说,在相关时间点或时间窗口期间,发生与模式相关联的生物电活动。
然后,通过从与每个测量信号相关联的模式列表构建,构成合成信号的模式列表,来确定合成信号。通过与与所述模式相关联的记录时间点或时间窗口的测量信号相关联的置信指数,有利地加权与测量信号相关联的各个模式列表的各个模式。
识别生物电活动的预定义模式的步骤,可以根据在信号上计算的一个或多个指标来实现。例如指标可以从以下中选择:测量信号的幂、测量信号导数的幂、测量信号的不同频带、测量信号阻抗的数值、测量信号的过零率、测量信号采集链放大器的饱和度检测、测量信号的数值。可以根据相关指标在可变持续时间的时间窗口上计算指标。
识别生物电活动的预定义模式的操作可以包括:确定一个或多个上述指标,然后将它们与一个或多个预定义阈值进行比较,例如,基于脑电图中常规遇到的数值。
识别生物电活动预定义模式的操作还可以采用预测器,预测器通过学习方法(例如:随机森林或神经网络)获得,且在具有已识别模式的测量信号剪辑构建的学习数据库上训练。该学习数据库可以包括在这些相同的识别信号上计算的指示符数值(例如,上文呈现的那些)。
特别地,识别预定义模式的操作可以考虑这样的事实:与模式相关联的事件在同一时间点或记录的同一时间窗口中具有多个采集通道的高概率。
此外,识别操作可有利于用于识别模式的特定采集通道,与该模式相关联的事件通过该采集通道比通过其它采集通道中更有可能被识别。
最后,通过测量信号和置信指数时间序列连续确定合成信号。这一步骤将使用先前计算的置信指数以及测量信号中标识的模式列表。
与每个信号中先前计算的模式相关联的事件的概率,例如由这些信号的质量进行加权,这些信号质量通过与相应时间点相关联的置信指数予以确定。
对模式检测的相应加权平均值,使得有可能通过考虑不同的测量通道来增强模式检测的稳健性。同样,可从平均值中排除具有低于给定阈值的置信指数的信号,且合成信号的确定可以仅考虑具有超出固定阈值的置信指数的那些信号。
在本发明的一个特定实施例中,可以对来自几个参考电极(例如来自两个乳突)的测量信号进行平均化处理,以便获得替换信号采集的所述参考的超级参考。
随时间对平均值进行加权处理,使得有可能计算超级参考,也可以根据通过参考电极信号分析确定置信指数来实现,如上详述。
Claims (11)
1.用于确定指示个人生物电活动的稳健合成信号的方法,其中:
-连续采集分别代表个人两个生理电信号的至少两个测量信号(M),尤其是通过与个人接触或靠近的至少两个电极(2)来采集,
-通过测量信号连续构建分别与测量信号(M)相关联的至少两个置信指数(C)的时间序列,
-通过所述测量信号和所述置信指数的时间序列连续确定合成信号(S)。
2.根据权利要求1所述的方法,其特征在于,通过两个测量电极(2a)之间的差分测量、一个测量电极(2a)与一个偏压电极(2b)之间的差分测量,或者一个偏压电极(2b)与一个测量信号处理单元(3)的内部接地之间的差分测量,获得每个测量信号(M)。
3.根据权利要求1至2中任一项所述的方法,其特征在于,根据测量信号(M)的幂、测量信号(M)导数的幂、测量信号(M)频带的幂、测量信号(M)的过零率、测量信号(M)的饱和检测中的至少一项,构建置信指数(C)的时间序列。
4.根据权利要求1至3中任一项所述的方法,其特征在于,为了确定合成信号(S),合成信号数值(S)的时间序列被确定为,使得在时间序列的每个时间点,合成信号数值对应与所述时间点的最高置信指数(C)相关联的测量信号(M)的数值。
5.根据权利要求1至4中任一项所述的方法,其特征在于,为了确定合成信号(S),合成信号数值的时间序列被确定为,使得在时间序列的每个时间点,合成信号数值对应测量信号(M)数值的加权平均值,每个测量信号数值根据与所述时间点的测量信号(M)相关联的置信指数(C)分别加权。
6.根据权利要求1至5中任一项所述的方法,其特征在于,为了连续确定合成信号(S),连续分析每个所述测量信号(M),以便识别生物电活动(P)的预定义模式,并且通过分析所述测量信号将每个测量信号与已识别模式列表相关联,每个已识别模式与相关测量信号(M)中的记录时间点或时间窗口相关联。
7.根据权利要求6所述的方法,其特征在于,合成信号(S)包括与采集时间点或时间窗口相关联的生物电活动的预定义模式(P)列表。
8.根据权利要求7所述的方法,其特征在于,为了确定合成信号(S),通过与每个测量信号相关联的模式列表构建构成合成信号的模式(P)列表,每个所述模式列表的每个模式通过与与所述模式相关联的记录时间点或时间窗口的测量信号(M)相关联的置信指数(C)加权。
9.根据权利要求6至8中任一项所述的方法,其特征在于,为相关测量信号(M)中的每个记录时间点或时间窗口,和已识别模式列表的每个模式,确定与发生的模式相关联的事件的概率。
10.根据权利要求1至9中任一项所述的方法,其特征在于,通过对测量电极(2a)或偏压电极(2b)的电势的测量,以及根据对偏压电极(2b)与个人(I)之间交换的电流的测量,确定虚拟参考。
11.用于采集指示个人生物电活动的稳健合成信号的设备(1),其包括:
-至少两个电极,所述至少两个电极与个人(I)接触或靠近,以便连续采集分别代表两个生理电信号的至少两个测量信号(M),
-处理单元(3),其包括:
-用于接收来自电极的测量信号的装置(4),以及
-处理装置(5),其用于
通过测量信号(M),连续构建分别与所述测量信号(M)相关联的至少两个置信指数(C)的时间序列,
基于所述测量信号和所述置信指数的时间序列,连续确定合成信号(S)。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR1661958 | 2016-12-05 | ||
FR1661958A FR3059540B1 (fr) | 2016-12-05 | 2016-12-05 | Procedes et dispositifs de determination d'un signal synthetique d'une activite bioelectrique |
PCT/FR2017/053383 WO2018104645A1 (fr) | 2016-12-05 | 2017-12-05 | Procedes et dispositifs de determination d'un signal synthetique d'une activite bioelectrique |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110248598A true CN110248598A (zh) | 2019-09-17 |
CN110248598B CN110248598B (zh) | 2022-03-25 |
Family
ID=58455148
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201780084546.1A Active CN110248598B (zh) | 2016-12-05 | 2017-12-05 | 用于确定生物电活动的合成信号的方法和设备 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20190298212A1 (zh) |
EP (1) | EP3547911B1 (zh) |
CN (1) | CN110248598B (zh) |
FR (1) | FR3059540B1 (zh) |
WO (1) | WO2018104645A1 (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100056938A1 (en) * | 2000-01-31 | 2010-03-04 | Pearlman Justin D | Method and system for signal separation during multivariate physiological monitoring |
CN103142225A (zh) * | 2013-03-27 | 2013-06-12 | 秦皇岛市康泰医学系统有限公司 | 对电极与头皮接触状态进行判断的脑电图仪及其判断方法 |
CN103720470A (zh) * | 2012-08-17 | 2014-04-16 | 尼尔森公司(美国)有限责任公司 | 用于收集和分析脑电图数据的系统和方法 |
CN103781414A (zh) * | 2011-09-16 | 2014-05-07 | 皇家飞利浦有限公司 | 用于估计运动期间的心率的设备和方法 |
CN104135912A (zh) * | 2012-02-29 | 2014-11-05 | 通用电气公司 | 用于基于电阻抗测量确定生理参数的系统和方法 |
CN105919590A (zh) * | 2016-06-02 | 2016-09-07 | 浙江铭众科技有限公司 | 一种多通道心电图的qrs自动划定方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070118054A1 (en) * | 2005-11-01 | 2007-05-24 | Earlysense Ltd. | Methods and systems for monitoring patients for clinical episodes |
US9351682B2 (en) * | 2006-10-18 | 2016-05-31 | Convergent Engineering, Inc. | Sensor interface system |
FR2923150B1 (fr) * | 2007-11-07 | 2012-01-13 | Imra Europ Sas | Systeme de mesure du rythme cardiaque d'un utilisateur |
CA2706640C (en) * | 2007-11-29 | 2018-11-27 | Elminda Ltd. | Functional analysis of neurophysiological data |
JP5602227B2 (ja) * | 2009-07-13 | 2014-10-08 | コーニンクレッカ フィリップス エヌ ヴェ | 動きアーチファクトが低減される電気生理学的測定 |
TW201336475A (zh) * | 2012-03-01 | 2013-09-16 | Univ Nat Taiwan | 擁有即時學習機制之癲癇發作預測方法、模組及裝置 |
US20160302684A1 (en) * | 2015-04-14 | 2016-10-20 | LifeWatch Technologies, Ltd. | Electrode housing and a monitoring device |
-
2016
- 2016-12-05 FR FR1661958A patent/FR3059540B1/fr active Active
-
2017
- 2017-12-05 US US16/465,837 patent/US20190298212A1/en not_active Abandoned
- 2017-12-05 WO PCT/FR2017/053383 patent/WO2018104645A1/fr active Application Filing
- 2017-12-05 EP EP17816987.6A patent/EP3547911B1/fr active Active
- 2017-12-05 CN CN201780084546.1A patent/CN110248598B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100056938A1 (en) * | 2000-01-31 | 2010-03-04 | Pearlman Justin D | Method and system for signal separation during multivariate physiological monitoring |
CN103781414A (zh) * | 2011-09-16 | 2014-05-07 | 皇家飞利浦有限公司 | 用于估计运动期间的心率的设备和方法 |
CN104135912A (zh) * | 2012-02-29 | 2014-11-05 | 通用电气公司 | 用于基于电阻抗测量确定生理参数的系统和方法 |
CN103720470A (zh) * | 2012-08-17 | 2014-04-16 | 尼尔森公司(美国)有限责任公司 | 用于收集和分析脑电图数据的系统和方法 |
CN103142225A (zh) * | 2013-03-27 | 2013-06-12 | 秦皇岛市康泰医学系统有限公司 | 对电极与头皮接触状态进行判断的脑电图仪及其判断方法 |
CN105919590A (zh) * | 2016-06-02 | 2016-09-07 | 浙江铭众科技有限公司 | 一种多通道心电图的qrs自动划定方法 |
Also Published As
Publication number | Publication date |
---|---|
EP3547911A1 (fr) | 2019-10-09 |
CN110248598B (zh) | 2022-03-25 |
EP3547911B1 (fr) | 2023-02-15 |
WO2018104645A1 (fr) | 2018-06-14 |
FR3059540A1 (fr) | 2018-06-08 |
FR3059540B1 (fr) | 2021-04-16 |
US20190298212A1 (en) | 2019-10-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109620262B (zh) | 一种基于可穿戴手环的情绪识别系统及方法 | |
CN107951485B (zh) | 基于人工智能自学习的动态心电图分析方法和装置 | |
US20070179396A1 (en) | Method and System for Detecting and Classifying Facial Muscle Movements | |
CN106691474A (zh) | 融合脑电信号与生理信号的疲劳检测系统 | |
CN104720796B (zh) | 一种用于癫痫发作时间段的自动检测系统及方法 | |
JP2019084343A (ja) | ウェアラブルデバイスを用いた高い正確度の光電容積脈波基盤の心房細動検出のための方法及び装置 | |
CN111544015B (zh) | 基于认知力的操控工效分析方法、设备及系统 | |
CN103038772A (zh) | 预测患者的存活性的方法 | |
CN101720200A (zh) | 用于对参与反应进行测量并评级的方法和系统 | |
CN109411041A (zh) | 心电信息处理方法和心电工作站系统 | |
CN111598451B (zh) | 基于任务执行能力的操控工效分析方法、设备及系统 | |
Morgado et al. | Quality estimation of the electrocardiogram using cross-correlation among leads | |
CN111553617B (zh) | 基于虚拟场景中认知力的操控工效分析方法、设备及系统 | |
CN111598453B (zh) | 基于虚拟场景中执行力的操控工效分析方法、设备及系统 | |
CN111553618B (zh) | 操控工效分析方法、设备及系统 | |
CN109411042A (zh) | 心电信息处理方法和心电工作站 | |
Di Marco et al. | Evaluation of an algorithm based on single-condition decision rules for binary classification of 12-lead ambulatory ECG recording quality | |
CN115349857B (zh) | 一种基于fNIRS脑功能图谱的动态康复评估方法和系统 | |
Altini et al. | Combining wearable accelerometer and physiological data for activity and energy expenditure estimation | |
CN110141258A (zh) | 一种情绪状态检测方法、设备及终端 | |
Porr et al. | R-peak detector stress test with a new noisy ECG database reveals significant performance differences amongst popular detectors | |
CN106166065A (zh) | 一种基于社交网络的可穿戴心电健康交互平台及其实现方法 | |
CN106667436A (zh) | 一种睡眠诊断方法及系统 | |
Dzitac et al. | Identification of ERD using fuzzy inference systems for brain-computer interface | |
Chang et al. | Wearable emg-based gesture recognition systems during activities of daily living: An exploratory study |
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 | ||
CB02 | Change of applicant information |
Address after: 34 Italian Avenue, 75009 Paris, France Applicant after: Demon Group Address before: Paris France Applicant before: Demon Group |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |