CN111012339A - 一种基于脑电信号和生物阻抗数据生理状况监控设备 - Google Patents
一种基于脑电信号和生物阻抗数据生理状况监控设备 Download PDFInfo
- Publication number
- CN111012339A CN111012339A CN202010013473.0A CN202010013473A CN111012339A CN 111012339 A CN111012339 A CN 111012339A CN 202010013473 A CN202010013473 A CN 202010013473A CN 111012339 A CN111012339 A CN 111012339A
- Authority
- CN
- China
- Prior art keywords
- electroencephalogram
- data
- physiological condition
- condition monitoring
- electroencephalogram signals
- 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
- 230000004962 physiological condition Effects 0.000 title claims abstract description 22
- 238000012544 monitoring process Methods 0.000 title abstract description 14
- 238000004891 communication Methods 0.000 claims description 17
- 210000004556 brain Anatomy 0.000 claims description 15
- 238000012806 monitoring device Methods 0.000 claims description 12
- 238000003062 neural network model Methods 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 5
- 238000002847 impedance measurement Methods 0.000 claims description 3
- 238000013526 transfer learning Methods 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims 1
- 210000001061 forehead Anatomy 0.000 claims 1
- 230000008451 emotion Effects 0.000 abstract description 8
- 230000036541 health Effects 0.000 abstract description 7
- 238000004458 analytical method Methods 0.000 abstract description 5
- 238000000034 method Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 6
- 238000007726 management method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 210000000056 organ Anatomy 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000001575 pathological effect Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000006996 mental state Effects 0.000 description 2
- 238000013508 migration Methods 0.000 description 2
- 230000005012 migration Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000000537 electroencephalography Methods 0.000 description 1
- 230000008909 emotion recognition Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 230000006461 physiological response Effects 0.000 description 1
- 238000012958 reprocessing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
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
-
- 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
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/053—Measuring electrical impedance or conductance of a portion of the body
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
-
- 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
-
- 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
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
-
- 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
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Veterinary Medicine (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Psychiatry (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Mathematical Physics (AREA)
- Psychology (AREA)
- Computer Networks & Wireless Communication (AREA)
- Developmental Disabilities (AREA)
- Child & Adolescent Psychology (AREA)
- Fuzzy Systems (AREA)
- Educational Technology (AREA)
- Hospice & Palliative Care (AREA)
- Social Psychology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Evolutionary Computation (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明涉及了一种基于脑电信号和生物阻抗数据的情绪和生理状况监控设备,其特征在于利用一个嵌入式设备,实现了人体脑电和生物阻抗数据的便携式采集,并将采集所得的数据上传到物联网平台上进行管理。能较为准确地反映人体健康状况,并可通过云平台可实现数据的健康数据的实时监测和管理,区别于传统设备使用昂贵、便携性低、实时性低,而可实现数据的便捷收集与分析。
Description
技术领域
本发明涉及一种物联网智能医疗系统,具体的说是一种基于脑电信号和生物阻抗数据生理状况监控设备,属于健康管理技术领域。
背景技术
大脑作为人体最精巧复杂的器官之一,蕴含着丰富的生理信息和病理信息。脑电信号传递的信息,可通过特征信号的识别,通过基波分量和谐波分量相结合的方法,提取出脑电信号中最佳波段,进而通过柯尔莫哥洛夫-斯米尔诺夫检验筛选出脑电信道。最后通过验证过程对这一分类器进行训练和测试,进而将其用于区分不同类型的情绪。
生物电阻抗测量,或简称阻抗技术,是一种利用生物组织与器官的电特性及其变化规律提取与人体生理、病理状况相关的生物医学信息的检测技术。通过检测测得的体表的阻抗及其变化,获取相关的生理和病理信息。它具有无创、无害,廉价、操作简单和功能信息丰富等特点,医生和病人易于接受。以各种阻抗、导纳血流图为代表的生物阻抗技术已广泛用于临床,并不断取得进展.临床应用水平较高。
脑电波和生物阻抗可以客观反映人体的生理状况。不同的脑电信号可以反映人体不同的精神状态,甚至还可根据不同人在同一刺激下,产生的脑电信号的不同,来识别不同的个体。而不同的生物阻抗则可反映人体不同的生理、病理状态。当人处于不同的状态时便会出现对应不同精神状态的生理反应,甚至当人体处于不同的睡眠状态时,对应的脑电波和生物阻抗信息都不同。我们可以通过采集脑电信号,分析人的情绪,进行情感处理;通过测量人类生物阻抗,获取人体组织或器官的电阻抗特性,从而了解组织的状态、评估器官功能、识别病变组织,并且评估健康状况、对不正常的状况提出预警。
然而,传统脑电和生物阻抗测量设备虽然在医疗诊断方面的质量较高,较为可靠,但使用较为复杂,要到固定地点(如医院等地)使用,且大多数时候,在采集数据后,还需等待分析结果。使用所需费用较为昂贵,便携性较低,实时性较低,而且由于采集时大多数情况下只收集了一段时间内的数据,很难对人体长期的情况作出判断和预测。且在情绪分类方面,虽然国内外的不少相关研究证明了通过脑电图进行情绪识别的可行性,但却一直没有一个准确度高的模型。因而,就目前而言,很难实现对使用者健康状况的实时监测和管理,更别说利用脑电和生物阻抗这两种准确度虽高,但依赖于大型设备进行采集的数据。
发明内容
本发明的目的是,针对现有技术的不足,提供一种基于脑电信号和生物阻抗数据的生理状况监控设备,可以实现脑电和生物阻抗信号的采集,并将采集所得数据通过无线模块传递到云端,实现脑电信号可视化和分类过程和生物阻抗数据的处理及数据的实时监测与管理。
本发明是采用以下技术方案:一种基于脑电信号和生物阻抗数据的生理状况监控设备,其特征在于:包含嵌入式微处理器(1)、本地显示装置及其接口(2)、物联网模块(3)、脑电采集设备无线收发模块接口(4)、生物阻抗采集模块(5),其中本地显示装置及其接口(2)、物联网模块(3)、脑电采集设备无线收发模块接口(4)及生物阻抗采集模块(5)通过PCB电路板内电路与嵌入式微处理器(1)相连,脑电采集设备通过内置无线通信模块与PCB板上脑电采集设备无线收发模块接口(4)实现通信,并使用云端服务器对数据进行处理;设备的系统架构包含感知层、传输层及控制层,感知层指设备中用于获取数据的部分,传输层指设备中用于传输数据至云端服务器的部分,控制层指设备中用于运算和控制的部分。
进一步的,所述感知层由脑电信号采集设备和生物阻抗检测模块构成,其作用为采集脑电信号和生物阻抗数据的生理状况监控设备所需数据,所述数据为脑电信号和生物阻抗数据。
进一步的,采用双通道设备分别采集大脑左右半球的脑电信号数据。
进一步的,所述生物阻抗采集模块通过模式切换选择测量的阻抗范围,可切换的阻抗测量范围为1kΩ-10kΩ及10kΩ-1MΩ。
进一步的,所述脑电采集设备与嵌入式设备间的通信方式为无线通信,所采用通信协议包括但不限于UART通信协议。
进一步的,所述嵌入式设备与云端服务器间的通信方式为公网通信,所采用通信协议不限于MQTT协议。
进一步的,所述嵌入式设备即终端和云端的部署数量均至少为一个。
进一步的,所述云端服务器采用神经网络模型即多层感知机对脑电信号进行分类。
进一步的,所述分类所用神经网络模型可进行迁移学习和终身学习。
本发明与现有系统相比的创新点在于:
1.一个具有典型物联网特性MIMO的系统,
本发明借助物联网平台的数据交互特性,设计了一种MIMO式的系统,终端和云端都可以部署多个,这使得本系统更加灵活,可以应对更多的应用场景,节省了数据收集过程的人力物力且可以方便快捷地监控数据流是否正常,提高了数据地利用率。
2.一个可以进行迁移学习(TL)和终身学习(LL)的神经网络分类器,
本发明利用一个神经网络模型搭建了一个可以对提取的特征值进行分类的分类器。并且,通过我们的改进,该分类器可进行迁移学习和终身学习,即在一个模型生成后,仍可以通过输入新的已知类别地数据流,使之重新被训练,这便可以使得分类器的准确率不断增强,并且可以不停地学习。
3.一个完全自主设计研发的脑电信号与嵌入式设备交互框架,
本发明具有拓展性很高的脑机接口与嵌入式控制器交互框架,且不仅将BCI技术与物联网结合更在设计之初就预留了其他的接口,使用者可以通过加载不同的分类算法,使得本发明可以完成更多的功能,实现“脑控”设备。
4.一个自主设计搭建的嵌入式设备,
本发明的采集设备时基于嵌入式处理器而开发的,实现了将原本昂贵且笨重的脑电和生物阻抗信号采集设备小型化便携化的目的,并且利用MQTT通信协议与云平台实现了公网通信,突破了传统的局域网技术限制。
附图说明
下面结合附图对本发明作进一步的说明。
图1是本发明的嵌入式设备系统示意图。
图2是本发明的系统示意图。
具体实施方式
下面对本发明的具体实施方式进行详细描述,但应当理解本发明的保护范围并不受具体实施方式的限制。
本实施提出的一种基于脑电信号和生物阻抗数据的生理状况监控设备,主要分为以下部分:
1. 嵌入式设备部分:
见图1所示, 1为嵌入式微处理器开发板, 2为本地显示装置及其接口, 3为物联网模块、4为脑电采集模块及其接口,5为生物阻抗采集模块。
a. 感知层:作为具体实施方案,感知层由基于ThinkGear ASIC系列专用芯片而制作的TGAM脑波检测模块和基于AD5933的生物阻抗检测模块构成。
TGAM模块包括了ThinkGear ASIC芯片,该芯片是一个高度集成的单一芯片脑电传感器,可以输出三个Neurosky的eSense参数,可以进行模数转换,检测接触不良的异常状态,过滤掉眼电噪音及50/60hz交流电干扰。在经过TGAM的分析后,原始脑波信号、脑波频率谱、脑电信号质量将会通过串行口输出到本地嵌入式系统。
而AD5933是一款高精度阻抗转换器系统解决方案,它将板载频率发生器与12位,1MSPS模数转换器(ADC)相结合。频率发生器允许以已知频率激励外部复阻抗。来自阻抗的响应信号由板载ADC采样,离散傅立叶变换(DFT)由板载DSP引擎处理。DFT算法在每个输出频率返回实数(R)和虚数(I)数据字。在校准后,可轻松计算沿扫描的每个频率点的阻抗大小和阻抗的相对相位。这些数据也将会通过串行口输出到本地嵌入式设备。
由此,我们获得脑电信号和生物阻抗信息,并进行进一步处理。
b. 传输层:作为具体实施方案,本发明利用BLK-MD-HC-05蓝牙模块,将TGAM模块的数据传至嵌入式处理器上,嵌入式处理器对TGAM模块和AD5933所采集到的数据先进行初步的处理,同时判断数据流和设备状态是否正常,若均正常,则再通过物联网模块,利用MQTT协议将数据上传至物联网OneNET平台,通过已编程的TFT串口屏输入wifi账号、密码等信息,STM32F429通过串口通信协议获取该信息,并通过SPI协议与RT-Thread模块进行通信,使设备与云端实现网络连接。数据流、TGAM模块、AD5933芯片有无出现异常可通过串口屏监控。
c. 控制层:作为具体实施方案,本发明采用 32系列微控制器即单片机(具体型号为STM32F429),作为嵌入式数据处理核心。并且为了提高嵌入式设备的使用效率,实施中还在设备上搭载RT-thread操作系统,采集所得的数据先进行初步的处理,然后执行在其之上开发的将TGAM模块获得的脑电信号和AD5933的回传的数据进行再处理的嵌入式程序。从而去除信号中的噪声、杂波,并将获取的信号通过OneNET平台上传到云端。而云端则使用了基于Python开发的神经网络模型进行数据的处理,本发明通过多层感知机(MLP)算法将其稍作改进,从而进行情绪分类,而生物阻抗数据则采用现用论文中的公式,先将芯片输出的原始数据进行处理,再利用公式进行计算,从而得到分析结果。同时,使用可编程的TFT串口屏作为显示设备,实现将无线网账户密码输入设备使之联网,并通过此串口屏监控数据流、TGAM模块及AD5933芯片的工作状态。
2、云端部分:
云端借助于物联网OneNET平台,通过OneNET获取并监控数据流,并执行云端的程序对收集的信号进行处理。本发明通过多层感知机(MLP)算法将其稍作改进,从而进行情绪分类,并可实现终身学习和迁移学习,从而做到在使用的过程中,提高分类的准确率。而生物阻抗数据则采用现用论文中的公式,先将芯片输出的原始数据进行处理,再利用公式进行计算,从而得到分析结果。对所获得的脑电信号进行傅里叶展开,以获得各个频域的信号,并将其实时显示出来。利用θ波和β波计算出人体的疲劳度,通过提取各个波段数据的特征值并将其输入神经网络分类器中,从而实现情绪分类,并通过云平台显示结果(仅供参考);通过将生物阻抗数据进行初步去噪后的结果,取100个数据点的平均值,作为人体阻抗数据,输入公式中,从而得到人体的体脂率、组织水含量等指标。平台UI界面列有正常指标,便于用户进行比较。
作为本系统的优化方案,脑电采集设备可采用两个TGAM芯片,分别采集大脑左右半球的信号数据,以提高 情绪分类的精确度。
本发明公开的一种基于脑电信号和生物阻抗数据的生理状况监控设备,利用嵌入式设备解决了脑电信号和生物阻抗数据的便携式采集,利用物联网技术解决了实时监测、管理、分析使用者健康状况的难题,利用改进过的神经网络算法实现了模型的实时学习和终身学习,使模型的准确性能越来越高,对健康数据的智能管理具有极其重要的意义。
以上所述,仅为本发明专利中的具体实施方式,但本发明的保护范围并不局限于此,任何近似的变换或替换,都应涵盖在本发明的包含范围之内,因此,本发明的保护范围应该以权利要求书的保护范围为准。
Claims (10)
1.一种基于脑电信号和生物阻抗数据的生理状况监控设备,其特征在于:包含嵌入式微处理器(1)、本地显示装置及其接口(2)、物联网模块(3)、脑电采集设备无线收发模块接口(4)、生物阻抗采集模块(5),其中本地显示装置及其接口(2)、物联网模块(3)、脑电采集设备无线收发模块接口(4)及生物阻抗采集模块(5)通过PCB电路板内电路与嵌入式微处理器(1)相连,脑电采集设备通过内置无线通信模块与PCB板上脑电采集设备无线收发模块接口(4)实现通信,并使用云端服务器对数据进行处理;设备的系统架构包含感知层、传输层及控制层,感知层指设备中用于获取数据的部分,传输层指设备中用于传输数据至云端服务器的部分,控制层指设备中用于运算和控制的部分。
2.根据权利要求1所述的基于脑电信号和生物阻抗数据的生理状况监控设备,其特征在于:所述感知层由脑电信号采集设备和生物阻抗检测模块构成,其作用为采集脑电信号和生物阻抗数据的生理状况监控设备所需数据,所述数据为脑电信号和生物阻抗数据。
3.根据权利要求2所述的基于脑电信号和生物阻抗数据的生理状况监控设备,其特征在于:脑电采集设备通过电极采集大脑前额区的信号。
4.根据权利要求3所述的基于脑电信号和生物阻抗数据的生理状况监控设备,其特征在于:采用双通道设备分别采集大脑左右半球的脑电信号数据。
5.根据权利要求2所述的基于脑电信号和生物阻抗数据的生理状况监控设备,其特征在于:所述生物阻抗采集模块通过模式切换选择测量的阻抗范围,可切换的阻抗测量范围为1kΩ-10kΩ及10kΩ-1MΩ。
6.根据权利要求1所述的基于脑电信号和生物阻抗数据的生理状况监控设备,其特征在于:所述脑电采集设备与嵌入式设备间的通信方式为无线通信,所采用通信协议包括但不限于UART通信协议。
7.根据权利要求1所述的基于脑电信号和生物阻抗数据的生理状况监控设备,其特征在于:所述嵌入式设备与云端服务器间的通信方式为公网通信,所采用通信协议不限于MQTT协议。
8.根据权利要求7所述的基于脑电信号和生物阻抗数据的生理状况监控设备,其特征在于:所述嵌入式设备即终端和云端的部署数量均至少为一个。
9.根据权利要求1所述的基于脑电信号和生物阻抗数据的生理状况监控设备,其特征在于:所述云端服务器采用神经网络模型即多层感知机对脑电信号进行分类。
10.根据权利要求1所述的基于脑电信号和生物阻抗数据的生理状况监控设备,其特征在于:所述分类所用神经网络模型可进行迁移学习和终身学习。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010013473.0A CN111012339A (zh) | 2020-01-07 | 2020-01-07 | 一种基于脑电信号和生物阻抗数据生理状况监控设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010013473.0A CN111012339A (zh) | 2020-01-07 | 2020-01-07 | 一种基于脑电信号和生物阻抗数据生理状况监控设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111012339A true CN111012339A (zh) | 2020-04-17 |
Family
ID=70202361
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010013473.0A Pending CN111012339A (zh) | 2020-01-07 | 2020-01-07 | 一种基于脑电信号和生物阻抗数据生理状况监控设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111012339A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111528828A (zh) * | 2020-05-25 | 2020-08-14 | 陈聪 | 一种基于神经网络训练模型的数据可视化方法 |
CN114129163A (zh) * | 2021-10-22 | 2022-03-04 | 中央财经大学 | 基于脑电信号的多视图深度学习的情绪分析方法和系统 |
CN116015296A (zh) * | 2022-12-02 | 2023-04-25 | 北京津发科技股份有限公司 | 一种基于多模态脑成像的信号采样系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016177350A1 (zh) * | 2015-05-04 | 2016-11-10 | 思澜科技(成都)有限公司 | 基于生物阻抗的睡眠呼吸状态信号采集设备及监测系统 |
CN107788976A (zh) * | 2017-09-22 | 2018-03-13 | 复旦大学 | 基于振幅整合脑电图的睡眠监测系统 |
WO2018094720A1 (zh) * | 2016-11-24 | 2018-05-31 | 浙江大学 | 基于临床脑电信号控制机械手运动的脑机接口系统及其应用 |
GB201820468D0 (en) * | 2018-12-14 | 2019-01-30 | Brainpatch Ltd | Brain iterfacing apparatus and method |
CN110604565A (zh) * | 2019-08-02 | 2019-12-24 | 北京脑陆科技有限公司 | 一种基于便携式eeg设备的脑部健康筛查方法 |
CN212755675U (zh) * | 2020-01-07 | 2021-03-23 | 南京邮电大学 | 一种基于脑电信号和生物阻抗数据生理状况监控设备 |
-
2020
- 2020-01-07 CN CN202010013473.0A patent/CN111012339A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016177350A1 (zh) * | 2015-05-04 | 2016-11-10 | 思澜科技(成都)有限公司 | 基于生物阻抗的睡眠呼吸状态信号采集设备及监测系统 |
WO2018094720A1 (zh) * | 2016-11-24 | 2018-05-31 | 浙江大学 | 基于临床脑电信号控制机械手运动的脑机接口系统及其应用 |
CN107788976A (zh) * | 2017-09-22 | 2018-03-13 | 复旦大学 | 基于振幅整合脑电图的睡眠监测系统 |
GB201820468D0 (en) * | 2018-12-14 | 2019-01-30 | Brainpatch Ltd | Brain iterfacing apparatus and method |
CN110604565A (zh) * | 2019-08-02 | 2019-12-24 | 北京脑陆科技有限公司 | 一种基于便携式eeg设备的脑部健康筛查方法 |
CN212755675U (zh) * | 2020-01-07 | 2021-03-23 | 南京邮电大学 | 一种基于脑电信号和生物阻抗数据生理状况监控设备 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111528828A (zh) * | 2020-05-25 | 2020-08-14 | 陈聪 | 一种基于神经网络训练模型的数据可视化方法 |
CN114129163A (zh) * | 2021-10-22 | 2022-03-04 | 中央财经大学 | 基于脑电信号的多视图深度学习的情绪分析方法和系统 |
CN114129163B (zh) * | 2021-10-22 | 2023-08-29 | 中央财经大学 | 基于脑电信号的多视图深度学习的情绪分析方法和系统 |
CN116015296A (zh) * | 2022-12-02 | 2023-04-25 | 北京津发科技股份有限公司 | 一种基于多模态脑成像的信号采样系统 |
CN116015296B (zh) * | 2022-12-02 | 2023-09-29 | 北京津发科技股份有限公司 | 一种基于多模态脑成像的信号采样系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109222969A (zh) | 一种基于多传感器数据融合的可穿戴式人体上肢肌肉运动疲劳检测及训练系统 | |
CN106937808B (zh) | 一种智能床垫的数据采集系统 | |
CN111012339A (zh) | 一种基于脑电信号和生物阻抗数据生理状况监控设备 | |
CN103637784B (zh) | 基于ZigBee技术的生理参数采集系统 | |
CN105640542B (zh) | 一种儿科护理专用心电监护仪 | |
CN212755675U (zh) | 一种基于脑电信号和生物阻抗数据生理状况监控设备 | |
CN107669262A (zh) | 基于svm与wlt的多导联远程心电诊断与监护系统及方法 | |
CN112869752B (zh) | 一种心电信号采集装置及质量等级评估和qrs波检测方法 | |
CN107280667A (zh) | 一种带有加速度传感器的无线表面肌电采集系统 | |
CN203379122U (zh) | 无线脑电及眼动测谎仪 | |
KR20160107390A (ko) | 심전도 신호 측정장치 | |
CN111601548A (zh) | 对来自远程便携式传感器装置的心电图数据进行分析 | |
CN106725422A (zh) | 基于心电检测、显示和上传的一体化系统 | |
CN110710978A (zh) | 一种基于眼动追踪-脑功能活动检测的多模态沉浸式同步采集系统 | |
CN201453280U (zh) | 一种移动通讯终端 | |
CN112263254A (zh) | 一种基于表面肌电信号传感器的人体能量消耗预测系统及其预测方法 | |
CN208447575U (zh) | 生命体征检测系统 | |
CN103340639A (zh) | 一种基于生物电阻抗的急迫性尿失禁识别方法 | |
CN107811619B (zh) | 便携式脉诊仪及其分析方法 | |
CN105852847A (zh) | 一种心脏及生命体征监护分析系统 | |
CN103705231B (zh) | 动态心电信号捕获方法 | |
CN109480812A (zh) | 一种基于物联网通讯的脉搏健康数据管理系统 | |
CN204133466U (zh) | 一种远程无线人体经络信息采集系统 | |
CN204909430U (zh) | 用于慢性病辅助诊疗的穴位电信号检测系统 | |
CN104270161A (zh) | 具有健康监测功能的智能收音机 |
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 |