CN111462887A - 一种可佩戴的癫痫患者数字助理系统 - Google Patents
一种可佩戴的癫痫患者数字助理系统 Download PDFInfo
- Publication number
- CN111462887A CN111462887A CN202010248246.6A CN202010248246A CN111462887A CN 111462887 A CN111462887 A CN 111462887A CN 202010248246 A CN202010248246 A CN 202010248246A CN 111462887 A CN111462887 A CN 111462887A
- Authority
- CN
- China
- Prior art keywords
- patient
- epileptic
- video data
- seizure
- data
- 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
- 230000001037 epileptic effect Effects 0.000 title claims abstract description 60
- 206010010904 Convulsion Diseases 0.000 claims abstract description 148
- 206010015037 epilepsy Diseases 0.000 claims abstract description 70
- 208000028329 epileptic seizure Diseases 0.000 claims abstract description 43
- 230000009471 action Effects 0.000 claims abstract description 24
- 238000013480 data collection Methods 0.000 claims abstract description 6
- 239000003814 drug Substances 0.000 claims description 29
- 230000000474 nursing effect Effects 0.000 claims description 17
- 229940079593 drug Drugs 0.000 claims description 10
- 238000011156 evaluation Methods 0.000 claims description 9
- 230000003993 interaction Effects 0.000 claims description 7
- 230000008859 change Effects 0.000 claims description 5
- 230000001419 dependent effect Effects 0.000 claims description 3
- 230000036962 time dependent Effects 0.000 claims description 3
- 230000005059 dormancy Effects 0.000 claims description 2
- 230000000875 corresponding effect Effects 0.000 claims 3
- 230000002596 correlated effect Effects 0.000 claims 2
- 238000002360 preparation method Methods 0.000 claims 1
- 238000000034 method Methods 0.000 description 16
- 230000008569 process Effects 0.000 description 14
- 210000003205 muscle Anatomy 0.000 description 9
- 208000002033 Myoclonus Diseases 0.000 description 8
- 230000033001 locomotion Effects 0.000 description 8
- 230000001148 spastic effect Effects 0.000 description 8
- 206010009346 Clonus Diseases 0.000 description 5
- 238000000537 electroencephalography Methods 0.000 description 4
- 238000002567 electromyography Methods 0.000 description 4
- 210000000744 eyelid Anatomy 0.000 description 4
- 230000006872 improvement Effects 0.000 description 4
- 230000003183 myoelectrical effect Effects 0.000 description 4
- 206010028347 Muscle twitching Diseases 0.000 description 3
- 210000004556 brain Anatomy 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 3
- 230000028327 secretion Effects 0.000 description 3
- 230000004397 blinking Effects 0.000 description 2
- 210000003710 cerebral cortex Anatomy 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 239000006260 foam Substances 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000004904 shortening Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 206010048962 Brain oedema Diseases 0.000 description 1
- 206010043994 Tonic convulsion Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005978 brain dysfunction Effects 0.000 description 1
- 208000006752 brain edema Diseases 0.000 description 1
- 210000003169 central nervous system Anatomy 0.000 description 1
- 230000003920 cognitive function Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000010992 reflux Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000007958 sleep Effects 0.000 description 1
- 208000011580 syndromic disease Diseases 0.000 description 1
- 230000036977 tonic contraction Effects 0.000 description 1
- 208000028500 tonic seizure Diseases 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明涉及一种可佩戴的癫痫患者数字助理系统，至少包括：供患者佩戴的第一数据采集终端，其能够用于采集癫痫患者的生理数据；云端服务器，其能够通信地耦合至所述第一数据采集终端；供医护人员使用的移动终端，其能够通信地耦合至所述云端服务器，所述癫痫患者数字助理系统还包括通信地耦合至所述云端服务器，且能够在患者癫痫发作时采集患者的视频数据的第二数据采集终端，所述移动终端能够根据所述视频数据建立能够表征癫痫患者形态的三维卡通虚拟模型，其中：所述三维虚拟卡通模型能够被划分为若干个发作区域，每一个发作区域均配置有至少一个具有若干个能够表征患者具体部位的动作特征的发作形式的发作形式对话框。
Description
技术领域
本发明属于医用数字助理技术领域，尤其涉及一种可佩戴的癫痫患者数字助理系统。
背景技术
癫痫是一种脑功能障碍综合症。据世界卫生组织(WHO)的报告显示，癫痫的患病率在5.0‰～11.2‰，目前全球大约有5000万的癫痫患者。我国的癫痫患病率为7.2‰，目前大约有900万的癫痫患者。癫痫发作具有长期性，反复性，不可预测的特点。癫痫病人一旦发病，如不能及时治疗，就可能导致脑水肿，呼吸循环衰竭甚至死亡等严重后果。大多数的癫痫患者需要长期药物治疗，而长期频繁服药会损害癫痫患者的认知功能或者给其他中枢神经系统带来毒副作用。因此，癫痫发作时，需要对癫痫发作的形式进行记录以用于评估癫痫的类型，进而能够辅助医护人员确定患者的病灶。因此，现有技术中，已存在诸多能够对癫痫发作的形式进行分类的方法和系统。
例如，公开号为CN105046273A的专利文献，其公开了一种基于多尺度样本熵的癫痫脑皮层电图信号分类方法，包括信号获取与预处理模块、特征计算与提取模块、分类模块。信号获取与预处理模块主要对信号进行滤波与伪迹去除；特征计算与提取模块采用多尺度样本熵对正常脑皮层电图信号和癫痫脑皮层电图信号进行分析，并选取适当的信道与尺度因子作为特征输入；分类模块利用支持向量机对癫痫脑皮层电图信号进行分类检测，支持向量机算法将发作状态转换为二分类问题，降低了计算复杂度，同时具有良好的实时性。该发明可以用于癫痫的检测与预警，有很高的敏感度、特异性和准确率。现有技术中，对癫痫发作形式的分类可以通过对脑电图数据、局部肌肉运动形式(例如眼睑肌肉阵挛)等进行分析而确定的。但是通过脑电图或肌电图对癫痫发作进行分类具有不可避免的局限性：在针对某些肌阵挛发作和某种痉挛发作时，两者的脑电图具有相似的表现形式，此时，通过脑电图是无法对癫痫的发作形式进行确定的，只能通过采集的视频数据确定其动作的快慢以确定是何种癫痫发作。还例如，某些癫痫发作的脑电图存在肌电伪差和晃动伪差，此时只能通过视频数据查看癫痫发作时患者身体各部位的具体动作才能够确定癫痫的发作形式。本申请通过配置发作形式对话框，癫痫的具体发作形式能够被罗列在发作形式对话框中，医护人员可以根据其实际观察到的发作形式对发作形式对话框中的具体发作形式进行勾选以完成癫痫发作形式的记录。因此，本申请旨在提供一种能够对癫痫患者癫痫发作时的视频数据进行采集和分析处理的数字助理系统。
此外，一方面由于对本领域技术人员的理解存在差异；另一方面由于发明人做出本发明时研究了大量文献和专利，但篇幅所限并未详细罗列所有的细节与内容，然而这绝非本发明不具备这些现有技术的特征，相反本发明已经具备现有技术的所有特征，而且申请人保留在背景技术中增加相关现有技术之权利。
发明内容
如本文所用的词语“模块”描述任一种硬件、软件或软硬件组合，其能够执行与“模块”相关联的功能。
现有技术中，对癫痫发作形式的分类可以通过对脑电图数据、局部肌肉运动形式(例如眼睑肌肉阵挛)等进行分析而确定的。但是通过脑电图或肌电图对癫痫发作进行分类具有不可避免的局限性：在针对某些肌阵挛发作和某种痉挛发作时，两者的脑电图具有相似的表现形式，此时，通过脑电图是无法对癫痫的发作形式进行确定的，只能通过采集的视频数据确定其动作的快慢以确定是何种癫痫发作。还例如，某些癫痫发作的脑电图存在肌电伪差和晃动伪差，此时只能通过视频数据查看癫痫发作时患者身体各部位的具体动作才能够确定癫痫的发作形式。因此，针对现有技术之不足，本发明提供一种可佩戴的癫痫患者数字助理系统，至少包括：供患者佩戴的第一数据采集终端，其能够用于采集癫痫患者的生理数据；云端服务器，其能够通信地耦合至所述第一数据采集终端，其中，所述云端服务器能够对所述生理数据进行分析处理以确定是否具有癫痫发作趋势；供医护人员使用的移动终端，其能够通信地耦合至所述云端服务器，使得在所述患者具有癫痫发作趋势的情况下，所述移动终端能够接收云端服务器推送的癫痫护理方案，所述癫痫患者数字助理系统还包括通信地耦合至所述云端服务器，且能够在患者癫痫发作时采集患者的视频数据的第二数据采集终端，所述移动终端能够根据所述视频数据建立能够表征癫痫患者形态的三维卡通虚拟模型，其中：所述三维虚拟卡通模型能够被划分为若干个发作区域，每一个发作区域均配置有至少一个具有若干个能够表征患者具体部位的动作特征的发作形式的发作形式对话框，其中，所述移动终端配置为：在所述医护人员与所述发作区域产生交互的情况下，与该发作区域对应的发作形式对话框能够被所述移动终端进行直观显示。通过配置发作形式对话框，癫痫的具体发作形式能够被罗列在发作形式对话框中，医护人员可以根据其实际观察到的发作形式对发作形式对话框中的具体发作形式进行勾选以完成癫痫发作形式的记录。因此，针对经验较浅的医护人员，其也能够正常完成癫痫发作形式的记录。
针对癫痫患者，2分钟是一个临床上的关键时间点，即从患者癫痫发作开始，超过2分钟，必须给终止抽搐的药物，否则会造成脑部永久性损伤。在0～2分钟之间，护理人员可能忙于擦除患者口部分泌物、给药等护理操作而无法对患者的发作形式进行观察采集。因此，为了避免无法及时对患者的发作形式进行记录，患者的癫痫发作时，通常需要配置至少两名医护人员，其中，一名医护人员用于对患者进行护理，另一名医护人员用于记录患者的癫痫发作形式，最终导致医护人员人手紧张的问题。因此，根据一种优选实施方式，所述第二数据采集终端能够具有至少两个工作状态，其中：在所述云端服务器根据第一数据采集终端采集的生理数据确定癫痫患者不具有癫痫发作趋势的情况下，所述第二数据采集终端能够处于休眠不工作的第一工作状态；在所述云端服务器根据第一数据采集终端采集的生理数据确定癫痫患者不具有癫痫发作趋势的情况下，和/或在所述移动终端与所述医护人员产生交互的情况下，所述第二数据采集终端能够由所述第一工作状态切换为通电工作的第二工作状态。本申请能够对第二数据采集终端进行及时唤醒以对患者的视频数据进行采集，使得医护人员在完成护理操作，能够对采集的视频数据进行重复观察以记录患者的癫痫发作形式。整个操作只需一名医护人员即可完成，从而降低了人员劳动成本。
现有技术中，医护人员在对患者的癫痫发作形式进行观察的过程中，通常可以配置例如是记录表进行记录。当癫痫发作时，患者的不同身体部位可能会在同一时刻出现不同的动作。同时，随着时间的推移，同一身体部位所产生的工作也可能出现变化，使得医护人员在观察记录的过程中会出现遗漏的情况。例如，常见的情况便是：在癫痫发作时，患者的肢体的动作幅度或剧烈程度较大，其会首先引起医护人员的注意，使得医护人员花费过多精力对肢体的动作进行观察记录，从而对患者的嘴角、眼角等部位的细微动作形成忽视，最终便会导致癫痫分类结果的不准确。因此，根据一种优选实施方式，所述云端服务器能够对所述视频数据按照与部位相关的方式进行第一级分析处理，以获取与各发作区域相关的若干个子视频数据，其中：在所述医护人员与所述发作区域产生交互的情况下，与该发作区域对应的子视频数据能够与至少一个发作形式对话框进行关联显示，使得所述子视频数据能够与所述至少一个发作形式对话框在移动终端的同一显示范围内进行同步显示，其中，所述至少一个发作形式对话框能够根据所述发作区域的属性进行筛选。本申请通过设置子视频数据，使得医护人员能够对每一个发作区域的发作形式进行详细记录。即，整个记录过程为，第一个发作区域完全记录完成后，第二个发作区域再开始记录。或者可以将不同的子视频数据发送给不同的医护人员，进而通过若干个医护人员的协作，完成所有发作区域的发作形式的同步记录。
现有技术中，医护人员通常是使用纸张式记录表对癫痫患者的发作形式进行记录的，纸张式记录表可以拿在手中或放在办公桌上，此时，医护人员通过电脑等显示设备对视频数据进行观察时，由于纸张式记录表和电脑的显示屏幕并未处于同一个观察平面内，进而导致医护人员在纸张式记录表上记录发作形式时，其视线会离开显示设备，进而导致医护人员遗漏某些重要的发作形式，或者医护人员可以将显示设备暂停，并且在记录完发作形式后，继续播放视频数据，但是该过程会导致整个记录时间的增加。因此，根据一种优选实施方式，每一个所述子视频数据所涉及的发作区域能够彼此不同，使得在所述移动终端对所述若干个子视频数据进行同时播放显示的情况下，所述若干个子视频数据在同一时刻下显示的视频内容所涉及的发作区域能够彼此不同。本申请的发作形式对话框与子视频数据能够进行同步显示，即移动终端的同一个屏幕页面内会同时显示发作形式对话框和播放子视频数据，使得用于记录发作形式的发作形式对话框和子视频数据均位于同一个观察平面内，进而医护人员在记录发作形式时，其不用暂停子视频数据的播放并且其视线也不会离开子视频数据，进而能够达到缩短发作形式记录时间和降低发作形式遗漏风险的目的。
不同的医护人员的临床经验彼此不同，在对癫痫发作进行记录时往往会存在较大的偏差，尤其是针对一些较为相近的发作形式的区分。例如，针对患者肢体的抽搐程度，可以划分为剧烈和轻微，不同的医护人员的经验不同，从而会导致划分结果有区别。因此，根据一种优选实施方式，所述云端服务器能够基于发作区域的属性对子视频数据的评估难度等级进行划分，以使得评估难度等级不同的子视频数据能够经所述云端服务器分配至不同的移动终端，其中：在所述移动终端能够对其对应的医护人员的身份数据进行采集，以使得所述云端服务器能够根据所述身份数据为每一个移动终端配置等级标签的情况下，所述子视频数据能够根据所述等级标签分配至所述移动终端。本申请中，子视频数据可以根据其评估难度进行区别发送，例如，可以将评估难度较大的子视频数据发送至经验丰富的医护人员，将评估难度简单的子视频数据发送至经验较浅的医护人员，进而能够达到合理利用人力资源的目的。
根据一种优选实施方式，所述云端服务器能够对视频数据和/或子视频数据按照与时间相关的方式进行第二级分析处理，以至少对癫痫发作的时间和/或次数进行显示，其中：在所述医护人员与所述发作区域产生交互以使得所述视频数据和/或所述子视频数据进行显示的情况下，所述时间和/或次数能够被所述移动终端显示。
根据一种优选实施方式，所述云端服务器能够对视频数据和/或子视频数据按照与药物因素相关的方式进行第三级分析处理，以至少对服药数据进行显示，其中：在所述服药数据至少包括患者服药时间、服药剂量和所服药物的名称的情况下，所述服药数据、所述时间和所述次数能够进行同步显示，使得医护人员能够确定癫痫患者在服药后其癫痫发作所产生的变化。
根据一种优选实施方式，所述云端服务器配置为将癫痫发作时的视频数据和/或子视频数据按照与干扰因素关联的方式进行显示，其中：在所述干扰因素至少包括假性发作、肢体晃动、床体震动，并且所述移动终端在对所述视频数据和/或所述子视频数据进行显示的情况下，所述干扰因素、所述服药数据、所述时间和所述次数能够进行同步显示。
本申请还提供一种适用于癫痫患者的看护辅助装置，所述看护辅助装置至少包括：供患者佩戴的第一数据采集终端，其能够用于采集癫痫患者的生理数据；云端服务器，其能够通信地耦合至所述第一数据采集终端，其中，所述云端服务器能够对所述生理数据进行分析处理以确定是否具有癫痫发作趋势；供医护人员使用的移动终端，其能够通信地耦合至所述云端服务器；通信地耦合至所述云端服务器，且能够在患者癫痫发作时采集患者的视频数据的第二数据采集终端，所述云端服务器或所述移动终端能够根据所述视频数据建立能够表征癫痫患者形态的三维卡通虚拟模型，其中：所述三维虚拟卡通模型能够被划分为若干个发作区域，每一个发作区域均配置有至少一个具有若干个能够表征患者具体部位的动作特征的发作形式的发作形式对话框。
根据一种优选实施方式，在所述患者具有癫痫发作趋势的情况下，所述移动终端能够接收云端服务器推送的癫痫护理方案，所述移动终端配置为：在所述医护人员与所述发作区域产生交互的情况下，与该发作区域对应的发作形式对话框能够被所述移动终端进行直观显示。
本发明的有益技术效果：现有技术中，对癫痫发作形式的分类可以通过对脑电图数据、局部肌肉运动形式(例如眼睑肌肉阵挛)等进行分析而确定的。但是通过脑电图或肌电图对癫痫发作进行分类具有不可避免的局限性：在针对某些肌阵挛发作和某种痉挛发作时，两者的脑电图具有相似的表现形式，此时，通过脑电图是无法对癫痫的发作形式进行确定的，只能通过采集的视频数据确定其动作的快慢以确定是何种癫痫发作。还例如，某些癫痫发作的脑电图存在肌电伪差和晃动伪差，此时只能通过视频数据查看癫痫发作时患者身体各部位的具体动作才能够确定癫痫的发作形式。本申请通过配置发作形式对话框，癫痫的具体发作形式能够被罗列在发作形式对话框中，医护人员可以根据其实际观察到的发作形式对发作形式对话框中的具体发作形式进行勾选以完成癫痫发作形式的记录。因此，针对经验较浅的医护人员，其也能够正常完成癫痫发作形式的记录。
附图说明
图1是本发明优选的癫痫患者数字助理系统模块化连接关系示意图；
图2是本发明优选的三维卡通虚拟模型的形状示意图；和
图3是本发明优选的发作形式对话框的表现形式示意图。
附图标记列表
1：第一数据采集终端 2：移动终端 3：云端服务器
4：第一存储器 5：第二存储器 6：第二数据采集终端
7：三维卡通虚拟模型 8：发作区域 9：发作形式对话框
具体实施方式
下面结合附图进行详细说明。
实施例1
如图1至图3所示，本发明提供一种可佩戴的癫痫患者数字助理系统，至少包括第一数据采集终端1、移动终端2和云端服务器3。第一数据采集终端1、移动终端2和云端服务器3彼此均彼此通信地耦合，使得第一数据采集终端1、移动终端2和云端服务器3彼此之间能够进行数据交互。第一数据采集终端1能够供患者佩戴，进而能够采集患者的生理数据。生理数据可以包括患者的脑电图数据、肢体移动数据等。例如，第一数据采集终端1可以是用于采集患者的脑电图数据的传感器。或者，第一数据采集终端1可以是智能手环或脚环，通过将其佩戴在患者的肢体上便可以采集患者肢体的移动数据。通过生理数据能够为癫痫发作形式的分类提供参考依据。例如，当患者产生例如是阵挛发作时，患者的肢体会产生痉挛而呈现振动，进而该肢体移动数据便能够被第一数据采集终端1进行采集。云端服务器3能够第一数据采集终端1采集的生理数据进行存储和分析处理。通过云端服务器3的分析处理能够确定患者的癫痫发作形式。例如，云端服务器3中能够配置有经过大数据训练完成的神经网络模型，当生理数据输入云端服务器3后，神经网络模型便能够根据该生理数据的特征自动确定患者所对应的癫痫发作形式。癫痫发作形式可以根据国际抗癫痫联盟的癫痫发作分类或ILAE的癫痫发作分类进行预设。例如，根据ILAE 2017癫痫发作分类可以将癫痫发作形式预设为表1所示的三类。
表1 ILAE 2017癫痫发作分类
优选的，云端服务器3可以配置有用于对生理数据进行存储的第一存储器4和用于对癫痫护理方案进行存储的第二存储器5。云端服务器3能够通过连入互联网的方式，从网页、论坛、各大医院中获取不同癫痫发作形式所对应的癫痫护理方案。癫痫护理方案至少包括护理方案和注意事项。例如，针对例如是强直发作，患者的临床表现可以是肌肉强直性收缩、口吐白沫等，因此，护理方案可以是解开患者的衣领以避免患者呼吸受阻，侧偏患者头部以避免口部分泌物回流而窒息等。注意事项可以是避免约束患者四肢。移动终端2可以供患者随身携带使用。云端服务器3能够将癫痫护理方案推送至移动终端2。移动终端2能够通过语音播放和/或视频播放的方式对癫痫护理方案进行显示，进而使得患者在突发癫痫时，该患者周围毫无医护知识的普通人群能够根据移动终端2现实的癫痫护理方案对该患者进行正确护理。
优选的，癫痫患者数字助理系统还包括第二数据采集终端6。第二数据采集终端6用于在患者癫痫发作时，对患者的视频数据进行采集。第二数据采集终端6能够通信地耦合至云端服务器3，使得其采集的视频数据能够存储至第一存储器4，并且该视频数据能够被云端服务器3进行分析处理，以为患者的癫痫发作形式的分类提供依据。现有技术中，对癫痫发作形式的分类可以通过对脑电图数据、局部肌肉运动形式(例如眼睑肌肉阵挛)等进行分析而确定的。但是通过脑电图或肌电图对癫痫发作进行分类具有不可避免的局限性：在针对某些肌阵挛发作和某种痉挛发作时，两者的脑电图具有相似的表现形式，此时，通过脑电图是无法对癫痫的发作形式进行确定的，只能通过采集的视频数据确定其动作的快慢以确定是何种癫痫发作。还例如，某些癫痫发作的脑电图存在肌电伪差和晃动伪差，此时只能通过视频数据查看癫痫发作时患者身体各部位的具体动作才能够确定癫痫的发作形式。因此，本申请通过设置第二数据采集终端6以采集患者癫痫发作时的视频数据，进而能够为癫痫发作的分类提供更为准确的辅助参考数据。
实施例2
本实施例是对实施例1的进一步改进，重复的内容不再赘述。
优选的，云端服务器3能够根据第二数据采集终端6采集的视频数据进行建模以获取患者的三维卡通虚拟模型7。或者，云端服务器3和移动终端2中均配置有预先建立的三维卡通虚拟模型7。三维卡通虚拟模型7是指与患者的体型相当的人体模型。三维卡通虚拟模型7可以被划分为若干个发作区域8。在癫痫发作时，患者不同部位会有不同的动作，所有部位所发生的动作均应被记录以为后续确定癫痫发作类型提供参考依据。例如，患者在癫痫发作时，其眼部会出现双眼上翻、凝视发呆、眨动、水平摆动等不同的发作形式。患者的嘴部可以出现嘴角抽搐、口吐白沫、牙关紧咬等不同的发作形式。因此，发作区域8可以至少包括患者四肢、眼部、嘴部等癫痫发作时会有具体动作的部位。每一个发作区域8均配置有至少一个发作形式对话框9。发作形式对话框9至少包括与其发作区域8相对应的发作形式。例如，针对与患者嘴部相对应的发作区域8，其发作形式对话框9便可以包括双眼上翻、凝视发呆、眨动、水平摆动等发作形式。不同的发作区域8对应的发作形式对话框9所包含的发作形式可以是预先设定的，也可以根据具体情况通过云端服务器3或移动终端2进行编辑修改。发作形式对话框9配置为至少能够通过交互的方式进行显示。交互的方式至少包括触控和音控。例如，移动终端2的一级显示菜单可以仅显示三维卡通虚拟模型7。医护人员等看护人员可以根据第二数据采集终端6采集的视频数据或其现场观察到的实际情况触控所需的发作区域8。当看护人员触控发作区域8后，移动终端2便会进入二级显示菜单，二级显示菜单至少包括发作形式对话框9。
优选的，发作形式对话框9还配置为能够通过交互的方式对癫痫发作中出现的动作进行记录。交互的方式至少包括触控和音控。例如，当患者癫痫发作时，其眼部可能出现表现形式为双眼上翻的动作，此时看护人员可以通过点选发作形式对话框9中相应的发作形式以进行记录。具体的，发作形式对话框9中的每一个发作形式均可以配置一个可点选的勾选框。当触摸该勾选框时，可以选中该发作形式，当再次触摸该勾选框时，可以取消选中该发作形式。当勾选框被选中时则表明其对应的发作形式被记录。
优选的，第二数据采集终端6能够具有至少两个工作状态。在根据第一数据采集终端1采集的生理数据确定患者不具有癫痫发作趋势时，第二数据采集终端6能够处于第一工作状态。第一工作状态是指第二数据采集终端6处于休眠的不工作状态。在根据第一数据采集终端1采集的生理数据确定患者具有癫痫发作趋势时，第二数据采集终端6能够被唤醒而处于第二工作状态。第二工作状态是指第二数据采集终端6处于通电工作以采集患者的视频数据的工作状态。第二数据采集终端6能够通过交互的方式进行唤醒。交互方式至少包括语音交互。即，当医护人员获知患者癫痫发作时，医护人员可以通过语音唤醒第二数据采集终端。或者，使用者可以对云端服务器3配置唤醒条件，当满足唤醒条件时，云端服务器3能够将第二数据采集终端6唤醒以采集患者的视频数据。例如，唤醒条件可以是检测到患者具有癫痫发作趋势。针对癫痫患者，2分钟是一个临床上的关键时间点，即从患者癫痫发作开始，超过2分钟，必须给终止抽搐的药物，否则会造成脑部永久性损伤。在0～2分钟之间，护理人员可能忙于擦除患者口部分泌物、给药等护理操作而无法对患者的发作形式进行观察采集。因此，为了避免无法及时对患者的发作形式进行记录，患者的癫痫发作时，通常需要配置至少两名医护人员，其中，一名医护人员用于对患者进行护理，另一名医护人员用于记录患者的癫痫发作形式，最终导致医护人员人手紧张的问题。本申请能够对第二数据采集终端6进行及时唤醒以对患者的视频数据进行采集，使得医护人员在完成护理操作，能够对采集的视频数据进行重复观察以记录患者的癫痫发作形式。整个操作只需一名医护人员即可完成，从而降低了人员劳动成本。
实施例3
本实施例是对前述实施例的进一步改进，重复的内容不再赘述。
优选的，云端服务器3能够对视频数据按照与部位相关的方式进行第一级分析处理，以获取与各发作区域8相关的子视频数据。具体的，云端服务器3能够根据发作区域8对第二数据采集终端6采集的视频数据进行分割，进而获得与发作区域8相对应的子视频数据。在医护人员与发作区域8产生交互的情况下，与该发作区域8对应的子视频数据能够与至少一个发作形式对话框9进行关联显示，使得子视频数据能够与至少一个发作形式对话框9在移动终端2的同一显示范围内进行同步显示，其中，至少一个发作形式对话框9能够根据发作区域8的属性进行筛选。同一显示范围可以是移动终端2的同一个显示页面。发作区域的属性是指其具体对应的患者的身体部位。例如，发作区域所涉及的身体部位为嘴部时，至少一个发作形式对话框9则是与嘴部的发作形式相关的。例如，发作区域8可以具体表现为嘴部、眼部等部位。视频数据进行分割后能够形成只显示嘴部的动作特征的第一子视频数据，或者形成只显示眼部的动作特征的第二子视频数据。子视频数据能够与其对应的发作形式对话框9进行关联显示，使得当发作形式对话框9按照交互的方式进行显示的情况下，子视频数据能够进行同步显示。现有技术中，医护人员对视频数据进行查看通常是按照整体观察的方式进行查看。即，视频数据包含患者整个身体的所有动作特征，进而医护人员在通过观察视频数据进行观察以记录患者不同部位的发作形式时会存在相互干扰的情况，使得医护人员需要对患者的视频数据进行多次观察后方可记录较为完整的各发作区域8的发作形式。本申请通过设置子视频数据能够达到如下技术效果：一者，子视频数据是与发作区域8一一对应的，即，针对表现形式为眼部的发作区域8，其对应的子视频数据仅显示眼部的发作过程的视频数据，其并不会将例如是嘴部、肢体的视频数据进行显示，进而医护人员能够对发作区域8的发作形式进行依次记录，避免了相互干扰导致的记录出错。二者，现有技术中，医护人员通常是使用纸张式记录表对癫痫患者的发作形式进行记录的，纸张式记录表可以拿在手中或放在办公桌上，此时，医护人员通过电脑等显示设备对视频数据进行观察时，由于纸张式记录表和电脑的显示屏幕并未处于同一个观察平面内，进而导致医护人员在纸张式记录表上记录发作形式时，其视线会离开显示设备，进而导致医护人员遗漏某些重要的发作形式，或者医护人员可以将显示设备暂停，并且在记录完发作形式后，继续播放视频数据，但是该过程会导致整个记录时间的增加。本申请的发作形式对话框与子视频数据能够进行同步显示，即移动终端2的同一个屏幕页面内会同时显示发作形式对话框和播放子视频数据，使得用于记录发作形式的发作形式对话框9和子视频数据均位于同一个观察平面内，进而医护人员在记录发作形式时，其不用暂停子视频数据的播放并且其视线也不会离开子视频数据，进而能够达到缩短发作形式记录时间和降低发作形式遗漏风险的目的。三者，每一个子视频数据所涉及的发作区域8能够彼此不同，使得在移动终端2对若干个子视频数据进行同时播放显示的情况下，若干个子视频数据在同一时刻下显示的视频内容所涉及的发作区域8能够彼此不同。现有技术中，医护人员在对患者的癫痫发作形式进行观察的过程中，通常可以配置例如是记录表进行记录。当癫痫发作时，患者的不同身体部位可能会在同一时刻出现不同的动作。同时，随着时间的推移，同一身体部位所产生的工作也可能出现变化，使得医护人员在观察记录的过程中会出现遗漏的情况。例如，常见的情况便是：在癫痫发作时，患者的肢体的动作幅度或剧烈程度较大，其会首先引起医护人员的注意，使得医护人员花费过多精力对肢体的动作进行观察记录，从而对患者的嘴角、眼角等部位的细微动作形成忽视，最终便会导致癫痫分类结果的不准确。本申请通过设置子视频数据，使得医护人员能够对每一个发作区域的发作形式进行详细记录。即，整个记录过程为，第一个发作区域完全记录完成后，第二个发作区域再开始记录。或者可以将不同的子视频数据发送给不同的医护人员，进而通过若干个医护人员的协作，完成所有发作区域的发作形式的同步记录。四者，云端服务器能够基于发作区域8的属性对子视频数据的评估难度等级进行划分，以使得评估难度等级不同的子视频数据能够经云端服务器分配至不同的移动终端2其中：在移动终端2能够对其对应的医护人员的身份数据进行采集，以使得云端服务器3能够根据身份数据为每一个移动终端2配置等级标签的情况下，子视频数据能够根据等级标签分配至移动终端2。例如，身份数据可以显示医护人员的职称等级，职称等级越高表明其经验越丰富，越能够处理评估难度等级更高的子视频数据。不同的医护人员的临床经验彼此不同，在对癫痫发作进行记录时往往会存在较大的偏差，尤其是针对一些较为相近的发作形式的区分。例如，针对患者肢体的抽搐程度，可以划分为剧烈和轻微，不同的医护人员的经验不同，从而会导致划分结果有区别。因此，子视频数据可以根据其评估难度进行区别发送，例如，可以将评估难度较大的子视频数据发送至经验丰富的医护人员，将评估难度简单的子视频数据发送至经验较浅的医护人员，进而能够达到合理利用人力资源的目的。
优选的，云端服务器3能够对视频数据和/或子视频数据按照与时间相关的方式进行第二级分析处理，以至少对癫痫发作的时间和/或次数进行显示。具体的，可以通过绘制曲线图，来清晰地展现出患者癫痫发作的次数与时间周期的关系。例如，可以建立二维直角坐标系，横坐标用于表示日期和时间，纵坐标用于表示癫痫发作的次数。横坐标可以任意选取，比如选取一个月、一周、一天，进而医护人员可以通过图表清晰地看到患者具体的发作次数有无规律，如选取某一天的发作，横坐标呈现的是一天24小时的时间，可以清晰的看到发作次数集中的具体时间段，为调节药物提供了有效的帮助。观察者只需要在患者发作时点击人体图形、相应的发作形式记录下来，时间可以自动记录。或者可以通过语音唤醒的方式进行记录。
优选的，云端服务器3能够对视频数据和/或子视频数据按照与药物因素相关的方式进行第三级分析处理，以至少对服药数据进行显示。服药数据至少包括患者的服药时间、服药剂量和所服药物的名称。具体的，可以绘制曲线图，服药的时间、服药剂量、所服药物的名称可以通过曲线图进行显示。优选的，服药数据、发作次数、时间呈现在同一曲线图上，使得医护人员可以清晰的看出癫痫患者服药后发作形式的变化，进而能够为更改药物或增加、减少药物的剂量提供有效的依据。
优选的，云端服务器3配置为将癫痫发作时的视频数据和/或子视频数据按照与干扰因素关联的方式进行显示。干扰因素是指会对癫痫类型的确定造成干扰的客观因素。例如，干扰因素可以包括假性发作、肢体晃动、床体震动等干扰因素，即，当床体震动时，其会对第一数据采集终端1采集的例如是脑电数据的生理数据造成影响，进而导致癫痫类型的确定出现误差。因此，移动终端2在对视频数据和/或子视频数据进行显示时，可以一并将相关的干扰因素也进行同步显示，进而为医护人员的分析判断提供更为准确和全面的参考依据。
实施例4
本实施例是对前述实施例的进一步改进，重复的内容不再赘述。
本发明一种适用于癫痫患者的看护辅助装置，至少包括：供患者佩戴的第一数据采集终端1，其能够用于采集癫痫患者的生理数据。云端服务器3，其能够通信地耦合至第一数据采集终端1，其中，云端服务器3能够对生理数据进行分析处理以确定是否具有癫痫发作趋势。可以供医护人员使用的移动终端2，其能够通信地耦合至云端服务器3。通信地耦合至云端服务器3，且能够在患者癫痫发作时采集患者的视频数据的第二数据采集终端6。云端服务器3或移动终端2能够根据视频数据建立能够表征癫痫患者形态的三维卡通虚拟模型，其中：三维虚拟卡通模型7能够被划分为若干个发作区域8，每一个发作区域8均配置有至少一个具有若干个能够表征患者具体部位的动作特征的发作形式的发作形式对话框9。
优选的，在患者具有癫痫发作趋势的情况下，移动终端2能够接收云端服务器3推送的癫痫护理方案，移动终端2配置为：在医护人员与发作区域8产生交互的情况下，与该发作区域8对应的发作形式对话框9能够被移动终端2进行直观显示。
实施例5
本实施例是对前述实施例的进一步改进，重复的内容不再赘述。
优选的，第一数据采集终端1和第二数据采集终端6均可以是手环。第一数据采集终端1可以供癫痫患者佩戴使用。第二数据采集终端6能够供其看护人员进行佩戴使用。当云端服务器3基于第一数据采集终端1采集的生理数据而判断癫痫患者具有癫痫发作趋势或者正处于癫痫发作状态时，云端服务器3能够向第二数据采集终端6发出提醒信息，以触发第二数据采集终端6对患者癫痫发作的图像数据进行采集。例如，云端服务器3发出的提醒信息能够触发第二数据采集终端6产生振动或声光报警，进而提示看护人员主动通过第二数据采集终端6采集患者的图像数据。
需要注意的是，上述具体实施例是示例性的，本领域技术人员可以在本发明公开内容的启发下想出各种解决方案，而这些解决方案也都属于本发明的公开范围并落入本发明的保护范围之内。本领域技术人员应该明白，本发明说明书及其附图均为说明性而并非构成对权利要求的限制。本发明的保护范围由权利要求及其等同物限定。
Claims (10)
1.一种可佩戴的癫痫患者数字助理系统，至少包括：
供患者佩戴的第一数据采集终端(1)，其能够用于采集癫痫患者的生理数据；
云端服务器(3)，其能够通信地耦合至所述第一数据采集终端(1)；
供医护人员使用的移动终端(2)，其能够通信地耦合至所述云端服务器(3)，
其特征在于，
所述癫痫患者数字助理系统还包括通信地耦合至所述云端服务器(3)，且能够在患者癫痫发作时采集患者的视频数据的第二数据采集终端(6)，所述移动终端(2)能够根据所述视频数据建立能够表征癫痫患者形态的三维卡通虚拟模型(7)，其中：
所述三维虚拟卡通模型(7)能够被划分为若干个发作区域(8)，每一个发作区域(8)均配置有至少一个具有若干个能够表征患者具体部位的动作特征的发作形式的发作形式对话框(9)。
2.根据权利要求1所述的癫痫患者数字助理系统，其特征在于，所述第二数据采集终端(6)能够具有至少两个工作状态，其中：
在所述云端服务器(3)根据第一数据采集终端(1)采集的生理数据确定癫痫患者不具有癫痫发作趋势的情况下，所述第二数据采集终端(6)能够处于休眠不工作的第一工作状态；
在所述云端服务器(3)根据第一数据采集终端(1)采集的生理数据确定癫痫患者不具有癫痫发作趋势的情况下，所述第二数据采集终端(6)能够由所述第一工作状态切换为通电工作的第二工作状态。
3.根据权利要求1或2所述的癫痫患者数字助理系统，其特征在于，所述云端服务器(3)能够对所述视频数据按照与部位相关的方式进行第一级分析处理，以获取与各发作区域(8)相关的若干个子视频数据，其中：
在所述医护人员与所述发作区域(8)产生交互的情况下，与该发作区域(8)对应的子视频数据能够与至少一个发作形式对话框(9)进行关联显示。
4.根据前述权利要求之一所述的癫痫患者数字助理系统，其特征在于，每一个所述子视频数据所涉及的发作区域(8)能够彼此不同，使得在所述移动终端(2)对所述若干个子视频数据进行同时播放显示的情况下，所述若干个子视频数据在同一时刻下显示的视频内容所涉及的发作区域(8)能够彼此不同。
5.根据前述权利要求之一所述的癫痫患者数字助理系统，其特征在于，所述云端服务器(3)能够基于发作区域(8)的属性对子视频数据的评估难度等级进行划分，其中：
在所述移动终端(2)能够对其对应的医护人员的身份数据进行采集，以使得所述云端服务器(3)能够根据所述身份数据为每一个移动终端(2)配置等级标签的情况下，所述子视频数据能够根据所述等级标签分配至所述移动终端(2)。
6.根据前述权利要求之一所述的癫痫患者数字助理系统，其特征在于，所述云端服务器(3)能够对视频数据和/或子视频数据按照与时间相关的方式进行第二级分析处理，以至少对癫痫发作的时间和/或次数进行显示，其中：在所述医护人员与所述发作区域(8)产生交互以使得所述视频数据和/或所述子视频数据进行显示的情况下，所述时间和/或次数能够被所述移动终端(2)显示。
7.根据前述权利要求之一所述的癫痫患者数字助理系统，其特征在于，所述云端服务器(3)能够对视频数据和/或子视频数据按照与药物因素相关的方式进行第三级分析处理，以至少对服药数据进行显示，其中：
在所述服药数据至少包括患者服药时间、服药剂量和所服药物的名称的情况下，所述服药数据、所述时间和所述次数能够进行同步显示，使得医护人员能够确定癫痫患者在服药后其癫痫发作所产生的变化。
8.根据前述权利要求之一所述的癫痫患者数字助理系统，其特征在于，所述云端服务器(3)配置为将癫痫发作时的视频数据和/或子视频数据按照与干扰因素关联的方式进行显示，其中：
在所述干扰因素至少包括假性发作、肢体晃动、床体震动，并且所述移动终端(2)在对所述视频数据和/或所述子视频数据进行显示的情况下，所述干扰因素、所述服药数据、所述时间和所述次数能够进行同步显示。
9.一种适用于癫痫患者的看护辅助装置，其特征在于，所述看护辅助装置至少包括：
供患者佩戴的第一数据采集终端(1)，其能够用于采集癫痫患者的生理数据；
云端服务器(3)，其能够通信地耦合至所述第一数据采集终端(1)，；
供医护人员使用的移动终端(2)，其能够通信地耦合至所述云端服务器(3)；
通信地耦合至所述云端服务器(3)，且能够在患者癫痫发作时采集患者的视频数据的第二数据采集终端(6)，所述云端服务器(3)或所述移动终端(2)能够根据所述视频数据建立能够表征癫痫患者形态的三维卡通虚拟模型(7)，其中：
所述三维虚拟卡通模型(7)能够被划分为若干个发作区域(8)，每一个发作区域(8)均配置有至少一个具有若干个能够表征患者具体部位的动作特征的发作形式的发作形式对话框(9)。
10.根据权利要求9所述的看护辅助装置，其特征在于，在所述患者具有癫痫发作趋势的情况下，所述移动终端(2)能够接收云端服务器(3)推送的癫痫护理方案，所述移动终端(2)配置为：在所述医护人员与所述发作区域(8)产生交互的情况下，与该发作区域(8)对应的发作形式对话框(9)能够被所述移动终端(2)进行直观显示。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010248246.6A CN111462887B (zh) | 2020-03-31 | 2020-03-31 | 一种可佩戴的癫痫患者数字助理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010248246.6A CN111462887B (zh) | 2020-03-31 | 2020-03-31 | 一种可佩戴的癫痫患者数字助理系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111462887A true CN111462887A (zh) | 2020-07-28 |
| CN111462887B CN111462887B (zh) | 2023-08-29 |
Family
ID=71681675
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010248246.6A Active CN111462887B (zh) | 2020-03-31 | 2020-03-31 | 一种可佩戴的癫痫患者数字助理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111462887B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116509419A (zh) * | 2023-07-05 | 2023-08-01 | 四川新源生物电子科技有限公司 | 一种脑电信息处理方法和系统 |
Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090062696A1 (en) * | 2007-05-18 | 2009-03-05 | Vaidhi Nathan | Abnormal motion detector and monitor |
| US20090171168A1 (en) * | 2007-12-28 | 2009-07-02 | Leyde Kent W | Systems and Method for Recording Clinical Manifestations of a Seizure |
| CN101854529A (zh) * | 2010-04-30 | 2010-10-06 | 第一视频通信传媒有限公司 | 一种细分受众的多画面网络直播方法 |
| CN102387217A (zh) * | 2011-11-16 | 2012-03-21 | 乌维磊 | 无线WiFi医疗监护管理系统 |
| CN103167270A (zh) * | 2011-12-14 | 2013-06-19 | 杭州普维光电技术有限公司 | 人员头部拍摄方法、系统及服务器 |
| CN103156603A (zh) * | 2012-11-20 | 2013-06-19 | 中国人民解放军第四军医大学第一附属医院 | 癫痫发作预警仪 |
| CN104903897A (zh) * | 2012-06-06 | 2015-09-09 | 埃克塞特大学 | 癫痫和癫痫发作的易发性的评定 |
| CN105069729A (zh) * | 2015-08-19 | 2015-11-18 | 北京市神经外科研究所 | 癫痫发作记录与管理患者设备、服务器、医生设备及系统 |
| CN105266818A (zh) * | 2015-11-09 | 2016-01-27 | 四川大学华西医院 | 癫痫患者部分运动性发作可穿戴监测仪 |
| CN106778497A (zh) * | 2016-11-12 | 2017-05-31 | 上海任道信息科技有限公司 | 一种基于综合检测的智能养老看护方法及系统 |
| CN106909784A (zh) * | 2017-02-24 | 2017-06-30 | 天津大学 | 基于二维时频图像深度卷积神经网络的癫痫脑电识别方法 |
| CN107680641A (zh) * | 2017-09-26 | 2018-02-09 | 甘肃万维信息技术有限责任公司 | 一种基于影像云网关的医疗系统 |
| KR20180111245A (ko) * | 2017-03-31 | 2018-10-11 | 재단법인 아산사회복지재단 | 발작 원인 판단 방법, 장치 및 시스템 |
| CN109497997A (zh) * | 2018-12-10 | 2019-03-22 | 杭州妞诺科技有限公司 | 基于多数据采集的癫痫发作检测设备及预警系统 |
| CN208693289U (zh) * | 2018-04-12 | 2019-04-05 | 霍光研 | 防护头围 |
| US20190160287A1 (en) * | 2017-11-30 | 2019-05-30 | International Business Machines Corporation | Seizure detection, prediction and prevention using neurostimulation technology and deep neural network |
| US20190223779A1 (en) * | 2016-04-21 | 2019-07-25 | Jochen Mersmann | Method and system for estimating a location of an epileptogenic zone of a mammalian brain |
| CN110251083A (zh) * | 2019-06-20 | 2019-09-20 | 深圳大学 | 一种癫痫病灶的定位数据的处理方法、系统和存储介质 |
| CN110477907A (zh) * | 2019-07-16 | 2019-11-22 | 华南师范大学 | 一种智能辅助识别痫性发作的方法 |
-
2020
- 2020-03-31 CN CN202010248246.6A patent/CN111462887B/zh active Active
Patent Citations (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090062696A1 (en) * | 2007-05-18 | 2009-03-05 | Vaidhi Nathan | Abnormal motion detector and monitor |
| US20090171168A1 (en) * | 2007-12-28 | 2009-07-02 | Leyde Kent W | Systems and Method for Recording Clinical Manifestations of a Seizure |
| CN101854529A (zh) * | 2010-04-30 | 2010-10-06 | 第一视频通信传媒有限公司 | 一种细分受众的多画面网络直播方法 |
| CN102387217A (zh) * | 2011-11-16 | 2012-03-21 | 乌维磊 | 无线WiFi医疗监护管理系统 |
| CN103167270A (zh) * | 2011-12-14 | 2013-06-19 | 杭州普维光电技术有限公司 | 人员头部拍摄方法、系统及服务器 |
| CN104903897A (zh) * | 2012-06-06 | 2015-09-09 | 埃克塞特大学 | 癫痫和癫痫发作的易发性的评定 |
| CN103156603A (zh) * | 2012-11-20 | 2013-06-19 | 中国人民解放军第四军医大学第一附属医院 | 癫痫发作预警仪 |
| CN105069729A (zh) * | 2015-08-19 | 2015-11-18 | 北京市神经外科研究所 | 癫痫发作记录与管理患者设备、服务器、医生设备及系统 |
| CN105266818A (zh) * | 2015-11-09 | 2016-01-27 | 四川大学华西医院 | 癫痫患者部分运动性发作可穿戴监测仪 |
| US20190223779A1 (en) * | 2016-04-21 | 2019-07-25 | Jochen Mersmann | Method and system for estimating a location of an epileptogenic zone of a mammalian brain |
| CN106778497A (zh) * | 2016-11-12 | 2017-05-31 | 上海任道信息科技有限公司 | 一种基于综合检测的智能养老看护方法及系统 |
| CN106909784A (zh) * | 2017-02-24 | 2017-06-30 | 天津大学 | 基于二维时频图像深度卷积神经网络的癫痫脑电识别方法 |
| KR20180111245A (ko) * | 2017-03-31 | 2018-10-11 | 재단법인 아산사회복지재단 | 발작 원인 판단 방법, 장치 및 시스템 |
| CN107680641A (zh) * | 2017-09-26 | 2018-02-09 | 甘肃万维信息技术有限责任公司 | 一种基于影像云网关的医疗系统 |
| US20190160287A1 (en) * | 2017-11-30 | 2019-05-30 | International Business Machines Corporation | Seizure detection, prediction and prevention using neurostimulation technology and deep neural network |
| CN208693289U (zh) * | 2018-04-12 | 2019-04-05 | 霍光研 | 防护头围 |
| CN109497997A (zh) * | 2018-12-10 | 2019-03-22 | 杭州妞诺科技有限公司 | 基于多数据采集的癫痫发作检测设备及预警系统 |
| CN110251083A (zh) * | 2019-06-20 | 2019-09-20 | 深圳大学 | 一种癫痫病灶的定位数据的处理方法、系统和存储介质 |
| CN110477907A (zh) * | 2019-07-16 | 2019-11-22 | 华南师范大学 | 一种智能辅助识别痫性发作的方法 |
Non-Patent Citations (13)
| Title |
|---|
| WANG YUPING 等: "Automated seizure detection using wearable devices: A clinical practice guideline of the International League Against Epilepsy and the International Federation of Clinical Neurophysiology", EPILEPSIA, vol. 62, no. 3, pages 632 - 646 * |
| 张红凯等: "中医眼神特征提取与分类方法研究", 《中华中医药杂志》 * |
| 张红凯等: "中医眼神特征提取与分类方法研究", 《中华中医药杂志》, vol. 33, no. 03, 31 March 2018 (2018-03-31), pages 886 - 889 * |
| 戴莉 等: "无创性癫痫病灶精准定位的研究进展", 《局部手术学杂志》 * |
| 戴莉 等: "无创性癫痫病灶精准定位的研究进展", 《局部手术学杂志》, vol. 27, no. 8, 31 August 2018 (2018-08-31), pages 604 - 608 * |
| 李岳衡 等: "《无线传感器网络与监测应用》", vol. 1, 31 December 2011, 国防工业出版社, pages: 201 * |
| 李忠杰: "基于脑磁图的颞叶癫痫亚型分类研究", 中国优秀硕士学位论文全文数据库 医药卫生科技辑, no. 8, pages 070 - 29 * |
| 林一聪 等: "脑电图监测下癫痫发作期问诊和查体的现状", 《基础医学与临床》 * |
| 林一聪 等: "脑电图监测下癫痫发作期问诊和查体的现状", 《基础医学与临床》, vol. 39, no. 2, 28 February 2019 (2019-02-28), pages 285 - 288 * |
| 胥善治 等: "基于图谱分析的脑电网络研究", 《机电工程》 * |
| 胥善治 等: "基于图谱分析的脑电网络研究", 《机电工程》, vol. 36, no. 2, 28 February 2019 (2019-02-28), pages 218 - 223 * |
| 郑树泉 等: "《工业智能技术与应用》", vol. 1, 31 January 2019, 上海科学技术出版社, pages: 117 * |
| 陈卓凡: "《口腔种植治疗的基础研究与临床应用》", vol. 1, 30 April 2010, 人民军医出版社, pages: 104 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116509419A (zh) * | 2023-07-05 | 2023-08-01 | 四川新源生物电子科技有限公司 | 一种脑电信息处理方法和系统 |
| CN116509419B (zh) * | 2023-07-05 | 2023-09-29 | 四川新源生物电子科技有限公司 | 一种脑电信息处理方法和系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111462887B (zh) | 2023-08-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11848083B2 (en) | Measuring representational motions in a medical context | |
| Rovini et al. | How wearable sensors can support Parkinson's disease diagnosis and treatment: a systematic review | |
| CA2888355C (en) | Systems and methods for evaluation of neuropathologies | |
| Dworkin et al. | Temporomandibular disorders and chronic pain: disease or illness? | |
| JP5784709B2 (ja) | 神経障害を診断および／または治療する際に使う装置 | |
| US8740819B2 (en) | Method and apparatus for measuring representational motions in a medical context | |
| CN109691983B (zh) | 一种智能帕金森患者监护系统 | |
| US20160262664A1 (en) | Detection Of Disease Using Gesture Writing Bio-Markers | |
| CN109893093A (zh) | 一种隐式注视脑机接口的意识状态检测系统 | |
| CN106650196A (zh) | 一种具有周期波功能主体身体特征的方法和系统 | |
| KR20200071647A (ko) | 가상/증강현실 콘텐츠 및 생체신호에 기반한 정신질환 진단 및 치유를 위한 바이오피드백 방법 | |
| Barry et al. | Linking components of event-related potentials and autonomic measures of the orienting reflex | |
| MacDonald et al. | Trial effects in single-trial ERP components and autonomic responses at very long ISIs | |
| CN104684472B (zh) | 用于基于从氧饱和度下降的恢复响应对患者健康状况进行评估的系统和方法 | |
| Li et al. | Seizure detection based on wearable devices: a review of device, mechanism, and algorithm | |
| MacDonald et al. | Trials and intensity effects in single-trial ERP components and autonomic responses in a dishabituation paradigm with very long ISIs | |
| CN105496396A (zh) | 一种带有运动监测功能的便携心电图机 | |
| CN111462887B (zh) | 一种可佩戴的癫痫患者数字助理系统 | |
| CN109717831B (zh) | 一种基于触控手势的非干扰式神经系统疾病辅助检测系统 | |
| Miller et al. | Sleep/wake detection by behavioral response to haptic stimuli | |
| CN110415778B (zh) | 一种基于云数据的个人健康数据管理方法及系统 | |
| KR20220047187A (ko) | 피처 결합을 이용한 인지 기능 검사 방법 및 서버 | |
| Husodo et al. | Association of physician burnout with headache and low back pain during pandemic COVID-19 | |
| Navarro et al. | Lessons from the video-EEG telemetry unit | |
| CN104905791A (zh) | 基于聚类算法来提取呼吸信号的方法及系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |