CN111588351B - 一种基于功能近红外脑网络的中医针刺得气智能检测系统 - Google Patents

一种基于功能近红外脑网络的中医针刺得气智能检测系统 Download PDF

Info

Publication number
CN111588351B
CN111588351B CN202010520614.8A CN202010520614A CN111588351B CN 111588351 B CN111588351 B CN 111588351B CN 202010520614 A CN202010520614 A CN 202010520614A CN 111588351 B CN111588351 B CN 111588351B
Authority
CN
China
Prior art keywords
layer
parallel
convolutional
brain
convolution
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.)
Active
Application number
CN202010520614.8A
Other languages
English (en)
Other versions
CN111588351A (zh
Inventor
司霄鹏
向绍鑫
明东
张阔
张露丹
张行健
韩顺利
李思成
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin University
Original Assignee
Tianjin University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tianjin University filed Critical Tianjin University
Priority to CN202010520614.8A priority Critical patent/CN111588351B/zh
Publication of CN111588351A publication Critical patent/CN111588351A/zh
Application granted granted Critical
Publication of CN111588351B publication Critical patent/CN111588351B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A61B5/004—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part
    • A61B5/0042—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part for the brain
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/40—Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4058—Detecting, measuring or recording for evaluating the nervous system for evaluating the central nervous system
    • A61B5/4064—Evaluating the brain
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4848—Monitoring or testing the effects of treatment, e.g. of medication
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6802—Sensor mounted on worn items
    • A61B5/6803—Head-worn items, e.g. helmets, masks, headphones or goggles
    • 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
    • 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
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/7405—Details of notification to user or communication with user or patient ; user input means using sound
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H39/00—Devices for locating or stimulating specific reflex points of the body for physical therapy, e.g. acupuncture
    • A61H39/08—Devices for applying needles to such points, i.e. for acupuncture ; Acupuncture needles or accessories therefor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
    • A61H2230/00—Measuring physical parameters of the user

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Animal Behavior & Ethology (AREA)
  • Physics & Mathematics (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Surgery (AREA)
  • Medical Informatics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Artificial Intelligence (AREA)
  • Neurology (AREA)
  • Physiology (AREA)
  • Signal Processing (AREA)
  • Psychiatry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Rehabilitation Therapy (AREA)
  • Epidemiology (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Evolutionary Computation (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Pain & Pain Management (AREA)
  • Psychology (AREA)
  • Neurosurgery (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明公开了一种基于功能近红外脑网络的中医针刺得气智能检测系统，包括：近红外脑信号采集模块按照采样频率采集针刺时受试的脑信号，选取特定时间窗的脑信号进行脑信号预处理；将针刺时的实时功能脑网络输入到已经训练好的并联叠加残差卷积神经网络中，检测模块用于构建功能脑网络和检测被试是否达到得气状态；所述并联叠加残差卷积神经网络在卷积层中添加了内部和外部两种残差块，上一层的输出不仅作为下一层的输入，还可以隔层输入，在通道合并层之后增加了缩放因子层。本发明利用并联叠加残差卷积神经网络与针刺时近红外脑信号构建的功能脑网络，对功能脑网络图像进行分类判别，进而可以客观地检测出受试是否已经达到得气状态。

Description

一种基于功能近红外脑网络的中医针刺得气智能检测系统
技术领域
本发明涉及中医针刺得气状态检测领域，尤其涉及一种基于功能近红外脑网络的中医 针刺得气智能检测系统。
背景技术
针灸历史悠久，是中医学的重要组成部分，数千年来为人类的健康和发展做出了不可 磨灭的贡献。通过应用一定的刺灸方法作用于经络、腧穴，以通经脉，调气血，使人体阴 阳归于相对平衡，脏腑功能恢复正常，从而达到防治疾病的目的。当医师对经穴进行刺激 时，距离针刺点较远的部位都会产生酸、麻、胀、重等得气感应。针灸的效应是基于得气为标准，得气是针灸治疗的基础，经络效应以及治疗原理都是通过得气这一综合反应来得以实现。现阶段对于得气的判别是根据受试对酸、麻、胀、重这几类指标的主观判断，由 于不同受试对感觉的不同度量，所以对于得气的判断存在非常大的主观性，因此需要一种 得气判断的客观方法及装置。
专利号CN103892794A公开了一种针灸气血调节验证方法及装置，用来判断针刺前后 的脉搏波变化，从而验证了针刺的血气调节。但是由于脉搏波无法反映深层次的神经机制， 而且其检测存在较大误差，无法完整反映出针刺的调节作用。
发明内容
针对现阶段对针刺得气判断主要基于主观的感觉判断，本发明提供了一种基于功能近 红外脑网络的中医针刺得气智能检测系统，本发明利用并联叠加残差卷积神经网络与针刺 时近红外脑信号构建的功能脑网络，对功能脑网络图像进行分类判别，进而可以客观地检 测出受试是否已经达到得气状态，详见下文描述：
一种基于功能近红外脑网络的中医针刺得气智能检测系统，包括：
近红外脑信号采集模块按照采样频率采集针刺时受试的脑信号，选取特定时间窗的脑 信号进行脑信号预处理；
将针刺时的实时功能脑网络输入到已经训练好的并联叠加残差卷积神经网络中，检测 模块用于构建功能脑网络和检测被试是否达到得气状态；
所述并联叠加残差卷积神经网络在卷积层中添加了内部和外部两种残差块，上一层的 输出不仅作为下一层的输入，还可以隔层输入，在通道合并层之后增加了缩放因子层。
其中，所述近红外脑信号采集模块包括：11个近红外光源与10个接收器，形成32个通道，主要覆盖在大脑的前额叶部分。
进一步地，所述并联叠加残差卷积神经网络其整体结构是先串联一个卷积层和一个平 均池化层，通过通道合并层后，依次连接到第一并联卷积模块、第二并联卷积模块和第三 并联卷积模块，最后连接到一个最大池化层和输出层。
其中，所述三个并联卷积模块的结构为：
内部并联了三个卷积层支路，第一卷积层支路串联1个1X1的卷积层和一个平均池化 层；第二卷积层支路串联5个3X3的卷积层和一个平均池化层，第三卷积层支路串联5个5X5的卷积层和一个平均池化层，且第一并联卷积模块内部的每一个卷积层都包含32个卷积；
第二卷积层支路和第三卷积层支路中各包括两个内部残差块，分别在第一个卷积层输 入与第二个卷积层输出之间、在第四个卷积层输入与第五个卷积层输出之间存在一个内部 快速通道；
三个卷积层支路经过一个通道合并层后，连接到一个卷积核为1X1的卷积层，最后连 接到缩放因子层；在并联卷积模块最外侧还包含一个外部残差块，在并联卷积模块的输入 和缩放因子层的输出之间存在一个外侧快速通道。
进一步地，所述外侧快速通道在并联卷积模块外部，其结构为从并联卷积模块的输入 端跳过整个并联卷积模块，直接连接到并联卷积模块的输出端。
其中，所述系统还包括：将数据集划分为训练集、验证集和测试集，数据集从输入层 依次通过卷积层、平均池化层、通道合并层、第一并联卷积模块、第二并联卷积模块和第三并联卷积模块，最后连接到一个最大池化层和输出层。
其中，所述系统还包括：显示模块，包括一块显示屏，用于显示当前时间窗的脑网络 以及是否达到得气状态的结果；一个扬声器，在被试达到得气状态后语音提示中医医师。
进一步地，所述特定时间窗的窗宽为30秒，重叠率为50％。
本发明提供的技术方案的有益效果是：
1、本发明可以客观地检测针刺时受试是否达到得气状态，相比于主观量表判断得气 状态更为准确，可以帮助中医医师了解受试当前状态，及时调节针刺手法；
2、本发明提出了一种新型的并联叠加残差卷积神经网络模型，该模型在GoogleNet 模型基础上叠加内部和外部残差块，包含了内部和外部的快速通道，并且在通道合并层之 后增加了缩放因子，使得训练速度提高且可以更好地收敛；
3、本发明提出了将功能脑网络用来作为检测受试是否得气的特征，从脑科学的神经 机制上为判断是否得气提出了一个客观的指标。
附图说明
图1为一种基于功能近红外脑网络的中医针刺得气智能检测系统的原理图；
图2为近红外模块通道布局图；
图3为近红外脑信号采集流程图；
图4为近红外脑信号预处理流程图；
图5为功能脑网络图；
图6为并联叠加残差卷积神经网络结构图。
图7为内部、外部残差块结构图
附图中，各部件代表的列表如下：
1、近红外脑信号采集模块；               2：近红外脑信号预处理模块；
3：检测模块；                           4：显示模块。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面对本发明实施方式作进一步地详 细描述。
近年来，随着神经成像技术的发展，功能近红外逐渐被用于大脑的脑网络分析，研究 发现在不同的任务状态下脑网络会出现明显变化。针刺是否会引起大脑状态发生变化也得 到一定的研究，有关于脑电数据研究表明在针刺得气时，大脑的功能连接与静息态下的功 能连接存在明显差异[1]，这为利用近红外脑网络判断得气状态提供了理论依据。
一种基于功能近红外脑网络的中医针刺得气智能检测系统，参见图1，包括：
如图1所示，本发明检测系统包括：针刺时实时近红外脑信号采集模块1、近红外脑信号预处理模块2、构建功能脑网络、并联叠加残差卷积神经网络，用于检测是否得气、 得出受试是否得气检测结果的检测模块3，以及显示得气检测结果的显示模块4。
其中，近红外脑信号采集模块1包括：11个近红外光源与10个接收器，形成32个通道，光源和接收器固定在同一个采集帽上，受试戴着采集帽进行信号采集。所形成的通道主要覆盖在大脑的前额叶部分，通道布局如图2所示。
近红外脑信号采集过程如图3所示，受试首先戴好采集帽坐在舒服的沙发上，然后中 医医师对受试进行针刺手法刺激，同时近红外脑信号采集模块1按照9Hz的采样频率采集 针刺时受试的脑信号，选取窗宽为30秒、重叠率为50％的特定时间窗的脑信号进行脑信号预处理。
如图4所示，近红外脑信号预处理模块2包括：首先将近红外采集到的光强信号转化 为光密度信号，然后对光密度采用主要成分分析方法去除运动伪迹，之后利用0.01Hz0.2Hz的滤波器去除高频的生理噪声以及0.1Hz的陷波器去除Mayer波干扰信号， 最后根据朗伯比尔定律将滤波之后的光密度转换为HbO/HbR浓度值。
其中，检测模块3用于构建功能脑网络和检测被试是否达到得气状态包括：首先根据 30秒的HbO/HbR浓度值计算通道之间的皮尔逊相关系数，通道作为网络节点，通道对之间的连接作为网络边，通道对之间的连接系数作为网络边的连接强度，由此构建功能脑网络，如图5所示分别为被试在休息非得气状态下和针刺得气状态下的功能脑网络。
然后将针刺时的实时功能脑网络输入到已经训练好的并联叠加残差卷积神经网络中， 通过检测模块3检测此时受试是否到达得气状态。
如图6所示，上述训练好的并联叠加残差卷积神经网络模型包含了输入层31、卷积层 32、残差块33、十个平均池化层34、一个最大值池化层35、四个通道合并层36、三个缩 放因子层37和一个输出层38；其中卷积层32分别包含卷积核为1X1、3X3、5X5的卷积， 各卷积采取并行结构再汇聚到通道合并层36，从而扩大了神经网络的宽度；并在卷积层 32中添加了内部和外部两种残差块33，使上一层的输出不仅可以作为下一层的输入，而 且可以隔层输入，从而使神经网络更好的拟合同等函数。在通道合并层36之后增加了缩 放因子层37，使得卷积神经网络的训练速度得到提高而且可以更好地收敛。
具体地，并联叠加残差卷积神经网络其整体结构是先串联1个卷积层32和一个平均 池化层34，然后通过通道合并层36后，依次连接到第一并联卷积模块1、第二并联卷积模块2和第三并联卷积模块3，最后连接到一个最大池化层35和输出层38。
其中，第一并联卷积模块1内部并联了三个卷积层支路，第一卷积层支路1串联1个1X1的卷积层32和一个平均池化层34；第二卷积层支路2串联5个3X3的卷积层32和一 个平均池化层34，第三卷积层支路3串联5个5X5的卷积层32和一个平均池化层34，且 第一并联卷积模块1内部的每一个卷积层都包含32个卷积。同时第二卷积层支路2和第 三卷积层支路3中各包括两个内部残差块331，分别在第一个卷积层输入与第二个卷积层 输出之间、第四个卷积层输入与第五个卷积层输出之间存在一个内部快速通道。三个卷积 层支路经过一个通道合并层36后，连接到一个卷积核为1X1的包含16个卷积的卷积层32， 最后连接到缩放因子层37。在第一并联卷积模块1最外侧还包含一个外部残差块332，在 第一并联卷积模块1的输入和缩放因子层37的输出之间存在一个外侧快速通道。
具体实现时，第一卷积层、第二卷积层、第三卷积层、第四卷积层、及第五卷积层为在卷积层支路中，按照从上到下排列的次序依次命名，本发明实施例对此不做赘述。
其中，第二并联卷积模块2内部的结构与第一并联卷积模块1的结构类似，其最外侧 也包含一个外侧快速通道。唯一不同的是，第二并联卷积模块3内部每一个卷积层都是64 个卷积，三个卷积层支路经过一个通道合并层36后，连接到一个卷积核为1X1的包含32个卷积的卷积层32，其余结构均相同，在此不做赘述。
其中，第三并联卷积模块3内部的结构与第一并联卷积模块1、第二并联卷积模块2的结构类似，其最外侧也包含一个外侧快速通道。唯一不同的是，第三并联卷积模块3内 部每一个卷积层都是128个卷积，其内部的三个卷积层支路经过一个通道合并层36后， 连接到一个卷积核为1X1的包含64个卷积的卷积层32，其余结构均相同，在此不做赘述。
其中，如图7所示，内侧快速通道在并联支路内部，其结构为从上层输出端跳过两个 卷积层32，直接连接到下层输入端；外侧快速通道在并联卷积模块外部，其结构为从并联 卷积模块的输入端跳过整个并联卷积模块，直接连接到并联卷积模块的输出端。内侧、外 侧快速通道实现了隔层输入，从而使卷积神经网络更好地拟合同等函数。
其中，模型中最后一个池化层是最大值池化层35，其池化核是3X3。模型中所有的池 化层的步长均为2，均使用Relu非线性激活函数，初始权重按照高斯分布随机生成。
将数据集划分为训练集、验证集和测试集，划分比例为8∶1∶1。如图6所示，数据集从 输入层31依次通过卷积层32、平均池化层34、通道合并层36、第一并联卷积模块1、第 二并联卷积模块2和第三并联卷积模块3，最后连接到一个最大池化层35和输出层38。
通过利用交叉熵损失函数来检测网络模型有效性，并且通过Adam优化器和反向传播 的方式对并联叠加残差卷积神经网络模型参数进行调整，以更新每一层的参数，多次循环， 直到网络的准确率和损失函数的输出值稳定，停止训练，从而得到训练好的并联叠加残差 卷积神经网络模型。
将实时采集的30秒近红外脑信号得到的脑网络送入到训练好的并联叠加残差卷积神 经网络中，判断被试是否达到得气状态。
信号得气检测结果显示模块4：包括一块显示屏，屏幕会显示当前时间窗的脑网络以 及是否达到得气状态的结果；一个扬声器，在被试达到得气状态后语音提示中医医师，帮 助中医医师了解当前受试状态，从而有助于医师调整针刺手法。
参考文献
[1]Yu，H.，Wu，X.，Cai，L.，Deng，B.，&Wang，J.“Modulation ofspectral powerand functional connectivity in human brain by acupuncture stimulation.”IEEETransactions on Neural Systems and Rehabilitation Engineering，26(5)，977-986，2018
本发明实施例对各器件的型号除做特殊说明的以外，其他器件的型号不做限制，只要 能完成上述功能的器件均可。
本领域技术人员可以理解附图只是一个优选实施例的示意图，上述本发明实施例序号 仅仅为了描述，不代表实施例的优劣。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则 之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种基于功能近红外脑网络的中医针刺得气智能检测系统，其特征在于，包括：
近红外脑信号采集模块按照采样频率采集针刺时受试的脑信号，选取特定时间窗的脑信号进行脑信号预处理；
将针刺时的实时功能脑网络输入到已经训练好的并联叠加残差卷积神经网络中，检测模块用于构建功能脑网络和检测被试是否达到得气状态；
所述并联叠加残差卷积神经网络在卷积层中添加了内部和外部两种残差块，上一层的输出不仅作为下一层的输入，还可以隔层输入，在通道合并层之后增加了缩放因子层；
所述并联叠加残差卷积神经网络其整体结构是先串联一个卷积层和一个平均池化层，通过通道合并层后，依次连接到第一并联卷积模块、第二并联卷积模块和第三并联卷积模块，最后连接到一个最大池化层和输出层；
所述三个并联卷积模块的结构为：
内部并联了三个卷积层支路，第一卷积层支路串联1个1X1的卷积层和一个平均池化层；第二卷积层支路串联5个3X3的卷积层和一个平均池化层，第三卷积层支路串联5个5X5的卷积层和一个平均池化层，且第一并联卷积模块内部的每一个卷积层都包含32个卷积；
第二卷积层支路和第三卷积层支路中各包括两个内部残差块，分别在第一个卷积层输入与第二个卷积层输出之间、第四个卷积层输入与第五个卷积层输出之间存在一个内部快速通道；
三个卷积层支路经过一个通道合并层后，连接到一个卷积核为1X1的卷积层，最后连接到缩放因子层；在并联卷积模块最外侧还包含一个外部残差块，在并联卷积模块的输入和缩放因子层的输出之间存在一个外侧快速通道；
所述近红外脑信号采集模块包括：11个近红外光源与10个接收器，形成32个通道，主要覆盖在大脑的前额叶部分。
2.根据权利要求1所述的一种基于功能近红外脑网络的中医针刺得气智能检测系统，其特征在于，所述外侧快速通道在并联卷积模块外部，其结构为从并联卷积模块的输入端跳过整个并联卷积模块，直接连接到并联卷积模块的输出端。
3.根据权利要求1所述的一种基于功能近红外脑网络的中医针刺得气智能检测系统，其特征在于，所述系统还包括：将数据集划分为训练集、验证集和测试集，数据集从输入层依次通过卷积层、平均池化层、通道合并层、第一并联卷积模块、第二并联卷积模和第三并联卷积模块，最后连接到一个最大池化层和输出层。
4.根据权利要求1所述的一种基于功能近红外脑网络的中医针刺得气智能检测系统，其特征在于，所述系统还包括：显示模块，包括一块显示屏，用于显示当前时间窗的脑网络以及是否达到得气状态的结果；一个扬声器，当被试达到得气状态时，语音提示中医医师。
5.根据权利要求1-4中任一权利要求所述的一种基于功能近红外脑网络的中医针刺得气智能检测系统，其特征在于，所述特定时间窗的窗宽为30秒，重叠率为50％。
CN202010520614.8A 2020-06-09 2020-06-09 一种基于功能近红外脑网络的中医针刺得气智能检测系统 Active CN111588351B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010520614.8A CN111588351B (zh) 2020-06-09 2020-06-09 一种基于功能近红外脑网络的中医针刺得气智能检测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010520614.8A CN111588351B (zh) 2020-06-09 2020-06-09 一种基于功能近红外脑网络的中医针刺得气智能检测系统

Publications (2)

Publication Number Publication Date
CN111588351A CN111588351A (zh) 2020-08-28
CN111588351B true CN111588351B (zh) 2023-04-11

Family

ID=72180069

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010520614.8A Active CN111588351B (zh) 2020-06-09 2020-06-09 一种基于功能近红外脑网络的中医针刺得气智能检测系统

Country Status (1)

Country Link
CN (1) CN111588351B (zh)

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110028827A1 (en) * 2009-07-28 2011-02-03 Ranganatha Sitaram Spatiotemporal pattern classification of brain states
WO2016069058A1 (en) * 2014-04-25 2016-05-06 The General Hospital Corporation Method for cross-diagnostic identification and treatment of neurologic features underpinning mental and emotional disorders
JP6722845B2 (ja) * 2017-10-03 2020-07-15 株式会社国際電気通信基礎技術研究所 判別装置、うつ症状の判別方法、うつ症状のレベルの判定方法、うつ病患者の層別化方法、うつ症状の治療効果の判定方法及び脳活動訓練装置
US11562243B2 (en) * 2017-11-17 2023-01-24 Meta Platforms, Inc. Machine-learning models based on non-local neural networks
CN110321999B (zh) * 2018-03-30 2021-10-01 赛灵思电子科技(北京)有限公司 神经网络计算图优化方法
KR102130211B1 (ko) * 2018-08-31 2020-07-03 한국과학기술원 인간 의사결정 전략 및 이에 기반한 행동 패턴 추정 bci 시스템 및 그 방법
CN110522412B (zh) * 2019-03-20 2021-11-23 天津大学 基于多尺度脑功能网络分类脑电信号的方法
CN110585591B (zh) * 2019-07-31 2022-11-01 毕宏生 一种基于神经反馈的大脑视觉检测分析设备和方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Fukai Zhang ; Feng Yang ; Ce Li ; Guan Yuan.CMNet: A Connect-and-Merge Convolutional Neural Network for Fast Vehicle Detection in Urban Traffic Surveillance.《IEEE Access》.2019,第7卷72660 - 72671. *
Haitao Yu ; Xinyu Wu ; Lihui Cai ; Bin Deng ; Jiang Wang.Modulation of Spectral Power and Functional Connectivity in Human Brain by Acupuncture Stimulation.《IEEE Transactions on Neural Systems and Rehabilitation Engineering》.2018,第26卷(第5期),977-986. *
李诺.针刺对脑功能影响的数据采集与分析.《中国博士学位论文全文数据库 (医药卫生科技辑)》.2011,全文. *

Also Published As

Publication number Publication date
CN111588351A (zh) 2020-08-28

Similar Documents

Publication Publication Date Title
Balters et al. Capturing emotion reactivity through physiology measurement as a foundation for affective engineering in engineering design science and engineering practices
CN106980746B (zh) 一种基于时序分析的通用无创血糖预测方法
Butkevičiūtė et al. Removal of movement artefact for mobile EEG analysis in sports exercises
CN114376564B (zh) 一种基于心冲击信号的睡眠分期方法、系统、装置及介质
CN109758160B (zh) 一种基于lstm-rnn模型的无创血糖预测方法
CN106178222B (zh) 基于催眠术的智能辅助睡眠方法和系统
CN114748080A (zh) 一种感觉运动功能的检测量化方法和系统
KR102211647B1 (ko) 인공지능 수면개선 비침습적 뇌회로 조절치료시스템 및 방법
CN113180650B (zh) 近红外脑成像图谱识别方法
KR102420359B1 (ko) 감정맞춤형 cbt용 ai제어모듈을 통한 메타버스공간에서의 1:1 감정맞춤형 인지적행동치료 생성장치 및 방법
JP2008516719A (ja) Ｄｖｔ検出
CN116092673B (zh) 一种便携式多信息融合分析及干预评估系统及其方法
CN106175699A (zh) 基于催眠术的智能辅助睡眠设备
CN110610754A (zh) 一种沉浸式可穿戴诊断与治疗装置
Alamudun et al. Removal of subject-dependent and activity-dependent variation in physiological measures of stress
CN117814766B (zh) 一种近红外光谱身心压力与睡眠质量监测系统
CN113040738B (zh) 血压检测装置
CN111588351B (zh) 一种基于功能近红外脑网络的中医针刺得气智能检测系统
KR102340670B1 (ko) 딥러닝 기반의 심리생리검사 시스템 및 방법
CN117281479A (zh) 一种基于表面肌电信号多维度特征融合的人体下肢慢性疼痛判别方法、存储介质及装置
CN117018381A (zh) 一种个性化助眠系统及方法
US20230055617A1 (en) Methods and Systems for Engineering Photoplethysmographic-Waveform Features From Biophysical Signals for Use in Characterizing Physiological Systems
CN216629572U (zh) 一种基于呼吸训练法的降压系统及设备
Seo et al. Partial least squares-discriminant analysis for the prediction of hemodynamic changes using near infrared spectroscopy
JP2002291826A (ja) マッサージ条件決定方法及びこの決定方法を使用したマッサージ機

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