CN112115856A - 脑电质量评估方法、存储介质及系统 - Google Patents

脑电质量评估方法、存储介质及系统 Download PDF

Info

Publication number
CN112115856A
CN112115856A CN202010981698.5A CN202010981698A CN112115856A CN 112115856 A CN112115856 A CN 112115856A CN 202010981698 A CN202010981698 A CN 202010981698A CN 112115856 A CN112115856 A CN 112115856A
Authority
CN
China
Prior art keywords
signal
window
electroencephalogram
amplitude
lead
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
Application number
CN202010981698.5A
Other languages
English (en)
Other versions
CN112115856B (zh
Inventor
万小姣
朱威灵
孙朋
寿梦婕
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.)
Zhejiang Meilian Medical Technology Co ltd
Original Assignee
Zhejiang Meilian Medical Technology Co ltd
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 Zhejiang Meilian Medical Technology Co ltd filed Critical Zhejiang Meilian Medical Technology Co ltd
Priority to CN202010981698.5A priority Critical patent/CN112115856B/zh
Publication of CN112115856A publication Critical patent/CN112115856A/zh
Application granted granted Critical
Publication of CN112115856B publication Critical patent/CN112115856B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/02—Preprocessing
    • G06F2218/04—Denoising
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/08—Feature extraction

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Psychiatry (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Physiology (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明涉及一种脑电质量评估方法、存储介质及系统。本发明的目的是提供一种脑电质量评估方法、存储介质及系统。本发明的技术方案是：一种脑电信号质量评估方法，其特征在于：获取窗口T期间第i导联采集的脑电滤噪信号Xbp、θ波信号Xθ、α波信号Xα和β波信号Xβ；根据窗口T期间滤噪后正常脑电波信号的占比计算脑电滤噪信号Xbp的振幅评分Pamp；根据窗口T期间θ波信号Xθ的振幅计算θ波振幅分数Pθ；根据窗口T期间α波信号Xα的振幅计算α波振幅分数Pα；根据窗口T期间β波信号Xβ的振幅计算β波振幅分数Pβ；计算窗口T期间第i导联所采集信号中有用信号能量占比Puseful。本发明适用于脑电信号采集领域。

Description

脑电质量评估方法、存储介质及系统
技术领域
本发明涉及一种脑电质量评估方法、存储介质及系统。适用于脑电信号采集领域。
背景技术
脑电信号的质量是脑机接口技术应用的基础。脑电信号是由大脑神经元放电产生的，极为微弱，在采集过程中容易受到各种噪声的干扰，如低频噪声、高频噪声、工频噪声、眼动伪迹、肌电伪迹等。此外，采集电极的松动或氧化情况，也会导致采集的脑电信号异常。记录的脑电信号的质量直接影响到脑机接口应用的性能。特别是实时分析时，由于缺少人工筛选和评估，质量低的脑电信号无法被剔除，严重影响了脑电信号后续分析的准确性。
目前，大多数脑机接口的研究，较多关注噪声的去除，所选信号特征和分类器的有效性，在脑电信号质量评估方面的研究较少，用于分析脑电信号的方法的准确性不足以满足当前和未来的要求。因此，研发一种脑电信号质量的实时评估方法具有重要的意义。
本发明提出的脑电信号质量评估系统，是基于不同频带脑电信号中的组成特征，从生物和统计的角度来评估脑电信号是否可靠的自动化系统。该系统基于脑电信号的特性和噪声水平，在脑电信号每个通道进行自动化质量测量，有助于脑机接口应用程序忽略低质量的信号，提高分析效率。
发明内容
本发明要解决的技术问题是：针对上述存在的问题，提供一种脑电质量评估方法、存储介质及系统。
本发明所采用的技术方案是：一种脑电信号质量评估方法，其特征在于：
获取窗口T期间第i导联采集的脑电滤噪信号Xbp、θ波信号Xθ、α波信号Xα和β波信号Xβ；
根据窗口T期间滤噪后正常脑电波信号的占比计算脑电滤噪信号Xbp的振幅评分Pamp；
根据窗口T期间θ波信号Xθ的振幅计算θ波振幅分数Pθ；根据窗口T期间α波信号Xα的振幅计算α波振幅分数Pα；根据窗口T期间β波信号Xβ的振幅计算β波振幅分数Pβ；
计算窗口T期间第i导联所采集信号中有用信号能量占比Puseful；
根据下式计算第i导联的脑电波信号质量评分Pi：
Figure BDA0002687756580000021
式中γ为权重值，0≤γ≤1。
根据第i导联的脑电波信号质量评分Pi计算所有导联的加权评分Ptotal；
Figure BDA0002687756580000022
其中λi为权重且
Figure BDA0002687756580000023
λi为各导联评分权重，由用户根据对相应导联的感兴趣程度进行设置。
所述根据窗口T期间滤噪后正常脑电波信号的占比计算脑电滤噪信号Xbp的振幅评分Pamp，包括：
在-1000μV～1000μV范围内按照10μV宽度均分为200等份的小格子；
统计窗口T期间介于-100μV～100μV之间被脑电滤噪信号Xbp使用的小格子数与所有被脑电滤噪信号Xbp使用的格子数的百分比Pamp1；
统计窗口T期间介于-100μV～100μV内的脑电滤噪信号Xbp采样点数与第i导联总采样点数的百分比Pamp2；
统计第i导联窗口T期间脑电滤噪信号Xbp的1阶差分值大于10μV的个数p；根据下式计算振幅评分Pamp：
Figure BDA0002687756580000031
其中sign为符号函数。
Pθ为窗口T期间θ波信号Xθ振幅不超过θ波阈值Thrθ的采样点数占第i导联采集的总采样点数的百分比；
Pα为窗口T期间α波信号Xα振幅不超过α波阈值Thrα的采样点数占第i导联采集的总采样点数的百分比；
Pβ为窗口T期间β波信号Xβ振幅不超过β波阈值Thrβ的采样点数占第i导联采集的总采样点数的百分比。
计算窗口T期间第i导联所采集信号中有用信号能量占比Puseful，包括：
对窗口T期间的脑电滤噪信号Xbp做傅里叶变换，得到Xbp(f)；
计算窗口T期间的信号总能量：
Figure BDA0002687756580000032
其中N为窗口T期间的采样点数；
对幅值平方在0.5～30Hz内进行积分求得第i导联所采集信号的信号能量为
Figure BDA0002687756580000033
计算Puseful，
Figure BDA0002687756580000034
γ为0.8。
T为1s。
Pi或Ptotal得分与信号表现的对应关系如下表：
Figure BDA0002687756580000035
Figure BDA0002687756580000041
一种存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现所述脑电质量评估方法的步骤。
一种脑电质量评估系统，其特征在于，包括：
若干导联，用于采集用户的脑电信号；
选频和滤噪模块，包括工频陷波器和4～8Hz、8～13Hz、13～30Hz以及0.5～30Hz带通滤波器，用于将单个导联采集的脑电信号经过工频陷波器，然后通过4～8Hz、8～13Hz、13～30Hz以及0.5～30Hz带通滤波器进行选频及滤噪分别得到Xθ、Xα、Xβ以及Xbp；
处理模块，包括存储器和处理器，存储器上存储有计算机程序，计算机程序被处理器执行时实现所述脑电质量评估方法的步骤。
本发明的有益效果是：本发明可以实时分析脑电信号质量，及时提示脑电设备用户，便于调整设备，提高采集效率；本发明可出具脑电数据分析报告，不仅支持实时分析，也支持离线分析，方便不同用户或同一用户不同时间、不同状态的脑电数据进行分析和比较，为用户提供参考。本发明适用性广泛，可与多种脑电设备对接。本发明可以只对高质量的脑电数据进行分析运算，忽略低质量的信号，提高BCI应用运行效率。本发明在不同噪声水平下具有较好的鲁棒性，评估信号质量的准确性较高。
附图说明
图1为实施例中θ波信号Xθ的波形图。
具体实施方式
本实施例为一种脑电质量评估方法，包括以下步骤：
获取窗口T期间第i导联采集的、经选频及滤噪得到的脑电滤噪信号Xbp、θ波信号Xθ、α波信号Xα和β波信号Xβ。
根据窗口T期间滤噪后正常脑电波信号的占比计算脑电滤噪信号Xbp的振幅评分Pamp；
考虑脑电信号正常波幅在-100μV～100μV之间，评分主要分析正常脑电信号的占比，计算方式如下：
考虑一般脑电信号不会超过正负1000μV，因此在-1000μV～1000μV按照10μV宽度均分为200等份的小格子；
第i导联的采样值落入到对应的小格子中，则对应小格子计数加1；这里小于-1000μV则以-1000μV计算，大于1000μV则以1000μV计算；
统计指定窗口T期间(考虑实时性，一般T为1s)介于-100μV～100μV之间被使用的小格子数与所有被使用的小格子数的百分比Pamp1；
统计指定窗口T期间介于-100μV～100μV内的正常脑电信号的样本数与窗口T期间总样本数的百分比Pamp2；
统计窗口T内1阶差分值大于10μV的个数p；
该导联基于信号幅度的信号质量评分可表示为：
Figure BDA0002687756580000051
其中sign为符号函数。
统计窗口T期间θ波振幅的评分，该评分是根据第i导联的θ波的振幅来计算；检查导联中不超过阈值Thrθ振幅(Thrθ＝30μv)占比，超过Thrθ的采样点数越多，认为信号中的噪声就越多；θ波振幅分数Pθ记作为信号窗口T中不超过Thrθ的采样点数占总采样点数的百分比；如图1所示，本实施例中
Pθ＝(T1+T2+T3)*采样率/(T*采样率)；
统计窗口T期间α波振幅的评分，该评分是根据第i导联的α波的振幅来计算；检查导联中不超过阈值Thrα振幅(Thrα＝20μv)占比，超过Thrα的采样点数越多，认为信号中的噪声就越多；α波幅值分数Pα是指在信号窗口T中不超过Thrα的采样点数占总采样点数的百分比；
统计窗口T期间β波振幅的评分，该评分是根据第i导联的β波的振幅来计算；检查导联中不超过阈值Thrβ的振幅(Thrβ＝20μv)占比，超过Thrβ的采样点数越多，信号中的噪声就越多，β波幅值分数Pβ是指在信号窗口T中不超过Thrβ的采样点数占总采样点数的百分比。
计算第i导联有用信号能量占比Puseful，虽然大部分干扰可以通过陷波器以及带通滤波器尽量消除，但是考虑到当处于环境比较恶劣的环境下信号经过预处理后仍会对脑电信号造成较大的影响，具体计算如下：
对窗口T期间的Xbp做快速傅里叶变换得到Xbp(f)，并求窗口中的信号总能量：
Figure BDA0002687756580000061
其中N为窗口T内的采样点数；以某导联i来计算，N是单导联窗口T内采集到的采样点数，N＝T*采样率。
对幅值平方在0.5～30Hz内进行积分求得信号能量为
Figure BDA0002687756580000062
则可以得到
Figure BDA0002687756580000063
信号干扰越大，Puseful越小。
第i导联的质量的评分计算如下：
Figure BDA0002687756580000064
式中γ为权重值，0≤γ≤1，建议γ为0.8。
用户可以在系统中查看第i导联的评分；导联评分与信号表现的关系，通过对比训练数百例健康人群的脑电数据的系统评估得分与专家评分而得出的综合评分模型来确定。
实测建议导联得分与信号表现的对应关系如下表1：
Figure BDA0002687756580000065
Figure BDA0002687756580000071
综合评分模块为选定的所有导联的加权评分：
Figure BDA0002687756580000072
其中λi为权重且
Figure BDA0002687756580000073
其中N为导联总数。
计入综合评分的导联可以是所有采集脑电信号的导联，也可以只选取部分感兴趣的导联。λi为各导联评分权重，根据用户对该导联的感兴趣程度进行设置。若用户对第i导联完全不感兴趣，则可将λi设为0，其它权重自动更新，以使λ加和为1。若用户较为关注第i导联的评分，则可适当增加λi的数值，其它权重自动更新，以使λ加和为1。
系统评估完毕后，会自动输出该次脑电信号质量评估的得分及信号表现，信号表现分为差、一般、较好、非常好。总得分与信号表现的关系，通过对比训练数百例健康人群的脑电数据的系统评估得分与专家评分而得出的综合评分模型来确定。实测建议总得分与信号表现的对应关系同表1。
本实施例还提供一种存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现本实施例脑电质量评估方法的步骤。
本实施例还提供一种脑电质量评估系统，包括若干导联、选频和滤噪模块和处理模块，其中导联用于配合采集电极等采集用户的脑电信号；选频和滤噪模块包括工频陷波器和4～8Hz、8～13Hz、13～30Hz以及0.5～30Hz带通滤波器，用于将单个导联采集的脑电信号经过工频陷波器，然后通过4～8Hz、8～13Hz、13～30Hz以及0.5～30Hz带通滤波器进行选频及滤噪分别得到Xθ、Xα、Xβ以及Xbp；处理模块包括存储器和处理器，存储器上存储有计算机程序，计算机程序被处理器执行时实现本实施例脑电质量评估方法的步骤。

Claims (10)

1.一种脑电信号质量评估方法，其特征在于：
获取窗口T期间第i导联采集的脑电滤噪信号Xbp、θ波信号Xθ、α波信号Xα和β波信号Xβ；
根据窗口T期间滤噪后正常脑电波信号的占比计算脑电滤噪信号Xbp的振幅评分Pamp；
根据窗口T期间θ波信号Xθ的振幅计算θ波振幅分数Pθ；根据窗口T期间α波信号Xα的振幅计算α波振幅分数Pα；根据窗口T期间β波信号Xβ的振幅计算β波振幅分数Pβ；
计算窗口T期间第i导联所采集信号中有用信号能量占比Puseful；
根据下式计算第i导联的脑电波信号质量评分Pi：
Figure FDA0002687756570000011
式中γ为权重值，0≤γ≤1。
2.根据权利要求1所述的脑电信号质量评估方法，其特征在于：根据第i导联的脑电波信号质量评分Pi计算所有导联的加权评分Ptotal；
Figure FDA0002687756570000012
其中λi为权重且
Figure FDA0002687756570000013
λi为各导联评分权重，由用户根据对相应导联的感兴趣程度进行设置。
3.根据权利要求1或2所述的脑电信号质量评估方法，其特征在于：所述根据窗口T期间滤噪后正常脑电波信号的占比计算脑电滤噪信号Xbp的振幅评分Pamp，包括：
在-1000μV～1000μV范围内按照10μV宽度均分为200等份的小格子；
统计窗口T期间介于-100μV～100μV之间被脑电滤噪信号Xbp使用的小格子数与所有被脑电滤噪信号Xbp使用的格子数的百分比Pamp1；
统计窗口T期间介于-100μV～100μV内的脑电滤噪信号Xbp采样点数与第i导联总采样点数的百分比Pamp2；
统计第i导联窗口T期间脑电滤噪信号Xbp的1阶差分值大于10μV的个数p；
根据下式计算振幅评分Pamp：
Figure FDA0002687756570000021
其中sign为符号函数。
4.根据权利要求1或2所述的脑电信号质量评估方法，其特征在于：
Pθ为窗口T期间θ波信号Xθ振幅不超过θ波阈值Thrθ的采样点数占第i导联采集的总采样点数的百分比；
Pα为窗口T期间α波信号Xα振幅不超过α波阈值Thrα的采样点数占第i导联采集的总采样点数的百分比；
Pβ为窗口T期间β波信号Xβ振幅不超过β波阈值Thrβ的采样点数占第i导联采集的总采样点数的百分比。
5.根据权利要求1或2所述的脑电信号质量评估方法，其特征在于：计算窗口T期间第i导联所采集信号中有用信号能量占比Puseful，包括：
对窗口T期间的脑电滤噪信号Xbp做傅里叶变换，得到Xbp(f)；
计算窗口T期间的信号总能量：
Figure FDA0002687756570000022
其中N为窗口T期间的采样点数；
对幅值平方在0.5～30Hz内进行积分求得第i导联所采集信号的信号能量为
Figure FDA0002687756570000023
计算Puseful，
Figure FDA0002687756570000024
6.根据权利要求1或2所述的脑电信号质量评估方法，其特征在于：γ为0.8。
7.根据权利要求1或2所述的脑电信号质量评估方法，其特征在于：T为1s。
8.根据权利要求2所述的脑电质量评估方法，其特征在于：Pi或Ptotal得分与信号表现的对应关系如下表：
Figure FDA0002687756570000031
9.一种存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现权利要求1～8任意一项所述脑电质量评估方法的步骤。
10.一种脑电质量评估系统，其特征在于，包括：
若干导联，用于采集用户的脑电信号；
选频和滤噪模块，包括工频陷波器和4～8Hz、8～13Hz、13～30Hz以及0.5～30Hz带通滤波器，用于将单个导联采集的脑电信号经过工频陷波器，然后通过4～8Hz、8～13Hz、13～30Hz以及0.5～30Hz带通滤波器进行选频及滤噪分别得到Xθ、Xα、Xβ以及Xbp；
处理模块，包括存储器和处理器，存储器上存储有计算机程序，计算机程序被处理器执行时实现权利要求1～8任意一项所述脑电质量评估方法的步骤。
CN202010981698.5A 2020-09-17 2020-09-17 脑电质量评估方法、存储介质及系统 Active CN112115856B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010981698.5A CN112115856B (zh) 2020-09-17 2020-09-17 脑电质量评估方法、存储介质及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010981698.5A CN112115856B (zh) 2020-09-17 2020-09-17 脑电质量评估方法、存储介质及系统

Publications (2)

Publication Number Publication Date
CN112115856A true CN112115856A (zh) 2020-12-22
CN112115856B CN112115856B (zh) 2024-06-14

Family

ID=73799851

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010981698.5A Active CN112115856B (zh) 2020-09-17 2020-09-17 脑电质量评估方法、存储介质及系统

Country Status (1)

Country Link
CN (1) CN112115856B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113288175A (zh) * 2021-05-31 2021-08-24 量心科技(深圳)有限公司 脑电信号的质量检测方法、装置、电子设备及存储介质
CN113576495A (zh) * 2021-07-19 2021-11-02 浙江迈联医疗科技有限公司 结合eeg数据质量的运动想象评估方法
CN114098766A (zh) * 2021-11-04 2022-03-01 杭州菲诗奥医疗科技有限公司 一种eeg信号质量自动检测方法
CN116226481A (zh) * 2022-12-30 2023-06-06 北京视友科技有限责任公司 一种基于脑电的实验数据筛选方法、系统及存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102920453A (zh) * 2012-10-29 2013-02-13 泰好康电子科技（福建）有限公司 一种脑电波信号处理方法及其装置
KR20160095247A (ko) * 2015-02-02 2016-08-11 한양대학교 에리카산학협력단 뇌파를 이용한 사용자 상태 제어 방법
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
US20190038166A1 (en) * 2018-01-03 2019-02-07 Intel Corporation Detecting fatigue based on electroencephalogram (eeg) data
CN110739083A (zh) * 2019-10-29 2020-01-31 浙江迈联医疗科技有限公司 增强康复训练效果的综合评价方法、装置、存储介质及设备
CN111012341A (zh) * 2020-01-08 2020-04-17 东南大学 基于可穿戴脑电设备的伪迹去除和脑电信号质量评估方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102920453A (zh) * 2012-10-29 2013-02-13 泰好康电子科技（福建）有限公司 一种脑电波信号处理方法及其装置
KR20160095247A (ko) * 2015-02-02 2016-08-11 한양대학교 에리카산학협력단 뇌파를 이용한 사용자 상태 제어 방법
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
US20190038166A1 (en) * 2018-01-03 2019-02-07 Intel Corporation Detecting fatigue based on electroencephalogram (eeg) data
CN110739083A (zh) * 2019-10-29 2020-01-31 浙江迈联医疗科技有限公司 增强康复训练效果的综合评价方法、装置、存储介质及设备
CN111012341A (zh) * 2020-01-08 2020-04-17 东南大学 基于可穿戴脑电设备的伪迹去除和脑电信号质量评估方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
HOUTAN JEBELLI ETAL.: "EEG Signal-Processing Framework to Obtain High-Quality Brain Waves from an Off-the-Shelf Wearable EEG Device", 《JOURNAL OF COMPUTING IN CIVIL ENGINEERING》, vol. 32, no. 1, 31 December 2018 (2018-12-31), pages 1 - 12 *
JOLANDA WITTEVEEN ET AL.: "Comparison of a Pragmatic and Regression Approach for Wearable EEG Signal Quality Assessment", 《IEEE JOURNAL OF BIOMEDICAL AND HEALTH INFORMATICS》, vol. 24, no. 3, pages 735 - 746, XP011775871, DOI: 10.1109/JBHI.2019.2920381 *
THEA RADÜNTZ: "Signal Quality Evaluation of Emerging EEG Devices", 《BIOMEDICAL PHYSICS（A SECTION OF THE JOURNAL FRONTIERS IN PHYSIOLOGY）》, vol. 9, pages 1 - 12 *
万小娇等: "基于改进的视觉CPT范式对注意缺陷多动障碍患儿额区ERPs的研究", 《中国生物医学工程学报》, vol. 33, no. 4, 31 August 2014 (2014-08-31), pages 385 - 391 *
于芳: "使用脑电信号评估降噪后语音的质量", 《中国优秀硕士学位论文全文数据库（信息科技辑）》, no. 02, pages 136 - 437 *
赵春光等: "重症神经患者持续脑电监测应用现状", 《中国实用内科杂志》, vol. 39, no. 12, pages 1020 - 1025 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113288175A (zh) * 2021-05-31 2021-08-24 量心科技(深圳)有限公司 脑电信号的质量检测方法、装置、电子设备及存储介质
CN113288175B (zh) * 2021-05-31 2024-01-19 量心科技(深圳)有限公司 脑电信号的质量检测方法、装置、电子设备及存储介质
CN113576495A (zh) * 2021-07-19 2021-11-02 浙江迈联医疗科技有限公司 结合eeg数据质量的运动想象评估方法
CN113576495B (zh) * 2021-07-19 2023-12-01 浙江迈联医疗科技有限公司 结合eeg数据质量的运动想象评估方法
CN114098766A (zh) * 2021-11-04 2022-03-01 杭州菲诗奥医疗科技有限公司 一种eeg信号质量自动检测方法
CN116226481A (zh) * 2022-12-30 2023-06-06 北京视友科技有限责任公司 一种基于脑电的实验数据筛选方法、系统及存储介质
CN116226481B (zh) * 2022-12-30 2023-11-21 北京视友科技有限责任公司 一种基于脑电的实验数据筛选方法、系统及存储介质

Also Published As

Publication number Publication date
CN112115856B (zh) 2024-06-14

Similar Documents

Publication Publication Date Title
CN112115856A (zh) 脑电质量评估方法、存储介质及系统
Srinivasan et al. Artificial neural network based epileptic detection using time-domain and frequency-domain features
CN105496363B (zh) 基于检测睡眠脑电信号对睡眠阶段进行分类的方法
CN111012341B (zh) 基于可穿戴脑电设备的伪迹去除和脑电信号质量评估方法
Kumari et al. Seizure detection in EEG using time frequency analysis and SVM
Mirzaei et al. EEG analysis based on wavelet-spectral entropy for epileptic seizures detection
US9477640B2 (en) Neural signal processing and/or interface methods, architectures, apparatuses, and devices
Kumar et al. Performance analysis of different filters for power line interface reduction in ECG signal
CN108693448B (zh) 一种应用于电力设备局部放电模式识别系统
CN103405227A (zh) 基于双层形态学滤波的心电信号预处理方法
CN114886388B (zh) 一种麻醉深度监测过程中脑电信号质量的评估方法及装置
CN103405225A (zh) 一种获取疼感评测指标的方法、装置及设备
CN111067513A (zh) 一种特征权重自学习的睡眠质量检测关键脑区判定方法
Bhavaraju et al. Analog seizure detection and performance evaluation
CN111887811B (zh) 基于脑电信号特征的大脑异常放电检测方法及系统
JP2023179702A (ja) 聴性脳幹反応の自動測定装置および方法
Fathima et al. Wavelet based features for classification of normal, ictal and interictal EEG signals
Xu et al. ART2 neural network for surface EMG decomposition
CN115067878A (zh) 基于EEGNet的静息态脑电意识障碍分类方法及系统
CN113208615B (zh) 一种用于心肺复苏仪的连续脑电监测及反馈系统与方法
CN110516711B (zh) Mi-bci系统的训练集质量评估方法和单次训练样本的优化方法
DE3246025T1 (de) Mapping der elektrischen Gehirnaktivität
CN113208633A (zh) 一种基于eeg脑波的情绪识别方法、系统
CN111905229A (zh) 一种基于5g的钢琴音乐催眠治疗控制系统及方法
CN2645609Y (zh) 脑电心理测试仪

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