CN112386265A - 认知功能映射脑电振荡的量化分析方法、装置和存储介质 - Google Patents

认知功能映射脑电振荡的量化分析方法、装置和存储介质 Download PDF

Info

Publication number
CN112386265A
CN112386265A CN202110065808.8A CN202110065808A CN112386265A CN 112386265 A CN112386265 A CN 112386265A CN 202110065808 A CN202110065808 A CN 202110065808A CN 112386265 A CN112386265 A CN 112386265A
Authority
CN
China
Prior art keywords
cognitive function
determining
state
patient
threshold
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
CN202110065808.8A
Other languages
English (en)
Other versions
CN112386265B (zh
Inventor
王伊龙
王拥军
钱云
杨磊
汪丰
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.)
Dongshou Medical Technology Suzhou Co ltd
Nanjing Zuoyounao Medical Technology Co ltd
Shenzhen Biaosi Medical Instrument Co ltd
Beijing Tiantan Hospital
Original Assignee
Dongshou Medical Technology Suzhou Co ltd
Shenzhen Biaosi Medical Instrument Co ltd
Nanjing Zuoyounao 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 Dongshou Medical Technology Suzhou Co ltd, Shenzhen Biaosi Medical Instrument Co ltd, Nanjing Zuoyounao Medical Technology Co ltd filed Critical Dongshou Medical Technology Suzhou Co ltd
Priority to CN202110065808.8A priority Critical patent/CN112386265B/zh
Publication of CN112386265A publication Critical patent/CN112386265A/zh
Application granted granted Critical
Publication of CN112386265B publication Critical patent/CN112386265B/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
    • A61B5/40—Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
    • A61B5/4088—Diagnosing of monitoring cognitive diseases, e.g. Alzheimer, prion diseases or dementia
    • 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
    • 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
    • A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters

Landscapes

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

Abstract

本申请公开了一种认知功能映射脑电振荡的量化分析方法、装置和存储介质，涉及信号处理技术领域，所述方法包括：获取病患在预设时间段内正常状态时的脑电信号；获取所述脑电信号在预设频段内的振荡信号；确定所述振荡信号的最大功率谱所对应的峰频率；根据所述峰频率能准确评估所述病患的认知功能的状态。解决了现有技术中的筛查手段稳定性和可靠性较差的问题，达到了可以提高确定得到的认知能力的准确度进而提高稳定性和可靠性的效果。

Description

认知功能映射脑电振荡的量化分析方法、装置和存储介质
技术领域
本发明涉及认知功能映射脑电振荡的量化分析方法、装置和存储介质，属于信号处理技术领域。
背景技术
老年痴呆目前没有特效药物可以治疗，痴呆前期-轻度认知功能障碍期是痴呆早期筛查和早期干预与治疗的最佳时期，可以有效延缓痴呆的发生。轻度认知功能障碍目前主要的筛查手段是认知障碍神经心理测评量表，但其受主观因素影响较大，稳定性和可靠性不理想。
发明内容
本发明的目的在于提供一种认知功能映射脑电振荡的量化分析方法、装置和存储介质，用于解决现有技术中存在的问题。
为达到上述目的，本发明提供如下技术方案：
根据第一方面，本发明实施例提供了一种认知功能映射脑电振荡的量化分析方法，所述方法包括：
获取病患在预设时间段内正常状态时的脑电信号；
获取所述脑电信号在预设频段内的振荡信号；
确定所述振荡信号的最大功率谱所对应的峰频率；
根据所述峰频率确定所述病患的认知功能的状态。
可选的，所述根据所述峰频率确定所述病患的认知功能的状态，包括：
若所述峰频率在第一频率阈值和第二频率阈值之间，则确定所述病患的认知功能的状态为异常；
若所述峰频率在所述第二频率阈值和第三频率阈值之间，则确定所述病患的认知功能的状态为临界。
可选的，所述根据所述峰频率确定所述病患的认知功能的状态，包括：
若所述峰频率不在第一频率阈值和第三频率阈值之间，则获取所述振荡信号所对应的第一预设功率；
计算所述最大功率谱的功率与所述第一预设功率之间的第一功率比值；
计算所述峰频率偏移预设频率范围后的功率和对应的第二预设功率；
计算所述第二预设功率与所述第一预设功率的第二功率比值；
根据所述第一功率比值和所述第二功率比值确定所述病患的认知功能的状态。
可选的，所述根据所述第一功率比值和所述第二功率比值确定所述病患的认知功能的状态，包括：
若所述第一功率比值在第一比值阈值和第二比值阈值之间，则确定所述病患的认知功能的状态为异常；
若所述第一功率比值在所述第二比值阈值和第三比值阈值之间，则确定所述病患的认知功能的状态为临界；
若所述第二功率比值在第四比值阈值和第五比值阈值之间，则确定所述病患的认知功能的状态为异常；
若所述第二功率比值在第五比值阈值和第六比值阈值之间，则确定所述病患的认知功能的状态为临界。
可选的，所述根据所述第一功率比值和所述第二功率比值确定所述病患的认知功能的状态，包括：
若所述第一功率比值不在第一比值阈值和第三比值阈值之间且第二功率比值不在第四比值阈值和第六比值阈值之间，则确定所述振荡信号所对应的功率谱的峰度；
根据所述峰度确定所述病患的认知功能的状态。
可选的，所述根据所述峰度确定所述病患的认知功能的状态，包括：
若所述峰度在第一峰度阈值和第二峰度阈值之间，则确定所述病患的认知功能的状态为异常；
若所述峰度在所述第二峰度阈值和第三峰度阈值之间，则确定所述病患的认知功能的状态为临界。
可选的，所述根据所述峰度确定所述病患的认知功能的状态，包括：
若所述峰度不在第一峰度阈值和第三峰度阈值之间，则构建n个电极对；
计算每个电极对的峰频的差值；
根据所述差值确定所述病患的认知功能的状态。
可选的，所述根据所述差值确定所述病患的认知功能的状态，包括：
若计算得到的n个差值中存在不少于一对的差值大于第四频率阈值，则确定所述病患的认知功能的状态为异常；
若n个差值均在第四频率阈值和第五频率阈值之间，则确定所述病患的认知功能的状态为临界；
否则，则确定所述病患的认知功能的状态为正常。
第二方面，提供了一种认知功能映射脑电振荡的量化分析装置，所述装置包括存储器和处理器，所述存储器中存储有至少一条程序指令，所述处理器通过加载并执行所述至少一条程序指令以实现如第一方面所述的方法。
第三方面，提供了一种计算机存储介质，所述计算机存储介质中存储有至少一条程序指令，所述至少一条程序指令被处理器加载并执行以实现如第一方面所述的方法。
通过获取病患在预设时间段内正常状态时的脑电信号；获取所述脑电信号在预设频段内的振荡信号；确定所述振荡信号的最大功率谱所对应的峰频率；根据所述峰频率确定所述病患的认知功能的状态。解决了现有技术中的筛查手段稳定性和可靠性较差的问题，达到了可以提高确定得到的认知能力的准确度进而提高稳定性和可靠性的效果。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，并可依照说明书的内容予以实施，以下以本发明的较佳实施例并配合附图详细说明如后。
附图说明
图1为本发明一个实施例提供的认知功能映射脑电振荡的量化分析方法的方法流程图；
图2为本发明一个实施例提供的认知功能映射脑电振荡的量化分析方法中采集脑电信号的采集点的示意图；
图3为本发明一个实施例提供的认知功能映射脑电振荡的量化分析装置的结构示意图；
图4为本发明一个实施例提供的计算机存储介质的示意图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间 未构成冲突就可以相互结合。
请参考图1，其示出了本申请一个实施例提供的认知功能映射脑电振荡的量化分析方法的方法流程图，如图1所示，所述方法包括：
步骤101，获取病患在预设时间段内正常状态时的脑电信号；
实际实现时，本申请的信号采集条件为：采样率512Hz，低通滤波30Hz，高通滤波0.5Hz，通过个体的头皮电极在10-20国际系统的19个采集点（Fp1、Fp2、F3、F4、C3、C4、P3、P4、O1、O2、F7、F8、T3、T4、T5、T6、Fz、Cz、Pz）记录，以耳垂为参考电极。比如，请参考图2，其示出了本申请采集脑电信号时各个采集点的示意图。
本步骤在正常状态时，获取上述19个电极位置的信号fy(x),其中y=1…19,分别对应上述19个电极位置。
步骤102，获取所述脑电信号在预设频段内的振荡信号；
在获取到上述脑电信号之后，将上述脑电信号通过带通滤波器，获取预设频段内的振荡信号，预设频段为根据实际应用需求设置的频段，在本实施例中，预设频段可以为7-14Hz。
对于获取到的脑电信号fy(x)获取对应的振荡信号fay(x)。
步骤103，确定所述振荡信号的最大功率谱所对应的峰频率；
计算振荡信号fay(x)的功率谱
Figure DEST_PATH_IMAGE001
，
Figure 760767DEST_PATH_IMAGE002
；
并计算
Figure 3661DEST_PATH_IMAGE001
的功率，确定功率谱
Figure 42024DEST_PATH_IMAGE001
中的最大值
Figure DEST_PATH_IMAGE003
，进而确定对应的峰频率
Figure 596108DEST_PATH_IMAGE004
。
步骤104，根据所述峰频率确定所述病患的认知功能的状态。
若所述峰频率在第一频率阈值和第二频率阈值之间，则确定所述病患的认知功能的状态为异常；如果
Figure DEST_PATH_IMAGE005
,则将其归为异常。
若所述峰频率在所述第二频率阈值和第三频率阈值之间，则确定所述病患的认知功能的状态为临界。如果
Figure 646104DEST_PATH_IMAGE006
,则将其归为临界。其中，临界是指处于正常和异常之间。
若所述峰频率不在第一频率阈值和第三频率阈值之间，则本步骤包括：
第一，获取所述振荡信号所对应的第一预设功率；
第一预设功率为
Figure 715691DEST_PATH_IMAGE001
的功率和
Figure DEST_PATH_IMAGE007
:
Figure 54400DEST_PATH_IMAGE008
；其中
Figure DEST_PATH_IMAGE009
为离散功率谱，
Figure 539739DEST_PATH_IMAGE010
和
Figure DEST_PATH_IMAGE011
为有效频率范围。
第二，计算所述最大功率谱的功率
Figure 568875DEST_PATH_IMAGE003
与所述第一预设功率之间的第一功率比值；
计算
Figure 947379DEST_PATH_IMAGE003
与
Figure 694755DEST_PATH_IMAGE007
的比值
Figure 311681DEST_PATH_IMAGE012
。
第三，计算所述峰频率偏移预设频率范围后的功率和对应的第二预设功率；
预设频率范围为默认的范围或者自定义的数值，在本实施例中以预设频率范围为正负0.5Hz来举例说明。也即本步骤可以计算峰频率
Figure DEST_PATH_IMAGE013
范围的功率和第二预设功率
Figure 273952DEST_PATH_IMAGE014
。
第二预设功率
Figure 826287DEST_PATH_IMAGE014
的计算方式与以上所述的第一预设功率
Figure 60960DEST_PATH_IMAGE007
的计算公式类似，在此不再赘述。
第四，计算所述第二预设功率与所述第一预设功率的第二功率比值；
计算
Figure 215997DEST_PATH_IMAGE014
与
Figure 236037DEST_PATH_IMAGE007
的比值
Figure DEST_PATH_IMAGE015
。
第五，根据所述第一功率比值和所述第二功率比值确定所述病患的认知功能的状态。
若所述第一功率比值在第一比值阈值和第二比值阈值之间，则确定所述病患的认知功能的状态为异常；如果
Figure 776519DEST_PATH_IMAGE016
,则将其归为异常。
若所述第一功率比值在所述第二比值阈值和第三比值阈值之间，则确定所述病患的认知功能的状态为临界；如果
Figure DEST_PATH_IMAGE017
,则将其归为临界。
若所述第二功率比值在第四比值阈值和第五比值阈值之间，则确定所述病患的认知功能的状态为异常；如果
Figure 232908DEST_PATH_IMAGE018
,则将其归为异常。
若所述第二功率比值在第五比值阈值和第六比值阈值之间，则确定所述病患的认知功能的状态为临界。如果
Figure DEST_PATH_IMAGE019
,则将其归为临界。
若所述第一功率比值不在第一比值阈值和第三比值阈值之间且第二功率比值不在第四比值阈值和第六比值阈值之间，则本步骤包括：
A、确定所述振荡信号所对应的功率谱的峰度；
计算
Figure 863741DEST_PATH_IMAGE001
的峰度ky。
Figure 659659DEST_PATH_IMAGE020
；其中
Figure DEST_PATH_IMAGE021
为每个离散频率处的功率谱，
Figure 350534DEST_PATH_IMAGE022
为
Figure DEST_PATH_IMAGE023
均值。
B、根据所述峰度确定所述病患的认知功能的状态。
B1、若所述峰度在第一峰度阈值和第二峰度阈值之间，则确定所述病患的认知功能的状态为异常；如果k1<ky<k2,则将其归为异常。
B2、若所述峰度在所述第二峰度阈值和第三峰度阈值之间，则确定所述病患的认知功能的状态为临界。如果k2<ky<k3,则将其归为临界。
B3、若所述峰度不在第一峰度阈值和第三峰度阈值之间，则本步骤包括：
（1）、构建n个电极对；
比如，结合图2，可以构建8对左右对称的电极对，n为正整数。
（2）、计算每个电极对的峰频的差值；
逐对计算峰频
Figure 372848DEST_PATH_IMAGE024
的差值的绝对值，得到
Figure DEST_PATH_IMAGE025
。其中，a,b分别代表配对的两个电极位置。
（3）、根据所述差值确定所述病患的认知功能的状态。
此后即可根据峰频的差值确定病患的认知功能的状态。具体的：
若所述差值中存在不少于一对的值大于第四频率阈值，则确定所述病患的认知功能的状态为异常；即如果
Figure 679808DEST_PATH_IMAGE025
>
Figure 720445DEST_PATH_IMAGE026
，则判断为异常。
若所述差值都在第四频率阈值和第五频率阈值之间，则确定所述病患的认知功能的状态为临界；即如果
Figure 457588DEST_PATH_IMAGE026
<
Figure 91832DEST_PATH_IMAGE025
<
Figure DEST_PATH_IMAGE027
，则判断为临界。
否则，则确定所述病患的认知功能的状态为正常。
综上所述，通过获取病患在预设时间段内正常状态时的脑电信号；获取所述脑电信号在预设频段内的振荡信号；确定所述振荡信号的最大功率谱所对应的峰频率；根据所述峰频率确定所述病患的认知功能的状态。解决了现有技术中的筛查手段稳定性和可靠性较差的问题，达到了可以提高确定得到的认知能力的准确度进而提高稳定性和可靠性的效果。
另外，上述方法中结合峰频率、功率比和峰度等参数建立了完整的分析规则，提高了对病患认知功能评估的准确度。
参见图3，本申请实施例还提供了一种认知功能映射脑电振荡的量化分析方法装置200，装置200包括至少一个存储器210、至少一个处理器220以及连接不同平台系统的总线230。
存储器210可以包括易失性存储器形式的可读介质，例如随机存取存储器(RAM)211和/或高速缓存存储器212，还可以进一步包括只读存储器(ROM)213。
其中，存储器210还存储有至少一条程序指令，至少一条程序指令可以被处理器220执行，使得处理器220执行本申请实施例中认知功能映射脑电振荡的量化分析方法的步骤（如图1所示）。存储器210还可以包括具有一组(至少一个)程序模块215的程序/实用工具214，这样的程序模块包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
相应的，处理器220可以执行上述计算机程序，以及可以执行程序/实用工具214。
总线230可以为表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器、外围总线、图形加速端口、处理器或者使用多种总线结构中的任意总线结构的局域总线。
装置200也可以与一个或多个外部设备240例如键盘、指向设备、蓝牙设备等通信，还可与一个或者多个能够与该电子设备200交互的设备通信，和/或与使得该装置200能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口250进行。并且，装置200还可以通过网络适配器260与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。网络适配器260可以通过总线230与电子设备200的其它模块通信。应当明白，尽管图中未示出，可以结合装置200使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储平台等。
本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质用于存储至少一条程序指令，所述至少一条程序指令被执行时实现本申请实施例中认知功能映射脑电振荡的量化分析方法的步骤（如图1所示）。图4示出了本实施例提供的用于实现上述方法的程序产品300，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品300不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。程序产品300可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，程序设计语言包括面向对象的程序设计语言诸如Java、C++等，还包括常规的过程式程序设计语言诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种认知功能映射脑电振荡的量化分析方法，其特征在于，所述方法包括：
获取病患在预设时间段内正常状态时的脑电信号；
获取所述脑电信号在预设频段内的振荡信号；
确定所述振荡信号的最大功率谱所对应的峰频率；
根据所述峰频率确定所述病患的认知功能的状态。
2.根据权利要求1所述的方法，其特征在于，所述根据所述峰频率确定所述病患的认知功能的状态，包括：
若所述峰频率在第一频率阈值和第二频率阈值之间，则确定所述病患的认知功能的状态为异常；
若所述峰频率在所述第二频率阈值和第三频率阈值之间，则确定所述病患的认知功能的状态为临界。
3.根据权利要求1所述的方法，其特征在于，所述根据所述峰频率确定所述病患的认知功能的状态，包括：
若所述峰频率不在第一频率阈值和第三频率阈值之间，则获取所述振荡信号所对应的第一预设功率；
计算所述最大功率谱的功率与所述第一预设功率之间的第一功率比值；
计算所述峰频率偏移预设频率范围后的功率和对应的第二预设功率；
计算所述第二预设功率与所述第一预设功率的第二功率比值；
根据所述第一功率比值和所述第二功率比值确定所述病患的认知功能的状态。
4.根据权利要求3所述的方法，其特征在于，所述根据所述第一功率比值和所述第二功率比值确定所述病患的认知功能的状态，包括：
若所述第一功率比值在第一比值阈值和第二比值阈值之间，则确定所述病患的认知功能的状态为异常；
若所述第一功率比值在所述第二比值阈值和第三比值阈值之间，则确定所述病患的认知功能的状态为临界；
若所述第二功率比值在第四比值阈值和第五比值阈值之间，则确定所述病患的认知功能的状态为异常；
若所述第二功率比值在第五比值阈值和第六比值阈值之间，则确定所述病患的认知功能的状态为临界。
5.根据权利要求3所述的方法，其特征在于，所述根据所述第一功率比值和所述第二功率比值确定所述病患的认知功能的状态，包括：
若所述第一功率比值不在第一比值阈值和第三比值阈值之间且第二功率比值不在第四比值阈值和第六比值阈值之间，则确定所述振荡信号所对应的功率谱的峰度；
根据所述峰度确定所述病患的认知功能的状态。
6.根据权利要求5所述的方法，其特征在于，所述根据所述峰度确定所述病患的认知功能的状态，包括：
若所述峰度在第一峰度阈值和第二峰度阈值之间，则确定所述病患的认知功能的状态为异常；
若所述峰度在所述第二峰度阈值和第三峰度阈值之间，则确定所述病患的认知功能的状态为临界。
7.根据权利要求5所述的方法，其特征在于，所述根据所述峰度确定所述病患的认知功能的状态，包括：
若所述峰度不在第一峰度阈值和第三峰度阈值之间，则构建n个电极对；
计算每个电极对的峰频的差值；
根据所述差值确定所述病患的认知功能的状态。
8.根据权利要求7所述的方法，其特征在于，所述根据所述差值确定所述病患的认知功能的状态，包括：
若计算得到的n个差值中存在不少于一对的差值大于第四频率阈值，则确定所述病患的认知功能的状态为异常；
若n个差值均在第四频率阈值和第五频率阈值之间，则确定所述病患的认知功能的状态为临界；
否则，则确定所述病患的认知功能的状态为正常。
9.一种认知功能映射脑电振荡的量化分析装置，其特征在于，所述装置包括存储器和处理器，所述存储器中存储有至少一条程序指令，所述处理器通过加载并执行所述至少一条程序指令以实现如权利要求1至8任一所述的方法。
10.一种计算机存储介质，其特征在于，所述计算机存储介质中存储有至少一条程序指令，所述至少一条程序指令被处理器加载并执行以实现如权利要求1至8任一所述的方法。
CN202110065808.8A 2021-01-19 2021-01-19 认知功能映射脑电振荡的量化分析方法、装置和存储介质 Active CN112386265B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110065808.8A CN112386265B (zh) 2021-01-19 2021-01-19 认知功能映射脑电振荡的量化分析方法、装置和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110065808.8A CN112386265B (zh) 2021-01-19 2021-01-19 认知功能映射脑电振荡的量化分析方法、装置和存储介质

Publications (2)

Publication Number Publication Date
CN112386265A true CN112386265A (zh) 2021-02-23
CN112386265B CN112386265B (zh) 2021-03-30

Family

ID=74625572

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110065808.8A Active CN112386265B (zh) 2021-01-19 2021-01-19 认知功能映射脑电振荡的量化分析方法、装置和存储介质

Country Status (1)

Country Link
CN (1) CN112386265B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115568867A (zh) * 2022-11-15 2023-01-06 南京左右脑医疗科技集团有限公司 治疗疗效评估方法、装置和存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105559779A (zh) * 2016-03-01 2016-05-11 夏鹏 一种通过脑电频谱进行认知评价的方法
US20160128593A1 (en) * 2014-11-06 2016-05-12 Tata Consultancy Services Limited Selection of electroencephalography (eeg) channels valid for determining cognitive load of a subject
US20160228028A1 (en) * 2013-09-19 2016-08-11 Umc Utrecht Holding B.V. Method and system for determining a parameter which is indicative for whether a patient is delirious
US20190216345A1 (en) * 2017-10-18 2019-07-18 Christoper Scheib Method and system for monitoring and displaying physiological conditions
CN110859616A (zh) * 2019-12-12 2020-03-06 科大讯飞股份有限公司 一种对象的认知评估方法、装置、设备及存储介质

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160228028A1 (en) * 2013-09-19 2016-08-11 Umc Utrecht Holding B.V. Method and system for determining a parameter which is indicative for whether a patient is delirious
US20160128593A1 (en) * 2014-11-06 2016-05-12 Tata Consultancy Services Limited Selection of electroencephalography (eeg) channels valid for determining cognitive load of a subject
CN105559779A (zh) * 2016-03-01 2016-05-11 夏鹏 一种通过脑电频谱进行认知评价的方法
US20190216345A1 (en) * 2017-10-18 2019-07-18 Christoper Scheib Method and system for monitoring and displaying physiological conditions
CN110859616A (zh) * 2019-12-12 2020-03-06 科大讯飞股份有限公司 一种对象的认知评估方法、装置、设备及存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
EFTHYMIOS ANGELAKIS 等: "Peak alpha frequency: an electroencephalographic measure of cognitive preparedness", 《CLINICAL NEUROPHYSIOLOGY》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115568867A (zh) * 2022-11-15 2023-01-06 南京左右脑医疗科技集团有限公司 治疗疗效评估方法、装置和存储介质
CN115568867B (zh) * 2022-11-15 2023-11-10 南京左右脑医疗科技集团有限公司 治疗疗效评估方法、装置和存储介质

Also Published As

Publication number Publication date
CN112386265B (zh) 2021-03-30

Similar Documents

Publication Publication Date Title
US20180136994A1 (en) Fast Automated Detection of Seasonal Patterns in Time Series Data Without Prior Knowledge of Seasonal Periodicity
US9513935B2 (en) Auto-scaling thresholds in elastic computing environments
CN112386265B (zh) 认知功能映射脑电振荡的量化分析方法、装置和存储介质
RU95243U1 (ru) Устройство для контроля уровня анестезии
US11770146B2 (en) Apparatus and method for removing high-frequency radio frequency interference
JP2020513614A (ja) 誤ったアラーム検出
US20130338539A1 (en) Software program for monitoring a hand tremor of an end-user via a computer mouse input device
Xu et al. Initial validation for the estimation of resting-state fMRI effective connectivity by a generalization of the correlation approach
CN112370060B (zh) 基于脑电振荡的心理应激能力评估方法和装置
JP2014124345A (ja) 生体信号処理装置および生体信号処理方法
US10671624B2 (en) Parallel filtering of large time series of data for filters having recursive dependencies
Dan et al. Sensor selection and miniaturization limits for detection of interictal epileptiform discharges with wearable EEG
Holmes et al. Efficient implementation of Stockwell Transform for real-time embedded processing of physiologic signals
CN114931383A (zh) 脑电数据处理方法和装置、电子设备和非暂时性存储介质
JP7398817B2 (ja) 心電信号検出方法及び装置
CN113367695A (zh) 一种基于脑电信号的疲劳监测方法及装置
CN112242201A (zh) 一种基于图计算的病毒传播风险预警方法、装置及设备
Saha et al. FPGA implementation of IIR elliptic filters for de-noising ECG signal
de Waele et al. Estimation of the patient monitor alarm rate for a quantitative analysis of new alarm settings
KR20160090714A (ko) 프로그래머블 멀티모달 생체신호 처리 모듈 및 이를 이용한 헬스케어 플랫폼
Kim et al. Design and implementation of digital filters for mobile healthcare applications
US20240122496A1 (en) Method and Device for Measuring a respiratory rate, Electronic device, and Readable Medium
JP7297860B1 (ja) 情報処理装置、情報処理方法およびプログラム
JP2011130330A (ja) 通信帯域算出方法、設備設計計画装置、およびプログラム
US11463522B1 (en) System and method for efficiently transmitting signals with repeating structures

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
TR01 Transfer of patent right

Effective date of registration: 20210519

Address after: No. 119, South 4th Ring Road West, Fengtai District, Beijing 100071

Patentee after: BEIJING TIANTAN HOSPITAL AFFILIATED TO CAPITAL MEDICAL University

Patentee after: NANJING ZUOYOUNAO MEDICAL TECHNOLOGY Co.,Ltd.

Patentee after: SHENZHEN BIAOSI MEDICAL INSTRUMENT Co.,Ltd.

Patentee after: Dongshou medical technology (Suzhou) Co.,Ltd.

Address before: Room 703, building 20, Zhongke innovation Plaza, 150 pubin Road, Jiangbei new district, Nanjing City, Jiangsu Province, 210000

Patentee before: NANJING ZUOYOUNAO MEDICAL TECHNOLOGY Co.,Ltd.

Patentee before: SHENZHEN BIAOSI MEDICAL INSTRUMENT Co.,Ltd.

Patentee before: Dongshou medical technology (Suzhou) Co.,Ltd.

TR01 Transfer of patent right