CN113476059B - 一种基于振幅整合脑电图判断左右脑对称性的方法 - Google Patents

一种基于振幅整合脑电图判断左右脑对称性的方法 Download PDF

Info

Publication number
CN113476059B
CN113476059B CN202110611344.6A CN202110611344A CN113476059B CN 113476059 B CN113476059 B CN 113476059B CN 202110611344 A CN202110611344 A CN 202110611344A CN 113476059 B CN113476059 B CN 113476059B
Authority
CN
China
Prior art keywords
data
amplitude
electroencephalogram
right brain
symmetry
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
CN202110611344.6A
Other languages
English (en)
Other versions
CN113476059A (zh
Inventor
施雯
曹小玥
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.)
Nanjing Vishee Medical Technology Co Ltd
Original Assignee
Nanjing Vishee 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 Nanjing Vishee Medical Technology Co Ltd filed Critical Nanjing Vishee Medical Technology Co Ltd
Priority to CN202110611344.6A priority Critical patent/CN113476059B/zh
Publication of CN113476059A publication Critical patent/CN113476059A/zh
Application granted granted Critical
Publication of CN113476059B publication Critical patent/CN113476059B/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
    • A61B5/24—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]
    • A61B5/372—Analysis of electroencephalograms

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Psychology (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Psychiatry (AREA)
  • Physics & Mathematics (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

本发明公开一种基于振幅整合脑电图判断左右脑对称性的方法，包括以下步骤：（1）测量得到振幅整合脑电图数据；（2）选取左右脑的脑电电极位置对称的两条振幅整合脑电图数据；（3）设选取的两条振幅整合脑电图数据分别为
Figure DEST_PATH_IMAGE002
与
Figure DEST_PATH_IMAGE004
，然后分别提取
Figure DEST_PATH_IMAGE006
的下边界，得到
Figure DEST_PATH_IMAGE008
；（4）设
Figure DEST_PATH_IMAGE010
的时长为T（s）；（5）使用时间窗口
Figure DEST_PATH_IMAGE012
对该数据从头开始进行截取，设截取到的数据段为
Figure DEST_PATH_IMAGE014
，然后移动时间窗口
Figure 916008DEST_PATH_IMAGE012
，得到
Figure DEST_PATH_IMAGE016
；（6）设取出的数据为
Figure DEST_PATH_IMAGE018
，若
Figure DEST_PATH_IMAGE020
中超过阈值
Figure DEST_PATH_IMAGE022
的数据个数达到
Figure 679433DEST_PATH_IMAGE020
总的数据个数的
Figure DEST_PATH_IMAGE024
，则认为该时间区域的振幅整合脑电图图形不对称，否则认为对称；（7）将
Figure 934963DEST_PATH_IMAGE016
中所有数据段均进行判断；本发明便于用户根据振幅整合脑电图来判断患者的左右脑对称性，填补了这一方面的空白。

Description

一种基于振幅整合脑电图判断左右脑对称性的方法
技术领域
本发明涉及一种基于振幅整合脑电图判断左右脑对称性的方法，属于图像数据处理技术领域。
背景技术
振幅整合脑电图(amplitude integrated electroencephalogram，aEEG)是一种无创脑功能监测技术，具有操作方便、图形直观、容易分析、能床旁连续监测等优点；振幅整合脑电图是一种来源于常规脑电图振幅压缩后输出的脑电监护设备，常规导联的脑电活动经过滤波、整合和时间压缩，脑电活动以半对数形式表示，图形为波谱带；aEEG可实时无创床旁连续监测脑电活动，容易识别异常表现，医生可以进行正确阅读和及时处理；由于aEEG在新生儿缺氧缺血性脑病的诊断、严重程度和预后的评价中具有极高的敏感度及特异度，因此目前主要用于新生儿脑功能的监测，但对脑损伤高危新生儿监测逐渐显示出临床价值；aEEG结合神经系统检查可以在早期对窒息新生儿是否存在脑损伤进行准确测量，为早期干预治疗提供可靠依据；在新生儿窒息后一定时间内，aEEG即可发现新生儿中、重度HIE的脑损伤情况。
目前在对患者脑功能的监测场景中，需要判断患者的左右脑对称性，从而可以进一步地进行诊断，但是目前并没有根据振幅整合脑电图来判断患者左右脑对称性的方法，查阅资料也没有查到相关的专利或者文献。
发明内容
本发明的目的是针对现有技术中存在的上述问题，提供了一种基于振幅整合脑电图判断左右脑对称性的方法；便于用户根据振幅整合脑电图来判断患者的左右脑对称性，提高用户判断患者左右脑对称性的效率，填补了根据振幅整合脑电图来判断患者左右脑对称性这一方面的空白。
为了实现上述目标，本发明采用如下的技术方案：
一种基于振幅整合脑电图判断左右脑对称性的方法，包括以下步骤：
（1）使用脑功能测量仪测量得到振幅整合脑电图数据；
（2）选取左右脑的脑电电极位置对称的两条振幅整合脑电图数据；
（3）设选取的两条振幅整合脑电图数据分别为
Figure SMS_1
与/>
Figure SMS_2
，然后分别提取/>
Figure SMS_3
与/>
Figure SMS_4
的下边界，得到/>
Figure SMS_5
，/>
Figure SMS_6
，令/>
Figure SMS_7
；
（4）设
Figure SMS_8
的时长为T（s），若/>
Figure SMS_9
则认为该数据无法判断对称性，若/>
Figure SMS_10
则可以开始对称性的判断；其中/>
Figure SMS_11
为时长阈值；
（5）对于
Figure SMS_14
情况，使用时间窗口/>
Figure SMS_15
对该数据从头开始进行截取，设截取到的数据段为/>
Figure SMS_18
，然后移动时间窗口/>
Figure SMS_13
，移动间隔为/>
Figure SMS_16
，如此便得到/>
Figure SMS_17
，/>
Figure SMS_19
，最终不足时间窗口/>
Figure SMS_12
的数据合并到最后一段中一并计算；
（6）在
Figure SMS_22
，/>
Figure SMS_23
中，将每一段数据都进行如下计算，设取出的数据段为/>
Figure SMS_26
，
Figure SMS_21
，若/>
Figure SMS_24
中超过阈值/>
Figure SMS_25
的数据个数达到/>
Figure SMS_27
总的数据个数的/>
Figure SMS_20
，则认为时长T所对应的时间区域的振幅整合脑电图图形不对称，否则认为对称；
（7）按照步骤（6）将
Figure SMS_28
，/>
Figure SMS_29
中所有数据段均进行判断，若/>
Figure SMS_30
，/>
Figure SMS_31
中存在一个数据段判断为不对称，则认为这两条振幅整合脑电图数据对应的脑电电极位置存在左右脑不对称情况，若所有数据段均判断为对称，则认为这两条振幅整合脑电图数据对应的脑电电极位置存在左右脑对称。
作为本发明的进一步优选，若选取的振幅整合脑电图数据为
Figure SMS_32
与
Figure SMS_33
，均能提供时长T所对应的时间区域的阻抗数据，则设为/>
Figure SMS_34
与
Figure SMS_35
；
将
Figure SMS_37
与/>
Figure SMS_40
同样按照时间窗口/>
Figure SMS_42
与移动间隔/>
Figure SMS_38
分割成n段，分别为/>
Figure SMS_41
，
Figure SMS_43
和/>
Figure SMS_44
，/>
Figure SMS_36
最终不足时间窗口/>
Figure SMS_39
的数据合并到最后一段中一并计算；
设
Figure SMS_46
对应的两段阻抗数据分别为/>
Figure SMS_48
，/>
Figure SMS_51
，数据长度为/>
Figure SMS_47
，分别计算/>
Figure SMS_50
，/>
Figure SMS_52
中大于阈值/>
Figure SMS_54
的个数/>
Figure SMS_45
，若/>
Figure SMS_49
，则认为/>
Figure SMS_53
中存在大量阻抗伪差，不能判断对称性，如果/>
Figure SMS_55
，则再根据步骤（6）进行对称性的判断。
作为本发明的进一步优选，所述时间窗口
Figure SMS_56
是1800-3600s。
作为本发明的进一步优选，所述移动间隔
Figure SMS_57
是300-1800s。
作为本发明的进一步优选，所述阈值
Figure SMS_58
是5-20kΩ。
作为本发明的进一步优选，所述
Figure SMS_59
是40-60%。
作为本发明的进一步优选，所述阈值
Figure SMS_60
是/>
Figure SMS_61
。
作为本发明的进一步优选，所述
Figure SMS_62
是50-100%。
作为本发明的进一步优选，所述时长阈值
Figure SMS_63
是1800-3600s。
本发明的有益之处在于：
便于用户根据振幅整合脑电图来判断患者的左右脑对称性，提高用户判断患者左右脑对称性的效率，填补了根据振幅整合脑电图来判断患者左右脑对称性这一方面的空白；为提高判断的准确性，本发明还加入阻抗数据进行辅助判断，从而增加了一个维度的信息，可帮助用户减少因阻抗伪差带来的误判，提高用户读图及判断的正确性。
附图说明
图1是部分脑电电极的位置示意图。
具体实施方式
以下结合附图和具体实施例对本发明作具体的介绍。
实施例一
本实施例是一种基于振幅整合脑电图判断左右脑对称性的方法，包括以下步骤：
（1）使用脑功能测量仪测量得到振幅整合脑电图数据；
（2）选取左右脑的脑电电极位置对称的两条振幅整合脑电图数据；
如图1所示，在双极导联时，可以选取C3-P3，C4-P4；在单极导联时，可以选取C3，C4；本实施例中选取C3，C4；
（3）设选取的两条振幅整合脑电图数据分别为
Figure SMS_64
与/>
Figure SMS_65
，然后分别提取/>
Figure SMS_66
与/>
Figure SMS_67
的下边界，得到/>
Figure SMS_68
，/>
Figure SMS_69
，令/>
Figure SMS_70
；
（4）设
Figure SMS_71
的时长为T（s），若/>
Figure SMS_72
则认为该数据无法判断对称性，若/>
Figure SMS_73
则可以开始对称性的判断；其中/>
Figure SMS_74
为时长阈值，且时长阈值/>
Figure SMS_75
是2400s；
（5）对于
Figure SMS_77
情况，使用时间窗口/>
Figure SMS_79
对该数据从头开始进行截取，时间窗口/>
Figure SMS_83
是2400s，设截取到的数据段为/>
Figure SMS_78
，然后移动时间窗口/>
Figure SMS_81
，移动间隔为/>
Figure SMS_82
，移动间隔/>
Figure SMS_85
是600s，如此便得到/>
Figure SMS_76
，/>
Figure SMS_80
，最终不足时间窗口/>
Figure SMS_84
的数据合并到最后一段中一并计算；
（6）在
Figure SMS_88
，/>
Figure SMS_90
中，将每一段数据都进行如下计算，设取出的数据段为/>
Figure SMS_92
，
Figure SMS_87
，若/>
Figure SMS_91
中超过阈值/>
Figure SMS_94
的数据个数达到/>
Figure SMS_95
总的数据个数的/>
Figure SMS_86
，则认为时长T所对应的时间区域的振幅整合脑电图图形不对称，否则认为对称；其中阈值/>
Figure SMS_89
是/>
Figure SMS_93
；/>
Figure SMS_96
是70%；
（7）按照步骤（6）将
Figure SMS_97
，/>
Figure SMS_98
中所有数据段均进行判断，若/>
Figure SMS_99
，/>
Figure SMS_100
中存在一个数据段判断为不对称，则认为这两条振幅整合脑电图数据对应的脑电电极位置存在左右脑不对称情况，若所有数据段均判断为对称，则认为这两条振幅整合脑电图数据对应的脑电电极位置存在左右脑对称。
本实施例中，若选取的振幅整合脑电图数据为
Figure SMS_101
与/>
Figure SMS_102
，均能提供时长T所对应的时间区域的阻抗数据，则设为/>
Figure SMS_103
与/>
Figure SMS_104
；
将
Figure SMS_107
与/>
Figure SMS_110
同样按照时间窗口/>
Figure SMS_111
与移动间隔/>
Figure SMS_106
分割成n段，分别为/>
Figure SMS_109
，/>
Figure SMS_112
和/>
Figure SMS_113
，/>
Figure SMS_105
最终不足时间窗口/>
Figure SMS_108
的数据合并到最后一段中一并计算；
设
Figure SMS_115
对应的两段阻抗数据分别为/>
Figure SMS_119
，/>
Figure SMS_122
，数据长度为/>
Figure SMS_117
，分别计算/>
Figure SMS_118
，/>
Figure SMS_124
中大于阈值/>
Figure SMS_125
的个数/>
Figure SMS_114
，若/>
Figure SMS_120
，则认为/>
Figure SMS_123
中存在大量阻抗伪差，不能判断对称性，如果
Figure SMS_126
，则再根据步骤（6）进行对称性的判断；其中阈值/>
Figure SMS_116
是20kΩ，/>
Figure SMS_121
是40%。
实施例二
本实施例与实施例一相似，其区别仅在于：
本实施例中时长阈值
Figure SMS_128
是3600s，时间窗口/>
Figure SMS_131
是3600s，移动间隔/>
Figure SMS_132
是1800s，阈值
Figure SMS_129
是/>
Figure SMS_130
，/>
Figure SMS_133
是100%，阈值/>
Figure SMS_134
是5kΩ，/>
Figure SMS_127
是60%。
实施例三
本实施例与实施例一相似，其区别仅在于：
本实施例中时长阈值
Figure SMS_136
是1800s，时间窗口/>
Figure SMS_138
是1800s，移动间隔/>
Figure SMS_140
是300s，阈值/>
Figure SMS_137
是/>
Figure SMS_139
，/>
Figure SMS_141
是50%，阈值/>
Figure SMS_142
是15kΩ，/>
Figure SMS_135
是50%。
实施例四
本实施例与实施例一相似，其区别仅在于：
本实施例中时长阈值
Figure SMS_144
是3000s，时间窗口/>
Figure SMS_146
是3000s，移动间隔/>
Figure SMS_148
是1200s，阈值
Figure SMS_145
是/>
Figure SMS_147
，/>
Figure SMS_149
是60%，阈值/>
Figure SMS_150
是10kΩ，/>
Figure SMS_143
是40%。
本发明便于用户根据振幅整合脑电图来判断患者的左右脑对称性，提高用户判断患者左右脑对称性的效率，填补了根据振幅整合脑电图来判断患者左右脑对称性这一方面的空白；为提高判断的准确性，本发明还加入阻抗数据进行辅助判断，从而增加了一个维度的信息，可帮助用户减少因阻抗伪差带来的误判，提高用户读图及判断的正确性。
以上显示和描述了本发明的基本原理、主要特征和优点；本行业的技术人员应该了解，上述实施例不以任何形式限制本发明，凡采用等同替换或等效变换的方式所获得的技术方案，均落在本发明的保护范围内。

Claims (9)

1.一种基于振幅整合脑电图判断左右脑对称性的方法，其特征在于，包括以下步骤：
（1）使用脑功能测量仪测量得到振幅整合脑电图数据；
（2）选取左右脑的脑电电极位置对称的两条振幅整合脑电图数据；
（3）设选取的两条振幅整合脑电图数据分别为
Figure QLYQS_1
与/>
Figure QLYQS_2
，然后分别提取
Figure QLYQS_3
与/>
Figure QLYQS_4
的下边界，得到/>
Figure QLYQS_5
，/>
Figure QLYQS_6
，令/>
Figure QLYQS_7
；
（4）设
Figure QLYQS_8
的时长为T（s），若/>
Figure QLYQS_9
则认为该数据无法判断对称性，若/>
Figure QLYQS_10
则可以开始对称性的判断；其中/>
Figure QLYQS_11
为时长阈值；
（5）对于
Figure QLYQS_14
情况，使用时间窗口/>
Figure QLYQS_17
对该数据从头开始进行截取，设截取到的数据段为
Figure QLYQS_19
，然后移动时间窗口/>
Figure QLYQS_13
，移动间隔为/>
Figure QLYQS_15
，如此便得到/>
Figure QLYQS_16
，/>
Figure QLYQS_18
，最终不足时间窗口/>
Figure QLYQS_12
的数据合并到最后一段中一并计算；
（6）在
Figure QLYQS_21
，/>
Figure QLYQS_23
中，将每一段数据都进行如下计算，设取出的数据段为/>
Figure QLYQS_25
，
Figure QLYQS_22
，若/>
Figure QLYQS_24
中超过阈值/>
Figure QLYQS_26
的数据个数达到/>
Figure QLYQS_27
总的数据个数的/>
Figure QLYQS_20
，则认为时长T所对应的时间区域的振幅整合脑电图图形不对称，否则认为对称；
（7）按照步骤（6）将
Figure QLYQS_28
，/>
Figure QLYQS_29
中所有数据段均进行判断，若/>
Figure QLYQS_30
，/>
Figure QLYQS_31
中存在一个数据段判断为不对称，则认为这两条振幅整合脑电图数据对应的脑电电极位置存在左右脑不对称情况，若所有数据段均判断为对称，则认为这两条振幅整合脑电图数据对应的脑电电极位置存在左右脑对称。
2.根据权利要求1所述一种基于振幅整合脑电图判断左右脑对称性的方法，其特征在于，若选取的振幅整合脑电图数据为
Figure QLYQS_32
与/>
Figure QLYQS_33
，均能提供时长T所对应的时间区域的阻抗数据，则设为/>
Figure QLYQS_34
与/>
Figure QLYQS_35
；
将
Figure QLYQS_38
与/>
Figure QLYQS_41
同样按照时间窗口/>
Figure QLYQS_43
与移动间隔/>
Figure QLYQS_37
分割成n段，分别为/>
Figure QLYQS_39
，/>
Figure QLYQS_42
和
Figure QLYQS_44
，/>
Figure QLYQS_36
，最终不足时间窗口/>
Figure QLYQS_40
的数据合并到最后一段中一并计算；
设
Figure QLYQS_47
对应的两段阻抗数据分别为/>
Figure QLYQS_49
，/>
Figure QLYQS_51
，数据长度为/>
Figure QLYQS_46
，分别计算/>
Figure QLYQS_50
，/>
Figure QLYQS_52
中大于阈值
Figure QLYQS_54
的个数/>
Figure QLYQS_45
，若/>
Figure QLYQS_48
，则认为/>
Figure QLYQS_53
中存在大量阻抗伪差，不能判断对称性，如果
Figure QLYQS_55
，则再根据步骤（6）进行对称性的判断。
3.根据权利要求1或2所述一种基于振幅整合脑电图判断左右脑对称性的方法，其特征在于，所述时间窗口
Figure QLYQS_56
是1800-3600s。
4.根据权利要求1或2所述一种基于振幅整合脑电图判断左右脑对称性的方法，其特征在于，所述移动间隔
Figure QLYQS_57
是300-1800s。
5.根据权利要求2所述一种基于振幅整合脑电图判断左右脑对称性的方法，其特征在于，所述阈值
Figure QLYQS_58
是5-20kΩ。
6.根据权利要求2所述一种基于振幅整合脑电图判断左右脑对称性的方法，其特征在于，所述
Figure QLYQS_59
是40-60%。
7.根据权利要求1所述一种基于振幅整合脑电图判断左右脑对称性的方法，其特征在于，所述阈值
Figure QLYQS_60
是/>
Figure QLYQS_61
。
8.根据权利要求1所述一种基于振幅整合脑电图判断左右脑对称性的方法，其特征在于，所述
Figure QLYQS_62
是50-100%。
9.根据权利要求1所述一种基于振幅整合脑电图判断左右脑对称性的方法，其特征在于，所述时长阈值
Figure QLYQS_63
是1800-3600s。
CN202110611344.6A 2021-06-02 2021-06-02 一种基于振幅整合脑电图判断左右脑对称性的方法 Active CN113476059B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110611344.6A CN113476059B (zh) 2021-06-02 2021-06-02 一种基于振幅整合脑电图判断左右脑对称性的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110611344.6A CN113476059B (zh) 2021-06-02 2021-06-02 一种基于振幅整合脑电图判断左右脑对称性的方法

Publications (2)

Publication Number Publication Date
CN113476059A CN113476059A (zh) 2021-10-08
CN113476059B true CN113476059B (zh) 2023-06-27

Family

ID=77934207

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110611344.6A Active CN113476059B (zh) 2021-06-02 2021-06-02 一种基于振幅整合脑电图判断左右脑对称性的方法

Country Status (1)

Country Link
CN (1) CN113476059B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101627909A (zh) * 2009-05-05 2010-01-20 复旦大学附属儿科医院 一种数字化振幅整合脑功能监护仪
CN105046111A (zh) * 2015-09-10 2015-11-11 济南市儿童医院 一种振幅整合脑电图结果自动识别系统及方法
CN106618559A (zh) * 2016-12-06 2017-05-10 华东师范大学 一种aEEG信号图像特征重构表示和提取方法
CN108830865A (zh) * 2018-05-08 2018-11-16 南京伟思医疗科技股份有限公司 一种用于动态脑电图像的稳定上下边界的确定方法
CN112244871A (zh) * 2020-09-25 2021-01-22 吉林大学 一种基于机器学习的振幅整合脑电图分类识读系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11096619B2 (en) * 2013-07-12 2021-08-24 Innara Health, Inc. Neural analysis and treatment system

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101627909A (zh) * 2009-05-05 2010-01-20 复旦大学附属儿科医院 一种数字化振幅整合脑功能监护仪
CN105046111A (zh) * 2015-09-10 2015-11-11 济南市儿童医院 一种振幅整合脑电图结果自动识别系统及方法
CN106618559A (zh) * 2016-12-06 2017-05-10 华东师范大学 一种aEEG信号图像特征重构表示和提取方法
CN108830865A (zh) * 2018-05-08 2018-11-16 南京伟思医疗科技股份有限公司 一种用于动态脑电图像的稳定上下边界的确定方法
CN112244871A (zh) * 2020-09-25 2021-01-22 吉林大学 一种基于机器学习的振幅整合脑电图分类识读系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
《Automated Sleep-Wake Detection in Neonates from Cerebral Function Monitor Signals》;J. Mikael Eklund等;《2014 IEEE 27th International Symposium on Computer-Based Medical Systems》;22-27 *
《振幅整合脑电图对幕上、幕下和弥漫性病变意识障碍患者预后预测研究》;任雅芳;《医药卫生科技辑》;E070-16 *

Also Published As

Publication number Publication date
CN113476059A (zh) 2021-10-08

Similar Documents

Publication Publication Date Title
Chen et al. An automatic screening approach for obstructive sleep apnea diagnosis based on single-lead electrocardiogram
Li et al. The obf database: A large face video database for remote physiological signal measurement and atrial fibrillation detection
Wallace et al. Computer-automated quantification of plus disease in retinopathy of prematurity
US11350868B2 (en) Electrocardiogram information processing method and electrocardiogram workstation system
US11783924B2 (en) ECG information processing method and ECG workstation
JP7104076B2 (ja) 睡眠統計を決定する方法及び装置
US20160045127A1 (en) Automated detector and classifier of high frequency oscillations and indicator seizure onset
TWI392480B (zh) 母體胎兒監視裝置與方法
KR102482796B1 (ko) 원격 광용적맥파 측정을 이용한 비접촉 심박 변이도 분석 장치 및 방법
US8632186B2 (en) Systems, methods, and computer-readable media for detecting and predicting a progression of retinal pathologies
JP6017015B2 (ja) 脳機能活動度評価装置及びそれを用いた評価システム
CN117457229A (zh) 基于人工智能的麻醉深度监测系统及方法
KR20220150901A (ko) 모체 자궁 활동 검출을 위한 융합 신호 처리
Kempfner et al. Early automatic detection of Parkinson's disease based on sleep recordings
Karim et al. Symptom analysis of diabetic retinopathy by micro-aneurysm detection using NPRTOOL
CN113476059B (zh) 一种基于振幅整合脑电图判断左右脑对称性的方法
CN117828511A (zh) 一种麻醉深度脑电信号数据处理方法
Zhou et al. A hybrid expert system for individualized quantification of electrical status epilepticus during sleep using biogeography-based optimization
Kobayashi et al. Development of a mental disorder screening system using support vector machine for classification of heart rate variability measured from single-lead electrocardiography
Zhao et al. A knowledge-based approach for automatic quantification of epileptiform activity in children with electrical status epilepticus during sleep
CN113921116A (zh) 利用计算机芯片评估急性缺血性卒中ct影像数据模型方法
CN113509169A (zh) 一种基于多参数非接触睡眠呼吸暂停检测系统及方法
Saadi et al. Low-cost ecg monitoring system with classification using deep learning
Ajdaraga et al. Analysis of a differential noise detection filter in ecg signals
Oloumi et al. Quantitative analysis of the major temporal arcade in retinal fundus images of preterm infants for detection of plus disease

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