CN114081509B - 一种脑电波中癫痫电波识别方法及系统 - Google Patents
一种脑电波中癫痫电波识别方法及系统 Download PDFInfo
- Publication number
- CN114081509B CN114081509B CN202111336816.8A CN202111336816A CN114081509B CN 114081509 B CN114081509 B CN 114081509B CN 202111336816 A CN202111336816 A CN 202111336816A CN 114081509 B CN114081509 B CN 114081509B
- Authority
- CN
- China
- Prior art keywords
- waves
- spike
- wave
- slow
- epileptic
- 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
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
-
- 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
- A61B5/4094—Diagnosing or monitoring seizure diseases, e.g. epilepsy
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Neurology (AREA)
- Medical Informatics (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Neurosurgery (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Physiology (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明提供了一种脑电波中癫痫电波识别方法,根据采样频率和癫痫样波的频率确定链表个数n,并将数据交替放入n个链表中,并新建n个线程,所述线程和所述链表一一对应;利用与链表对应的线程,分别识别第3k个链表数据中的尖波,第3k‑1个链表数据中的棘波,第3k‑2个链表数据中的慢波;根据识别的尖波、棘波、慢波确定待识别脑电波中的尖波、棘波、慢波,根据尖波、棘波、慢波的位置关系,标识脑电图中的尖波、棘波、慢波、尖慢波、棘慢波、多尖慢波、多棘慢波。本发明对依据距离判断相似度进行了改进,提高了对癫痫电波识别的准确度和效率。
Description
技术领域
本申请涉及医疗领域,尤其涉及对脑电波中癫痫电波的识别。
背景技术
癫痫病又称为羊癫疯、羊羔疯,是一种慢性脑部疾病,发病原因尚不明确。在发病时,患者身体抽搐,口吐白沫,发病时间一般为几分钟,发病时间过后,患者会自行恢复正常。在临床上对癫痫病的诊断一般借助脑电波,常见的癫痫病电波有棘波、尖波、棘慢波、尖慢波、多棘慢波、多棘波。由于在对患者进行脑电波检测时,脑电波图会完全记录患者的脑电波信息,医生在查看脑电波时,需要放大、仔细查看,尤其是对于一些症状不明显的患者,查看过程更是费神费力。现有的脑电波识别方法具有如下不足之处:
1.识别度高的方法,存在识别方法复杂,需要使用大量的计算资源,对系统造成较大的负担;
2.简单的识别方法,识别不够准确,对于脑电波中出现凸起或者凹陷的部分,极易错误识别或者无法识别;
3.如果采用单纯的人工识别,需要耗费医生大量精力,而且人工判断具有很大的主观性。
如何对癫痫电波快速、准确的识别,并在脑电图中标识出来,是本领域亟待解决的问题。
发明内容
为了解决上述问题,本发明提供了一种脑电波中癫痫电波识别方法,所述方法包括以下步骤:
步骤1,获取脑电波监护设备采样频率,根据采样频率和癫痫样波的频率确定链表个数n;所述癫痫样波包括尖波样波、棘波样波、慢波样波;若n≥3,则执行步骤2,否则执行步骤3;
步骤2,读取待识别脑电波数据,并将数据交替放入n个链表中,并新建n个线程,所述线程和所述链表一一对应;利用与链表对应的线程,分别识别第3k个链表数据中的尖波,第3k-1个链表数据中的棘波,第3k-2个链表数据中的慢波;根据识别的尖波、棘波、慢波确定待识别脑电波中的尖波、棘波、慢波;执行步骤4;其中
步骤3,读取待识别脑电波数据,分别直接识别待识别脑电波中的尖波、棘波、慢波,执行步骤4;
步骤4,根据尖波、棘波、慢波的位置关系,标识脑电图中的尖波、棘波、慢波、尖慢波、棘慢波、多尖慢波、多棘慢波。
优选地,所述根据采样频率和癫痫样波的频率确定链表个数n,具体为:根据采样频率从癫痫样波数据库中查找采样频率是癫痫样波频率整数倍的癫痫样波,计算采样频率与查找的癫痫样波频率的比值,得到链表个数n。
优选地,所述并将数据交替放入n个链表中,具体为:
获取待识别脑电波数据元素的序号,计算序号与n比值的余数,若余数为0,则放入第n个链表,否则将数据放入第p个链表,所述p为所述余数。
优选地,所述根据识别的尖波、棘波、慢波确定待识别脑电波中的尖波、棘波、慢波,具体包括以下步骤:根据所述尖波、棘波、慢波在对应链表中的位置,确定其在对应待识别脑电波中的位置。
优选地,所述读取待识别脑电波数据,分别直接识别待识别脑电波中的尖波、棘波、慢波,具体为:
查找癫痫样波数据库,找到与所述采样频率最接近的癫痫样波,若癫痫样波频率大于所述采样频率,则去除癫痫样波的若干数值点,使癫痫样波频率和所述采样频率相同;否则,在癫痫样波中插入若干数值点,使癫痫样波频率和所述采样频率相同。
另一方面,本发明还提供了一种脑电波中癫痫电波识别系统,所述系统包括以下模块:
计算模块,用于获取脑电波监护设备采样频率,根据采样频率和癫痫样波的频率确定链表个数n;所述癫痫样波包括尖波样波、棘波样波、慢波样波;若n≥3,则执行第一识别模块,否则执行第二识别模块;
第一识别模块,用于读取待识别脑电波数据,并将数据交替放入n个链表中,并新建n个线程,所述线程和所述链表一一对应;利用与链表对应的线程,分别识别第3k个链表数据中的尖波,第3k-1个链表数据中的棘波,第3k-2个链表数据中的慢波;根据识别的尖波、棘波、慢波确定待识别脑电波中的尖波、棘波、慢波;执行标识模块;其中
第二识别模块,用于读取待识别脑电波数据,分别直接识别待识别脑电波中的尖波、棘波、慢波,执行标识模块;
标识模块,用于根据尖波、棘波、慢波的位置关系,标识脑电图中的尖波、棘波、慢波、尖慢波、棘慢波、多尖慢波、多棘慢波。
优选地,所述根据采样频率和癫痫样波的频率确定链表个数n,具体为:根据采样频率从癫痫样波数据库中查找采样频率是癫痫样波频率整数倍的癫痫样波,计算采样频率与查找的癫痫样波频率的比值,得到链表个数n。
优选地,所述并将数据交替放入n个链表中,具体为:
获取待识别脑电波数据元素的序号,计算序号与n比值的余数,若余数为0,则放入第n个链表,否则将数据放入第p个链表,所述p为所述余数。
优选地,所述读取待识别脑电波数据,分别直接识别待识别脑电波中的尖波、棘波、慢波,具体为:
查找癫痫样波数据库,找到与所述采样频率最接近的癫痫样波,若癫痫样波频率大于所述采样频率,则去除癫痫样波的若干数值点,使癫痫样波频率和所述采样频率相同;否则,在癫痫样波中插入若干数值点,使癫痫样波频率和所述采样频率相同。
最后本发明还提供了一种计算机可读存储介质,用于存储计算机程序指令,其特征在于,所述计算机程序指令在被处理器执行时实现如上所述的方法。
在利用欧几里得等距离识别方法识别脑电波中癫痫电波的过程中,需要保持待识别波形和模板波形的数据量相同,否则容易出现偏差,但是脑电波采样频率和样波的频率并不完全相同,这就需要对脑电波或者样波处理,使二者的频率接近一致或一致。本发明通过设置存储有不同频率样波的样波数据库,并对脑电波数据进行抽样,使二者的频率一致,实现了利用简单的距离识别方法快速、高效的识别脑电图中癫痫电波。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例一流程图;
图2为链表示意图;
图3为链表与元素示意图;
图4为样波插入元素的示意图;
图5为癫痫电波中尖波示意图。
具体实施方式
在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅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。
具体实施例一
如图1所示,本发明提供了一种脑电波中癫痫电波识别方法,所述方法包括以下步骤:
步骤1,获取脑电波监护设备采样频率,根据采样频率和癫痫样波的频率确定链表个数n;所述癫痫样波包括尖波样波、棘波样波、慢波样波;若n≥3,则执行步骤2,否则执行步骤3;
步骤2,读取待识别脑电波数据,并将数据交替放入n个链表中,并新建n个线程,所述线程和所述链表一一对应;利用与链表对应的线程,分别识别第3k个链表数据中的尖波,第3k-1个链表数据中的棘波,第3k-2个链表数据中的慢波;根据识别的尖波、棘波、慢波确定待识别脑电波中的尖波、棘波、慢波;执行步骤4;其中其中符号表示向下取整。
所述抽样是指提取待识别脑电波数据中的若干个数据。
步骤3,读取待识别脑电波数据,分别直接识别待识别脑电波中的尖波、棘波、慢波,执行步骤4;
步骤4,根据尖波、棘波、慢波的位置关系,标识脑电图中的尖波、棘波、慢波、尖慢波、棘慢波、多尖慢波、多棘慢波。
标识脑电图中的尖波、棘波、慢波、尖慢波、棘慢波、多尖慢波、多棘慢波后,在显示器中可以用红线或者其他特殊标记标识出识别的癫痫电波。
在另外一个实施例中,如果n<3,读取待识别脑电波数据,并将数据交替放入1或2个链表中,并新建1或2个线程,所述线程和所述链表一一对应;利用与链表对应的线程,分别识别第1和/或2个链表数据中的尖波、棘波、慢波;根据识别的尖波、棘波、慢波确定待识别脑电波中的尖波、棘波、慢波。具体地,若n=2,采用两种识别方式分别对第1个链表和第二个链表进行识别。
优选地,所述根据采样频率和癫痫样波的频率确定链表个数n,具体为:根据采样频率从癫痫样波数据库中查找采样频率是癫痫样波频率整数倍的癫痫样波,计算采样频率与查找的癫痫样波频率的比值,得到链表个数n。
在一个具体实施例中,假设采样频率为240Hz,癫痫样波频率为60Hz,则n=4,新建4个链表,4个线程,线程和链表一一对应;k=1,则识别第3个链表的尖波、第2个链表的棘波、第1个链表的慢波,第4个链表可以不进行识别,也可以同时识别第4个链表的尖波、棘波、慢波,然后将其和第1-3链表识别结果合并。这样通过只是两次识别,避免了对癫痫电波的漏识别。
优选地,若n不为3的正整数倍,则第个到第n个链表采用与第1个到第3k个不同的识别方式,同时识别尖波、慢波、棘波。如上面例子所述,第1-3链表的识别方法和第4个链表的识别方法不同,例如第1-3链表的识别采用欧式距离方式识别,而第4个链表采用小波变换的识别方法。
在另外一个实施例中,采样频率为2400Hz,癫痫样波频率为120Hz,则n=20,需要建立20个链表,k=1、2、...、6,第3、6、9、12、15、18个链表用于识别尖波,第2、5、8、11、14、17个链表用于识别棘波,第1、4、7、10、13、16个链表用于识别慢波。第19、20个链表用于同时识别尖波、棘波、慢波。
优选地,所述并将数据交替放入n个链表中,具体为:
获取待识别脑电波数据元素的序号,计算序号与n比值的余数,若余数为0,则放入第n个链表,否则将数据放入第p个链表,所述p为所述余数。
如图2所示,例如待识别脑电波数据为a[1]、a[2]、a[3]、a[4]、a[5]、a[6]、a[7]、a[8]、a[9]、a[10]、a[11]、a[12]、a[13]、a[14]、a[15],沿用上面的例子,n取3,则有三个链表,分别为链表1、链表2、链表3,a[1]的序号为1,其与3比值的余数为1,则放入第1个链表,a[2]的序号为2,其与3比值的余数为2,则放入第2个链表,a[3]的序号为3,其与3的比值的余数为0,则放入第n个,也即第3个链表,其他的依次类推。最后结果如图2。
优选地,所述根据识别的尖波、棘波、慢波确定待识别脑电波中的尖波、棘波、慢波,具体包括以下步骤:根据所述尖波、棘波、慢波在对应链表中的位置,确定其在对应待识别脑电波中的位置。
沿用上例中待识别脑电波为a[1]-a[15],当确定第一链表中的a[1]、a[4]、a[7]、a[10]为一个尖波,则可以确定在原始的待识别脑电图中a[1]、a[2]、a[3]、a[4]、a[5]、a[6]、a[7]、a[8]、a[9]、a[10]为尖波。在另外一个实施例中,在确定癫痫电波在脑电波中的位置后,还根据所述采样频率对识别出的癫痫电波进行验证,验证方法包括但不限于特征对比、切比雪夫距离、曼哈顿距离、频域分析等。
优选地,所述读取待识别脑电波数据,分别直接识别待识别脑电波中的尖波、棘波、慢波,具体为:
查找癫痫样波数据库,找到与所述采样频率最接近的癫痫样波,若癫痫样波频率大于所述采样频率,则去除癫痫样波的若干数值点,使癫痫样波频率和所述采样频率相同;否则,在癫痫样波中插入若干数值点,使癫痫样波频率和所述采样频率相同。如图4所示,在样波中插入了元素b[6]。
本发明还可以避免如图5所示癫痫电波的漏识别,在以往的方法中,由于a[4]的出现,可能无法识别或者错误识别该癫痫电波,本发明对待识别数据进行抽样,在多个链表中的一个链表,不包括a[4],识别该链表的癫痫电波即可得到结果。
具体实施例二
本发明还提供了一种脑电波中癫痫电波识别系统,所述系统包括以下模块:
计算模块,用于获取脑电波监护设备采样频率,根据采样频率和癫痫样波的频率确定链表个数n;所述癫痫样波包括尖波样波、棘波样波、慢波样波;若n≥3,则执行第一识别模块,否则执行第二识别模块;
第一识别模块,用于读取待识别脑电波数据,并将数据交替放入n个链表中,并新建n个线程,所述线程和所述链表一一对应;利用与链表对应的线程,分别识别第3k个链表数据中的尖波,第3k-1个链表数据中的棘波,第3k-2个链表数据中的慢波;根据识别的尖波、棘波、慢波确定待识别脑电波中的尖波、棘波、慢波;执行标识模块;其中
第二识别模块,用于读取待识别脑电波数据,分别直接识别待识别脑电波中的尖波、棘波、慢波,执行标识模块;
标识模块,用于根据尖波、棘波、慢波的位置关系,标识脑电图中的尖波、棘波、慢波、尖慢波、棘慢波、多尖慢波、多棘慢波。
优选地,所述根据采样频率和癫痫样波的频率确定链表个数n,具体为:根据采样频率从癫痫样波数据库中查找采样频率是癫痫样波频率整数倍的癫痫样波,计算采样频率与查找的癫痫样波频率的比值,得到链表个数n。
优选地,所述并将数据交替放入n个链表中,具体为:
获取待识别脑电波数据元素的序号,计算序号与n比值的余数,若余数为0,则放入第n个链表,否则将数据放入第p个链表,所述p为所述余数。
优选地,所述读取待识别脑电波数据,分别直接识别待识别脑电波中的尖波、棘波、慢波,具体为:
查找癫痫样波数据库,找到与所述采样频率最接近的癫痫样波,若癫痫样波频率大于所述采样频率,则去除癫痫样波的若干数值点,使癫痫样波频率和所述采样频率相同;否则,在癫痫样波中插入若干数值点,使癫痫样波频率和所述采样频率相同。
具体实施例三
本发明还提供了一种计算机可读存储介质,用于存储计算机程序指令,其特征在于,所述计算机程序指令在被处理器执行时实现如实施例一所述的方法。
具体实施例四
本发明还一种电子设备,包括存储器和处理器,其特征在于,所述存储器用于存储一条或多条计算机程序指令,其中,所述一条或多条计算机程序指令被所述处理器执行以实现如实施例一所述的方法。
本发明所述的各个实施例可以进行组合以实现对应的技术方案。结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
Claims (6)
1.一种脑电波中癫痫电波识别方法,其特征在于,所述方法包括以下步骤:
步骤1,获取脑电波监护设备采样频率,根据采样频率和癫痫样波的频率确定链表个数n;所述癫痫样波包括尖波样波、棘波样波、慢波样波;若n≥3,则执行步骤2,否则执行步骤3;
步骤2,读取待识别脑电波数据,并将数据交替放入n个链表中,新建n个线程,所述线程和所述链表一一对应;利用与链表对应的线程,分别识别第3k个链表数据中的尖波,第3k-1个链表数据中的棘波,第3k-2个链表数据中的慢波;根据识别的尖波、棘波、慢波确定待识别脑电波中的尖波、棘波、慢波;执行步骤4;其中其中符号表示向下取整;
步骤3,读取待识别脑电波数据,分别直接识别待识别脑电波中的尖波、棘波、慢波,执行步骤4;
步骤4,根据尖波、棘波、慢波的位置关系,标识脑电图中的尖波、棘波、慢波、尖慢波、棘慢波、多尖慢波、多棘慢波;
所述根据采样频率和癫痫样波的频率确定链表个数n,具体为:根据采样频率从癫痫样波数据库中查找采样频率是癫痫样波频率整数倍的癫痫样波,计算采样频率与查找的癫痫样波频率的比值,得到链表个数n;
所述并将数据交替放入n个链表中,具体为:
获取待识别脑电波数据元素的序号,计算序号与n比值的余数,若余数为0,则放入第n个链表,否则将数据放入第p个链表,所述p为所述余数。
2.如权利要求1所述的方法,其特征在于,所述根据识别的尖波、棘波、慢波确定待识别脑电波中的尖波、棘波、慢波,具体包括以下步骤:根据所述尖波、棘波、慢波在对应链表中的位置,确定其在对应待识别脑电波中的位置。
3.如权利要求1-2任一项所述的方法,其特征在于,所述读取待识别脑电波数据,分别直接识别待识别脑电波中的尖波、棘波、慢波,具体为:
查找癫痫样波数据库,找到与所述采样频率最接近的癫痫样波,若癫痫样波频率大于所述采样频率,则去除癫痫样波的若干数值点,使癫痫样波频率和所述采样频率相同;否则,在癫痫样波中插入若干数值点,使癫痫样波频率和所述采样频率相同。
4.一种脑电波中癫痫电波识别系统,其特征在于,所述系统包括以下模块:
计算模块,用于获取脑电波监护设备采样频率,根据采样频率和癫痫样波的频率确定链表个数n;所述癫痫样波包括尖波样波、棘波样波、慢波样波;若n≥3,则执行第一识别模块,否则执行第二识别模块;
第一识别模块,用于读取待识别脑电波数据,并将数据交替放入n个链表中,新建n个线程,所述线程和所述链表一一对应;利用与链表对应的线程,分别识别第3k个链表数据中的尖波,第3k-1个链表数据中的棘波,第3k-2个链表数据中的慢波;根据识别的尖波、棘波、慢波确定待识别脑电波中的尖波、棘波、慢波;执行标识模块;其中其中符号表示向下取整;
第二识别模块,用于读取待识别脑电波数据,分别直接识别待识别脑电波中的尖波、棘波、慢波,执行标识模块;
标识模块,用于根据尖波、棘波、慢波的位置关系,标识脑电图中的尖波、棘波、慢波、尖慢波、棘慢波、多尖慢波、多棘慢波;
所述根据采样频率和癫痫样波的频率确定链表个数n,具体为:根据采样频率从癫痫样波数据库中查找采样频率是癫痫样波频率整数倍的癫痫样波,计算采样频率与查找的癫痫样波频率的比值,得到链表个数n;
所述并将数据交替放入n个链表中,具体为:
获取待识别脑电波数据元素的序号,计算序号与n比值的余数,若余数为0,则放入第n个链表,否则将数据放入第p个链表,所述p为所述余数。
5.如权利要求4所述的系统,其特征在于,所述读取待识别脑电波数据,分别直接识别待识别脑电波中的尖波、棘波、慢波,具体为:
查找癫痫样波数据库,找到与所述采样频率最接近的癫痫样波,若癫痫样波频率大于所述采样频率,则去除癫痫样波的若干数值点,使癫痫样波频率和所述采样频率相同;否则,在癫痫样波中插入若干数值点,使癫痫样波频率和所述采样频率相同。
6.一种计算机可读存储介质,用于存储计算机程序指令,其特征在于,所述计算机程序指令在被处理器执行时实现如权利要求1-2中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111336816.8A CN114081509B (zh) | 2021-11-12 | 2021-11-12 | 一种脑电波中癫痫电波识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111336816.8A CN114081509B (zh) | 2021-11-12 | 2021-11-12 | 一种脑电波中癫痫电波识别方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114081509A CN114081509A (zh) | 2022-02-25 |
CN114081509B true CN114081509B (zh) | 2022-10-11 |
Family
ID=80300085
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111336816.8A Active CN114081509B (zh) | 2021-11-12 | 2021-11-12 | 一种脑电波中癫痫电波识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114081509B (zh) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3326688B1 (en) * | 2009-07-08 | 2023-06-07 | Neuromodtronic GmbH | Electrical stimulation apparatus for treating the human body |
JP2015504764A (ja) * | 2012-01-24 | 2015-02-16 | ニューロビジル インコーポレイテッド | 脳の状態の意図的および非意図的な変化と脳信号との関連付け |
CN104825159B (zh) * | 2015-04-23 | 2017-08-22 | 张鸣沙 | 脑电同频检测方法、脑电同频刺激方法与装置 |
CN108577834B (zh) * | 2018-05-17 | 2019-07-02 | 西安交通大学 | 一种用于癫痫间期棘波自动检测的方法 |
CN110477908A (zh) * | 2019-07-16 | 2019-11-22 | 华南师范大学 | 一种智能识别癫痫灶的方法 |
CN113576491A (zh) * | 2021-07-26 | 2021-11-02 | 深圳市人民医院 | 基于静息态eeg频域特征及脑网络自动分析方法和系统 |
-
2021
- 2021-11-12 CN CN202111336816.8A patent/CN114081509B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN114081509A (zh) | 2022-02-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8577109B2 (en) | Systems and methods for automated extraction of measurement information in medical videos | |
US8064675B2 (en) | Computer-aided tubing detection | |
CN111026841B (zh) | 一种基于检索和深度学习的自动编码方法及装置 | |
WO2021051873A1 (zh) | 基于相似度预处理脉搏波的方法、装置、计算机系统及可读存储介质 | |
CN110874409A (zh) | 病情分级预测系统、方法、电子设备及可读存储介质 | |
CN111180026A (zh) | 专科诊疗视图系统及方法 | |
CN114081509B (zh) | 一种脑电波中癫痫电波识别方法及系统 | |
CN113647908A (zh) | 波形识别模型的训练、心电波形识别方法、装置及设备 | |
CN113886470A (zh) | 一种时间序列数据的处理方法、装置及设备 | |
CN109036506A (zh) | 互联网医疗问诊的监管方法、电子装置及可读存储介质 | |
CN107122710B (zh) | 一种基于散射卷积网络的手指静脉特征提取方法 | |
CN112057068A (zh) | 一种癫痫病理数据分类方法、装置及存储介质 | |
CN108664956B (zh) | 人体静脉生物特征信息采集过程中的活体识别方法及装置 | |
CN115458138A (zh) | 一种dip预分组推荐方法、装置、设备和存储介质 | |
CN113647959A (zh) | 一种心电波形信号的波形识别方法、装置及设备 | |
CN112101021A (zh) | 一种实现标准词映射的方法、装置及设备 | |
CN110889836A (zh) | 一种影像数据分析方法、装置、终端设备及存储介质 | |
US7593557B2 (en) | Methods of signal processing of data | |
CN103577807B (zh) | 基于静脉识别的身份认证方法和装置 | |
CN109615624A (zh) | 一种基于超声图像的血流速度波形自动化识别方法 | |
CN111079420B (zh) | 文本识别方法、装置、计算机可读介质及电子设备 | |
EP2093710A1 (en) | Computer-aided tubing detection | |
CN115858762A (zh) | 一种主诊断识别方法、装置、计算设备和存储介质 | |
CN117495547A (zh) | 信贷违约预测方法和模型训练方法 | |
CN115770055A (zh) | 基于脑电信号的k复合波检测方法、装置及系统 |
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 |