CN114415573A - 一种基于人体脑电波的振动床自动控制系统 - Google Patents
一种基于人体脑电波的振动床自动控制系统 Download PDFInfo
- Publication number
- CN114415573A CN114415573A CN202210081891.2A CN202210081891A CN114415573A CN 114415573 A CN114415573 A CN 114415573A CN 202210081891 A CN202210081891 A CN 202210081891A CN 114415573 A CN114415573 A CN 114415573A
- Authority
- CN
- China
- Prior art keywords
- module
- vibration
- sleep
- data
- human body
- 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.)
- Pending
Links
- 210000004556 brain Anatomy 0.000 title claims abstract description 41
- 230000007958 sleep Effects 0.000 claims abstract description 66
- 230000008667 sleep stage Effects 0.000 claims abstract description 40
- 238000004891 communication Methods 0.000 claims abstract description 26
- 238000013135 deep learning Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 11
- 238000005070 sampling Methods 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 9
- 210000001061 forehead Anatomy 0.000 claims description 9
- 238000012800 visualization Methods 0.000 claims description 9
- 238000000034 method Methods 0.000 claims description 7
- 210000003128 head Anatomy 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 5
- 238000012544 monitoring process Methods 0.000 claims description 5
- 230000004461 rapid eye movement Effects 0.000 claims description 4
- 230000002618 waking effect Effects 0.000 claims description 4
- 238000012937 correction Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 238000004806 packaging method and process Methods 0.000 claims description 2
- 230000008054 signal transmission Effects 0.000 claims description 2
- 238000009877 rendering Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 description 10
- 241000255588 Tephritidae Species 0.000 description 4
- 230000006698 induction Effects 0.000 description 4
- 206010052804 Drug tolerance Diseases 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000026781 habituation Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000033764 rhythmic process Effects 0.000 description 3
- 230000000638 stimulation Effects 0.000 description 3
- 241000255581 Drosophila <fruit fly, genus> Species 0.000 description 2
- 230000037007 arousal Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000004617 sleep duration Effects 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 206010003694 Atrophy Diseases 0.000 description 1
- 206010062519 Poor quality sleep Diseases 0.000 description 1
- 230000037444 atrophy Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000004070 electrodeposition Methods 0.000 description 1
- 230000005672 electromagnetic field Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 208000019116 sleep disease Diseases 0.000 description 1
- 230000004622 sleep time Effects 0.000 description 1
- 230000037046 slow wave activity Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
- G05B19/042—Programme control other than numerical control, i.e. in sequence controllers or logic controllers using digital processors
- G05B19/0423—Input/output
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/20—Pc systems
- G05B2219/25—Pc structure of the system
- G05B2219/25257—Microcontroller
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一种基于人体脑电波的振动床自动控制系统,所述系统包括:脑电采集模块、睡眠状态判断模块、控制模块、通信模块和振动模块,所述脑电采集模块实时获取脑电信号,所述睡眠状态判断模块根据实时采集的脑电信号判断人体当前的睡眠阶段,所述控制模块根据睡眠阶段发送适合当前睡眠状态的振动控制指令,所述通信模块将振动控制指令按照特定数据格式发送至振动模块,所述振动模块接收到振动控制指令后通过电机使振动床进行振动。本发明解决了现有振动床无法根据人体睡眠状态自动调整的问题。
Description
技术领域
本发明涉及智能家具技术领域,具体涉及一种基于人体脑电波的振动床自动控制系统。
背景技术
由于睡眠问题已经成为了当代许多人面对的问题,对于睡眠助眠的需求与日俱增,许多用户选择通过外置的设备来进行助眠工作,震动床就是其中之一。振动对于睡眠的诱导作用来自于一项研究,《Cell Reports》2020年12月发表了一篇名为“Sleep Inductionby Mechanosensory Stimulation in Drosophila”(机械感应刺激果蝇中的睡眠诱导)的论文表示:研究团队通过果蝇实验发现,习惯性在单调刺激的睡眠诱导中发挥着至关重要的作用,对反复刺激的习惯化会降低唤醒感,并通过一种常见的机制增加睡眠倾向。实验中,研究人员建立了模型体系,让小幅振动带动果蝇的“卧室”并进行对比,在经过习惯化之后,果蝇会降低对于振动的刺激反应,被振幅带动的果蝇睡眠均显著增加,对于人来说也是一样,习惯化并且柔和的机械感官刺激能够促进睡眠。
但是目前控制振动床的方法,大多通过遥控器的远程遥控技术,这种技术无法保证用户在进入睡眠的情况下还能实时调节振动床的振动效果和工作频率,在用户入睡后就无法调控,只能保持当前状态持续工作,不适合有睡眠问题的用户进行助眠效果,或者会通过过久的振动导致用户出现不适反应。
发明内容
为此,本发明提供一种基于人体脑电波的振动床自动控制系统,以解决现有振动床无法根据人体睡眠状态自动调整的问题。
为了实现上述目的,本发明提供如下技术方案:
本发明公开了一种基于人体脑电波的振动床自动控制系统,所述系统包括:脑电采集模块、睡眠状态判断模块、控制模块、通信模块和振动模块,所述脑电采集模块实时获取脑电信号,所述睡眠状态判断模块根据实时采集的脑电信号判断人体当前的睡眠阶段,所述控制模块根据睡眠阶段发送适合当前睡眠状态的振动控制指令,所述通信模块将振动控制指令按照特定数据格式发送至振动模块,所述振动模块接收到振动控制指令后通过电机使振动床进行振动。
进一步地,所述脑电采集模块设置有单模态脑电采集设备,包括采样电极、蓝牙设备和采集芯片,所述采样电极贴在头的额部、中央部和枕部,采集芯片控制采样电极获取脑电信号,所述蓝牙设备将脑电信号发送至睡眠状态判断模块。
进一步地,所述睡眠状态判断模块将睡眠阶段分为:浅睡、深睡、快速眼动和清醒,睡眠状态判断模块内构建有睡眠判断模型,通过将实时采集的脑电信号放入睡眠判断模型进行睡眠分期预测,得到当前用户所述的睡眠阶段。
进一步地,所述睡眠判断模型构建过程为:
通过医用专业睡眠多导图PSG采集数据并由专家进行标注,将标注后的数据作为模型训练标签使用,通过卷积网络CNN和长短时记忆LSTM结合框架来进行深度学习网络搭建;
对前额采集到的原始信号数据进行分段处理,并提取专家标注的对应标签,通过深度学习网络来提取数据种的对应信息;
搭建深度学习网络完成之后将采集到的信号进行划分:清醒、快速眼动、浅睡、深睡四个阶段,将数据放入深度学习网络模型进行训练,通过调试和迭代将模型的准确率参数调整到最佳状态,输出睡眠判断模型。
进一步地,所述睡眠判断模型构建完成后,在用户前额叶佩戴单模态脑电采集设备进行脑电监测采集工作,将单模态脑电检测设备采集到的信号数据放入模型进行睡眠分期预测,得到当前用户所处的睡眠阶段。
进一步地,所述睡眠状态判断模块确定用户的睡眠阶段后,将判断结果发送至控制模块,所述控制模块内设置有中央处理器,中央处理器根据当前用户所处的睡眠阶段和脑电信号频率,匹配对应的振动频率形成控制指令发送至振动模块。
进一步地,所述控制模块还包括可视化单元,通过可视化单元将单模态脑电采集设备的数据实时绘制在可视化界面内,将数字化的数据转化为更易于理解的方式进行展示。
进一步地,所述控制模块通过串口与通信模块建立连接,所述通信模块包括无线收发单元,所述无线收发单元采用高频射频进行高速数据信号传输,实现对无线传输数据的打包、检错和纠错处理。
进一步地,所述无线通信单元对数据结构进行解析,对于数据帧结构约定为:帧头+信号持续时间+地址码1+地址码2+按键码+校验和+信号脉冲宽度+帧尾,一个完整的数据帧结构构成一个遥控指令,无线通信单元接收到控制指令后对数据帧进行解析,解析完成后发送至振动模块。
进一步地,所述振动单元包括:振动控制器、电机和振动床,所述振动单元接收到控制指令后,振动控制器对控制指令进行读取,通过振动控制器控制电机的振动频率,所述电机安装在振动床上,通过电机带动振动床按照设定频率进行振动。
本发明具有如下优点:
本发明公开了一种基于人体脑电波的振动床自动控制系统,通过对脑电波的实时监测与睡眠阶段的检测来进行控制,不需要用户主动介入,只需要佩戴脑电波检测设备和通信模块相关设备就可以达到最理想的效果。增强了控制的实时性、适用性、自动化控制和更加符合用户状态的模式选择。用户会根据当前监测到的信号而收到更符合当前状况的助眠服务,减少了用户在助眠期间的操作流程,更加符合自动化助眠的需求。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案,下面将对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,下面描述中的附图仅仅是示例性的,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,还可以根据提供的附图引申获得其它的实施附图。
本说明书所绘示的结构、比例、大小等,均仅用以配合说明书所揭示的内容,以供熟悉此技术的人士了解与阅读,并非用以限定本发明可实施的限定条件,故不具技术上的实质意义,任何结构的修饰、比例关系的改变或大小的调整,在不影响本发明所能产生的功效及所能达成的目的下,均应仍落在本发明所揭示的技术内容得能涵盖的范围内。
图1为本发明实施例提供的一种基于人体脑电波的振动床自动控制系统的流程图;
图2为本发明实施例提供的一种基于人体脑电波的振动床自动控制系统模块信息传递示意图;
图3为本发明实施例提供的脑电采集设备在人脑上采样电极位置示意图;
具体实施方式
以下由特定的具体实施例说明本发明的实施方式,熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效,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。
实施例
参考图1和图2,本实施例公开了一种基于人体脑电波的振动床自动控制系统,所述系统:脑电采集模块、睡眠状态判断模块、控制模块、通信模块和振动模块,所述脑电采集模块实时获取脑电信号,所述睡眠状态判断模块根据实时采集的脑电信号判断人体当前的睡眠阶段,所述控制模块根据睡眠阶段发送适合当前睡眠状态的振动控制指令,所述通信模块将振动控制指令按照特定数据格式发送至振动模块,所述振动模块接收到振动控制指令后通过电机使振动床进行振动。
脑电采集模块设置有单模态脑电采集设备,包括采样电极、蓝牙设备和采集芯片,参考图3,所述采样电极贴在头的额部、中央部和枕部,采集芯片控制采样电极获取脑电信号,所述蓝牙设备将脑电信号发送至睡眠状态判断模块。
睡眠状态判断模块将睡眠阶段分为:浅睡、深睡、快速眼动和清醒,睡眠状态判断模块内构建有睡眠判断模型,通过将实时采集的脑电信号放入睡眠判断模型进行睡眠分期预测,得到当前用户所述的睡眠阶段。
在睡眠状态的不同结算,大脑产生不同频率的脑波:Btea波(>13Hz)、Alpha波(8-13Hz)、Theta波(4-7.99Hz)、Detta波(0-3.99Hz)、Slow wave activity慢波(0.5-2Hz伴随大于75μV的振幅峰值)。
通常情况下,正常的成年人在一天之中,有2/3的时间是处于清醒的,人在处于睁眼、运动等行为线索时,均可认定处于清醒期。但是随着活动减弱,人就需要休息来恢复精力,人躺下并闭上眼睛时,脑波活动减慢至稳定的后部Alpha节律,这个节律是清醒和睡眠之间的过渡,当该节律进一步减慢时,达到睡眠状态。
浅睡阶段包括N1期和N2期,在N1期,是从清醒状态到睡眠状态的典型过渡期,在该阶段内低振幅混合性脑波频率会处于Theta波范围内(4-7Hz),N1期是最浅的睡眠期,许多受试者会从该阶段醒来,并通常不会察觉到他们实际上睡着过,通常N1期占总睡眠时间的5%-10%;
在N2期,通常在总睡眠时长中占比最大(45%-55%),特征波显示为Theta波脑电频率,在N2期中会出现两种特征波:睡眠梭形波(纺锤波)和K复合波。梭形波很短,频率在12-14Hz内;K复合波是清晰可辨的负向尖波,其后会紧跟一个正向波。
深睡阶段为N3期,N3期就是常说的“深度睡眠”,特征波为低频(0.5-2Hz)高振幅(>75μV)的Detta波,一般占总睡眠时长的10-20%。
快速眼动阶段,脑电图呈现低电压、混合性,会出现锯齿波在2-6Hz,这些波外形尖锐,存在短暂爆发模式。在REM阶段,通常会有生动梦境。
清醒阶段,睡眠期会交替转换,将个体从较深的睡眠阶段带入到较浅的睡眠阶段或者觉醒状态。一般认为,如果脑电图种出现突然变化的Alpha波、Theta波或超过16Hz的脑电波且持续超过3秒,并在出现变化之前有持续至少10秒的稳定睡眠,则判定为觉醒。
睡眠判断模型构建过程为:
通过医用专业睡眠多导图PSG采集数据并由专家进行标注,将标注后的数据作为模型训练标签使用,通过卷积网络CNN和长短时记忆LSTM结合框架来进行深度学习网络搭建;
对前额采集到的原始信号数据进行分段处理,并提取专家标注的对应标签,通过深度学习网络来提取数据种的对应信息;
搭建深度学习网络完成之后将采集到的信号进行划分:清醒、快速眼动、浅睡、深睡四个阶段,将数据放入深度学习网络模型进行训练,通过调试和迭代将模型的准确率参数调整到最佳状态,输出睡眠判断模型。
睡眠判断模型构建完成后,在用户前额叶佩戴单模态脑电采集设备进行脑电监测采集工作,将单模态脑电检测设备采集到的信号数据放入模型进行睡眠分期预测,得到当前用户所处的睡眠阶段。
睡眠状态判断模块确定用户的睡眠阶段后,将判断结果发送至控制模块,所述控制模块内设置有中央处理器,中央处理器根据当前用户所处的睡眠阶段和脑电信号频率,匹配对应的振动频率形成控制指令发送至振动模块。
控制模块还包括可视化单元,通过可视化单元将单模态脑电采集设备的数据实时绘制在可视化界面内,将数字化的数据转化为更易于理解的方式进行展示。大部分MCU计算能力偏弱,需要控制模块将接收到的脑电设备数据采集、分析或者保存,提高对数据的运算处理能力。
控制模块通过串口与通信模块建立连接,所述通信模块包括无线收发单元,本申请中无线通信单元采用433MHz无线通信设备。433MHz无线通信设备,采用的是高频射频技术,可以实现高速数据信号传输,实现对无线传输数据的打包、检错和纠错处理,工作稳定可靠,一般被广泛应用于安全报警、自动抄表、家庭和工业自动化、远端遥控、无线数传等领域。
无线通信单元对数据结构进行解析,对于数据帧结构约定为:帧头+信号持续时间+地址码1+地址码2+按键码+校验和+信号脉冲宽度+帧尾,一个完整的数据帧结构构成一个遥控指令,可以将控制模块模拟成一个集成了遥控器功能的综合应用程序,无线通信单元接收到控制指令后对数据帧进行解析,解析完成后发送至振动模块。
振动单元包括:振动控制器、电机和振动床,所述振动单元接收到控制指令后,振动控制器对控制指令进行读取,通过振动控制器控制电机的振动频率,所述电机安装在振动床上,通过电机带动振动床按照设定频率进行振动。在用户进入深睡一段时间之后,发送关闭指令,关停振动床,营造安静平稳的睡眠环境。
通过查阅相关资料,发现了被誉为“最特别的频率-7.83Hz”的舒曼共振。通过对舒曼共振的了解,发现地球与大脑存在相同的自然共振,舒曼共振(7.83Hz)与大脑Alpha节律(8-12Hz)的频率非常接近。经过研究均表示,在细胞暴露在低频脉冲电磁场内(如舒曼共振)时,细胞生长会更快、更强壮、更长寿,相反的情况下,细胞会加速萎缩和死亡过程。按照舒曼共振的原理,需要选定接近实时脑电波频率的振动频率来进行助眠工作,以此达到共振助眠的效果。
依照睡眠分期算法得到的标签来获取当前脑电的实时频率,通过上位机程序将通信指令发送给振动床,控制振动床以符合当前脑波频率范围的振幅进行振动,达到实时、匹配的助眠效果。
本实施例公开的一种基于人体脑电波的振动床自动控制系统,通过对脑电波的实时监测与睡眠阶段的检测来进行控制,不需要用户主动介入,只需要佩戴脑电波检测设备和通信模块相关设备就可以达到最理想的效果。增强了控制的实时性、适用性、自动化控制和更加符合用户状态的模式选择。用户会根据当前监测到的信号而收到更符合当前状况的助眠服务,减少了用户在助眠期间的操作流程,更加符合自动化助眠的需求。
虽然,上文中已经用一般性说明及具体实施例对本发明作了详尽的描述,但在本发明基础上,可以对之作一些修改或改进,这对本领域技术人员而言是显而易见的。因此,在不偏离本发明精神的基础上所做的这些修改或改进,均属于本发明要求保护的范围。
Claims (10)
1.一种基于人体脑电波的振动床自动控制系统,其特征在于,所述系统包括:脑电采集模块、睡眠状态判断模块、控制模块、通信模块和振动模块,所述脑电采集模块实时获取脑电信号,所述睡眠状态判断模块根据实时采集的脑电信号判断人体当前的睡眠阶段,所述控制模块根据睡眠阶段发送适合当前睡眠状态的振动控制指令,所述通信模块将振动控制指令按照特定数据格式发送至振动模块,所述振动模块接收到振动控制指令后通过电机使振动床进行振动。
2.如权利要求1所述的一种基于人体脑电波的振动床自动控制系统,其特征在于,所述脑电采集模块设置有单模态脑电采集设备,包括采样电极、蓝牙设备和采集芯片,所述采样电极贴在头的额部、中央部和枕部,采集芯片控制采样电极获取脑电信号,所述蓝牙设备将脑电信号发送至睡眠状态判断模块。
3.如权利要求1所述的一种基于人体脑电波的振动床自动控制系统,其特征在于,所述睡眠状态判断模块将睡眠阶段分为:浅睡、深睡、快速眼动和清醒,睡眠状态判断模块内构建有睡眠判断模型,通过将实时采集的脑电信号放入睡眠判断模型进行睡眠分期预测,得到当前用户所述的睡眠阶段。
4.如权利要求3所述的一种基于人体脑电波的振动床自动控制系统,其特征在于,所述睡眠判断模型构建过程为:
通过医用专业睡眠多导图PSG采集数据并由专家进行标注,将标注后的数据作为模型训练标签使用,通过卷积网络CNN和长短时记忆LSTM结合框架来进行深度学习网络搭建;
对前额采集到的原始信号数据进行分段处理,并提取专家标注的对应标签,通过深度学习网络来提取数据种的对应信息;
搭建深度学习网络完成之后将采集到的信号进行划分:清醒、快速眼动、浅睡、深睡四个阶段,将数据放入深度学习网络模型进行训练,通过调试和迭代将模型的准确率参数调整到最佳状态,输出睡眠判断模型。
5.如权利要求4所述的一种基于人体脑电波的振动床自动控制系统,其特征在于,所述睡眠判断模型构建完成后,在用户前额叶佩戴单模态脑电采集设备进行脑电监测采集工作,将单模态脑电检测设备采集到的信号数据放入模型进行睡眠分期预测,得到当前用户所处的睡眠阶段。
6.如权利要求1所述的一种基于人体脑电波的振动床自动控制系统,其特征在于,所述睡眠状态判断模块确定用户的睡眠阶段后,将判断结果发送至控制模块,所述控制模块内设置有中央处理器,中央处理器根据当前用户所处的睡眠阶段和脑电信号频率,匹配对应的振动频率形成控制指令发送至振动模块。
7.如权利要求6所述的一种基于人体脑电波的振动床自动控制系统,其特征在于,所述控制模块还包括可视化单元,通过可视化单元将单模态脑电采集设备的数据实时绘制在可视化界面内,将数字化的数据转化为更易于理解的方式进行展示。
8.如权利要求1所述的一种基于人体脑电波的振动床自动控制系统,其特征在于,所述控制模块通过串口与通信模块建立连接,所述通信模块包括无线收发单元,所述无线收发单元采用高频射频进行高速数据信号传输,实现对无线传输数据的打包、检错和纠错处理。
9.如权利要求8所述的一种基于人体脑电波的振动床自动控制系统,其特征在于,所述无线通信单元对数据结构进行解析,对于数据帧结构约定为:帧头+信号持续时间+地址码1+地址码2+按键码+校验和+信号脉冲宽度+帧尾,一个完整的数据帧结构构成一个遥控指令,无线通信单元接收到控制指令后对数据帧进行解析,解析完成后发送至振动模块。
10.如权利要求9所述的一种基于人体脑电波的振动床自动控制系统,其特征在于,所述振动单元包括:振动控制器、电机和振动床,所述振动单元接收到控制指令后,振动控制器对控制指令进行读取,通过振动控制器控制电机的振动频率,所述电机安装在振动床上,通过电机带动振动床按照设定频率进行振动。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210081891.2A CN114415573A (zh) | 2022-01-24 | 2022-01-24 | 一种基于人体脑电波的振动床自动控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210081891.2A CN114415573A (zh) | 2022-01-24 | 2022-01-24 | 一种基于人体脑电波的振动床自动控制系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114415573A true CN114415573A (zh) | 2022-04-29 |
Family
ID=81276697
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210081891.2A Pending CN114415573A (zh) | 2022-01-24 | 2022-01-24 | 一种基于人体脑电波的振动床自动控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114415573A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115185196A (zh) * | 2022-09-09 | 2022-10-14 | 深圳市心流科技有限公司 | 基于睡眠状态的智能设备控制方法、终端设备及存储介质 |
CN115253010A (zh) * | 2022-07-08 | 2022-11-01 | 南充市中心医院 | 一种水床振动控制系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110236324A (zh) * | 2019-04-11 | 2019-09-17 | 杨松 | 振动床腿、电动床及电动床的控制方法 |
CN110623664A (zh) * | 2019-09-26 | 2019-12-31 | 川北医学院 | 一种集脑波信号接收和处理的控制系统及方法 |
CN111493828A (zh) * | 2020-04-23 | 2020-08-07 | 四川大学 | 基于全卷积网络的序列到序列的睡眠障碍检测方法 |
-
2022
- 2022-01-24 CN CN202210081891.2A patent/CN114415573A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110236324A (zh) * | 2019-04-11 | 2019-09-17 | 杨松 | 振动床腿、电动床及电动床的控制方法 |
CN110623664A (zh) * | 2019-09-26 | 2019-12-31 | 川北医学院 | 一种集脑波信号接收和处理的控制系统及方法 |
CN111493828A (zh) * | 2020-04-23 | 2020-08-07 | 四川大学 | 基于全卷积网络的序列到序列的睡眠障碍检测方法 |
Non-Patent Citations (1)
Title |
---|
张秀丽: "基于CNN-LSTM网络的睡眠分期研究" * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115253010A (zh) * | 2022-07-08 | 2022-11-01 | 南充市中心医院 | 一种水床振动控制系统 |
CN115185196A (zh) * | 2022-09-09 | 2022-10-14 | 深圳市心流科技有限公司 | 基于睡眠状态的智能设备控制方法、终端设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114415573A (zh) | 一种基于人体脑电波的振动床自动控制系统 | |
CN1882372B (zh) | 睡眠引导系统和相关方法 | |
CN109316170B (zh) | 基于深度学习的脑电波辅助睡眠及唤醒系统 | |
CN110353874A (zh) | 一种睡眠呼吸障碍治疗系统 | |
CN206045144U (zh) | 一种新型智能助眠和自然唤醒的装置 | |
CN105833411A (zh) | 一种新型智能助眠和自然唤醒的方法及装置 | |
CN105534505A (zh) | 一种健康管理设备、监测方法及健康监测系统 | |
CN102526879A (zh) | 用于起搏频率自适应调节的装置和系统 | |
CN105422492B (zh) | 风扇的控制系统及风扇的控制方法 | |
CN105999510A (zh) | 一种提高睡眠质量的生理控制方法 | |
CN209301455U (zh) | 一种智能音乐眼罩 | |
CN104720748A (zh) | 一种睡眠阶段确定方法和系统 | |
CN106618040A (zh) | 枕头和睡眠干预方法 | |
CN109414562A (zh) | 用于基于睡眠深度时延来调节睡眠段期间的听觉刺激音量的系统和方法 | |
CN105342606A (zh) | 通过中枢神经调节治疗睡眠障碍的方法 | |
CN105411580A (zh) | 一种基于触听觉诱发电位的脑控轮椅系统 | |
CN109908474A (zh) | 一种穿戴式电刺激走神经昏迷促醒和康复系统技术 | |
CN105055069A (zh) | 血氧监测止鼾仪及止鼾方法 | |
CN105997053A (zh) | 一种基于智能寝具的健康管理方法 | |
CN106344007A (zh) | 一种听课状态监测系统 | |
CN116350244A (zh) | 一种基于虚拟现实与肌电反馈的骨科康复训练方法及系统 | |
CN204814357U (zh) | 一种血氧监测止鼾仪 | |
CN117991906A (zh) | 一种用于脑-机接口的微型振动刺激发生器 | |
CN113545752A (zh) | 智能床的睡眠质量监测方法及系统 | |
CN109381178A (zh) | 一种监测治疗失眠的系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220429 |
|
RJ01 | Rejection of invention patent application after publication |