CN114489343A - 一种高通道神经信号的数据压缩装置及方法 - Google Patents
一种高通道神经信号的数据压缩装置及方法 Download PDFInfo
- Publication number
- CN114489343A CN114489343A CN202210119092.XA CN202210119092A CN114489343A CN 114489343 A CN114489343 A CN 114489343A CN 202210119092 A CN202210119092 A CN 202210119092A CN 114489343 A CN114489343 A CN 114489343A
- Authority
- CN
- China
- Prior art keywords
- module
- neural
- data
- signals
- neural signals
- 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
- 230000001537 neural effect Effects 0.000 title claims abstract description 234
- 238000013144 data compression Methods 0.000 title claims abstract description 36
- 238000000034 method Methods 0.000 title claims abstract description 20
- 230000005540 biological transmission Effects 0.000 claims abstract description 53
- 238000007781 pre-processing Methods 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims description 32
- 238000004458 analytical method Methods 0.000 claims description 12
- 230000036982 action potential Effects 0.000 claims description 9
- 238000007906 compression Methods 0.000 claims description 4
- 230000006835 compression Effects 0.000 claims description 4
- 230000004907 flux Effects 0.000 claims description 3
- 230000003139 buffering effect Effects 0.000 claims description 2
- 210000005036 nerve Anatomy 0.000 abstract description 27
- 230000000694 effects Effects 0.000 description 7
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000001914 filtration Methods 0.000 description 5
- 230000008054 signal transmission Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 230000003321 amplification Effects 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000003199 nucleic acid amplification method Methods 0.000 description 3
- 208000012902 Nervous system disease Diseases 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 208000024827 Alzheimer disease Diseases 0.000 description 1
- 208000018737 Parkinson disease Diseases 0.000 description 1
- 206010039966 Senile dementia Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006931 brain damage Effects 0.000 description 1
- 231100000874 brain damage Toxicity 0.000 description 1
- 208000029028 brain injury Diseases 0.000 description 1
- 210000005013 brain tissue Anatomy 0.000 description 1
- 210000003169 central nervous system Anatomy 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000008506 pathogenesis Effects 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
- G06F3/015—Input arrangements based on nervous system activity detection, e.g. brain waves [EEG] detection, electromyograms [EMG] detection, electrodermal response detection
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
- A61B5/0004—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by the type of physiological signal transmitted
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F13/00—Interconnection of, or transfer of information or other signals between, memories, input/output devices or central processing units
- G06F13/38—Information transfer, e.g. on bus
- G06F13/382—Information transfer, e.g. on bus using universal interface adapter
- G06F13/385—Information transfer, e.g. on bus using universal interface adapter for adaptation of a particular data processing system to different peripheral devices
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Heart & Thoracic Surgery (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Pathology (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physiology (AREA)
- Dermatology (AREA)
- Neurology (AREA)
- Neurosurgery (AREA)
- Human Computer Interaction (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明涉及一种高通道神经信号的数据压缩装置及方法,数据压缩装置用于压缩高通量神经信号以输出低数据量的神经信号,包括神经信号采集模块、控制模块、传输模块和缓存模块,所述神经信号采集模块用于采集高通量神经信号并对采集到的高通量神经信号进行预处理得到数字化的神经信号,并将得到的数字化的神经信号输出至所述控制模块,所述控制模块用于对所述神经信号采集模块输出的数字化的神经信号进行数据压缩得到低数据量的神经信号并将得到的低数据量的神经信号输出至所述传输模块以完成高通量神经信号的无线传输,所述缓存模块用于缓存数字化的神经信号。通过控制模块大幅度压缩神经信号后再进行无线传输,实现了高通道神经信号的无线传输。
Description
技术领域
本发明涉及生物医学工程领域,尤其涉及一种高通道神经信号的数据压缩装置及方法。
背景技术
目前的研究表明,包括帕金森病、老年痴呆在内的多种神经系统疾病均与中枢神经系统内神经元放电活动密切相关,神经电信号表现出异常的活动特征和模式。因此,对脑组织中微弱的神经电信号进行高通量检测,研究不同生理和病理条件下电生理信号的动态变化过程,对研究神经系统性疾病的发病机制、相关药物的作用机理,以及药物的疗效评价具有重要的意义和潜在的应用价值。为了抑制外界噪声干扰,更加精确地对多点同时进行测量,目前绝大多数神经电信号采集系统采用植入式多通道神经电极来记录神经元细胞的放电活动。
传统记录方式通过电缆来传输测量到的动作电位,但这会带来诸多问题如限制被测量机体的运动自由、不能充分反映被测者自然的状态、增加脑损伤的风险等。为了克服上述问题,近年来基于无线传输的神经信号采集系统得到了迅速发展,而对于神经信号采集系统而言,传输方式包括模拟信号传输和数字信号传输两种方式,其中,通过集成天线将神经信号以模拟信号的形式传输上位机的传输方式受到严重的环境干扰,采集信号质量较差;若将神经信号进行模数转换后以数字信号的形式传输,则在高通道记录系统中,通过无线wifi、蓝牙等形式均很难兼容如此高的数据量。
因此,需要提供一种实现高通道神经信号传输并且可以大幅度压缩神经信号并且传输效果稳定的的数据压缩装置来解决上述技术问题。
发明内容
为了解决上述技术问题,本发明提供了一种高通道神经信号的数据压缩装置。解决了现有技术中神经信号以数字信号的形式传输,导致数据量过大传输模块无法兼容的技术问题。
本发明的技术效果通过如下实现的:
一种高通道神经信号的数据压缩装置,用于压缩高通量神经信号以输出低数据量的神经信号,包括神经信号采集模块、控制模块、传输模块和缓存模块,所述神经信号采集模块用于采集高通量神经信号并对采集到的高通量神经信号进行预处理得到数字化的神经信号,并将得到的数字化的神经信号输出至所述控制模块,所述控制模块用于对所述神经信号采集模块输出的数字化的神经信号进行数据压缩得到低数据量的神经信号并将得到的低数据量的神经信号输出至所述传输模块,所述传输模块用于将所述低数据量的神经信号无线传输至分析装置以完成对采集到的高通量神经信号的分析,所述缓存模块和所述控制装置连接,所述缓存模块用于缓存数字化的神经信号。通过控制模块大幅度压缩神经信号后再进行无线传输,实现了高通道神经信号的无线传输,解决了现有技术中神经信号以数字信号的形式传输,导致数据量过大传输模块无法兼容的技术问题。
进一步地,所述控制模块包括数据输入模块、数据控制模块和数据输出模块,所述数据输入模块用于接收所述神经信号采集模块输出的数字化的神经信号并通过所述数据控制模块传输至所述数据输出模块。
进一步地,还包括缓存模块,所述数据控制模块设置为当读取到所述数据输入模块中数字化的神经信号的数据量大于输入阈值时将所述数据输入模块中数字化的神经信号取出并输出至所述缓存模块,当读取到所述数据输出模块中数字化的神经信号的数据量小于输出阈值时将所述缓存模块中存储的数字化的神经信号取出并输出至所述数据输出模块。
进一步地,所述控制模块还包括缓存控制模块,所述数据输入模块通过所述缓存控制模块将数字化的神经信号存储在所述缓存模块中,所述数据输出模块通过所述缓存控制模块从所述缓存模块中读取存储的数字化的神经信号。通过设置缓存控制模块、数据控制模块和缓存模块,使得当数据控制模块中数据量快满时,将数据输入模块中缓存的数据块取出,通过缓存控制模块存储进入缓存模块;当数据输出模块中数据接近空时,通过缓存控制模块从缓存控制模块中读取已缓存的神经信号数据块,送入数据输出模块中,实现数据的缓存功能,避免传输不稳定导致的数据丢失。
进一步地,所述神经信号采集模块设置为当采集到的高通量神经信号为有效信号时输出写使能信号至所述数据输入模块以控制所述数据输入模块对当前所述神经信号采集模块采集的高通量神经信号进行读取。
进一步地,所述控制模块还包括神经信号处理模块,所述神经信号处理模块一端和所述数据输出模块信号连接,另一端和所述传输模块信号连接,所述神经信号处理模块用于从数字化的神经信号中获取动作电位及动作电位对应的时间以实现数字化的神经信号的压缩。通过设置神经信号处理模块,使得神经信号特征提取在控制模块上实现,而非传输到分析模块后再进行,从而能够将神经信号大幅度压缩,实现了高通道神经信号的无线传输。
进一步地,所述神经信号处理模块设置为当所述神经信号处理模块为空闲状态时输出读使能信号至所述数据输出模块以控制所述数据输出模块输出数字化的神经信号至所述神经信号处理模块。
进一步地,所述控制模块还包括锁相环,所述锁相环用于输出写时钟信号至所述神经信号采集模块和所述数据输入模块,输出读时钟信号至所述数据输出模块和所述传输模块。
进一步地,所述传输模块为蓝牙模块。
另外,还提供一种用于高通道神经信号记录系统的数据压缩方法,所述方法基于上述的高通道神经信号的数据压缩装置实现的,所述方法包括:
利用神经信号采集模块采集高通量神经信号并对采集到的高通量神经信号进行预处理得到数字化的神经信号,同时,将得到的数字化的神经信号输出至控制模块;
利用控制模块对神经信号采集模块输出的数字化的神经信号进行数据压缩得到低数据量的神经信号,同时,将得到的低数据量的神经信号输出至传输模块;
利用传输模块将低数据量的神经信号传输至分析装置以完成对采集到的高通量神经信号的分析。
如上所述,本发明具有如下有益效果:
1)通过设置神经信号处理模块,使得神经信号特征提取在控制模块上实现,而非传输到分析模块后再进行,从而能够将神经信号大幅度压缩,实现了高通道神经信号的无线传输,解决了现有技术中神经信号以数字信号的形式传输,导致数据量过大传输模块无法兼容的技术问题。
2)通过设置缓存控制模块、数据控制模块和缓存模块,使得当数据控制模块中数据量快满时,将数据输入模块中缓存的数据块取出,通过缓存控制模块存储进入缓存模块;当数据输出模块中数据接近空时,通过缓存控制模块从缓存控制模块中读取已缓存的神经信号数据块,送入数据输出模块中,实现数据的缓存功能,避免传输不稳定导致的数据丢失。
附图说明
为了更清楚地说明本发明的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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,还能够根据这些附图获得其它附图。
图1为本说明书实施例提供的一种高通道神经信号的数据压缩装置的结构框图;
图2为本说明书实施例提供的一种高通道神经信号的数据压缩装置的具体结构示意图。
其中,图中附图标记对应为:
神经信号采集模块1、控制模块2、数据输入模块21、数据控制模块22、数据输出模块23、缓存控制模块24、神经信号处理模块25、锁相环26、蓝牙模块3、缓存模块4。
具体实施方式
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的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。
需要说明的是,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例1:
如图1和图2所示,本说明书实施例提供了一种高通道神经信号的数据压缩装置,用于压缩高通量神经信号以输出低数据量的神经信号,包括神经信号采集模块1、控制模块2和传输模块,神经信号采集模块1用于采集高通量神经信号并对采集到的高通量神经信号进行预处理得到数字化的神经信号,并将得到的数字化的神经信号输出至控制模块2,控制模块2用于对神经信号采集模块1输出的数字化的神经信号进行数据压缩得到低数据量的神经信号并将得到的低数据量的神经信号输出至传输模块,所述传输模块用于将所述低数据量的神经信号无线传输至上位机以完成对采集到的高通量神经信号的分析。其中,神经信号采集模块1对采集到的高通量神经信号进行的预处理过程包括放大、滤波和模数转换等。
需要说明的是,对于神经信号采集系统而言,现有的传输方式包括模拟信号传输和数字信号传输两种方式,其中,通过集成天线将神经信号以模拟信号的形式传输上位机的传输方式受到严重的环境干扰,采集信号质量较差;若将神经信号进行模数转换后以数字信号的形式传输,则在高通道记录系统中,通过无线wi f i、蓝牙等形式均很难兼容如此高的数据量。
因此,本申请通过设置控制模块2,使得神经信号特征提取在控制模块2上实现,而非传输到分析模块后再进行,从而能够将神经信号大幅度压缩,实现了高通道神经信号的无线传输,解决了现有技术中神经信号以数字信号的形式传输,导致数据量过大传输模块无法兼容的技术问题。
优选地,控制模块2包括神经信号处理模块25,神经信号处理模块25一端和数据输出模块23信号连接,另一端和传输模块信号连接,神经信号处理模块25用于从数字化的神经信号中获取动作电位及动作电位对应的时间以实现数字化的神经信号的压缩。其中,动作电位为spike信号。
优选地,传输模块为蓝牙模块3,采用蓝牙模块3进行数据的传输,而非采用WIFI模块进行数据的传输,降低了高通道神经信号的数据压缩装置的功耗,同时,通过蓝牙模块3实现了神经信号的无线传输,避免对于自由活动动物的实验通过有线的方式将神经信号引出到上位机进行数据采集和处理,影响动物活动,使得实验受到很大的限制的问题。
优选地,控制模块2包括数据输入模块21、数据控制模块22和数据输出模块23,数据输入模块21用于接收神经信号采集模块1输出的数字化的神经信号并通过数据控制模块22传输至数据输出模块23。
其中,数据输入模块21、数据控制模块22为FIFO模块,数据输出模块23为FIFO控制器模块。
具体地,神经信号处理模块25从数字化的神经信号中提取关键的神经spike信息,仅将spike信号的波形和时间点通过蓝牙模块发送到上位机,而抛弃其他信息,从而实现神经信号数据量的压缩,使得高通道神经信号仍能兼容于采用小体积的蓝牙模块进行无线传输。
其中,神经信号处理模块25对数字化的神经信号处理得到spike信号的原理如下:
1)将数字化的神经信号进行高通滤波,由于神经信号采集模块1采集到的神经信号的动作电位信息中包含高频成分,因此,需要通过高通滤波将此部分的高频信号过滤掉;
2)比较数据输入模块21输入端值和上位机的阈值进行比较;
3)当数据输入模块21输入端值低于上位机的阈值不再进行比较,此时,开始提取关键的神经spike信息;
4)对神经spike信息进行主成分分析和spike聚类得到spike信号的波形和时间点;
5)将spike信号的波形和时间点传输至蓝牙模块3。
具体地,本实施例中的高通道神经信号的数据压缩装置是针对128通道神经信号的数据压缩装置,神经信号采集模块1为神经信号采集芯片,控制模块2为FPGA控制芯片,FPGA控制芯片在片上实现了两个FIFO模块、FIFO控制器模块、神经信号处理模块25等功能。
其中,神经信号采集芯片为RHD2164芯片,FPGA控制芯片为Spartan-6XC6SLX45-2,蓝牙模块为CSR8635。神经信号采集芯片对采集到模拟神经信号进行放大、滤波、模数转换等预处理,然后将数字化的神经信号传输至FPGA控制芯片中。
优选地,还包括缓存模块4,缓存模块4用于缓存数字化的神经信号,数据控制模块22设置为当读取到数据输入模块21中数字化的神经信号的数据量大于输入阈值时将数据输入模块21中数字化的神经信号取出并输出至缓存模块4,当读取到数据输出模块23中数字化的神经信号的数据量小于输出阈值时将缓存模块4中存储的数字化的神经信号取出并输出至数据输出模块23。其中,输入阈值和输出阈值可由本领域技术人员自行设定。
优选地,控制模块2还包括缓存控制模块24,数据输入模块21通过缓存控制模块24将数字化的神经信号存储在缓存模块4中,数据输出模块23通过缓存控制模块24从缓存模块4中读取存储的数字化的神经信号。其中,缓存控制模块24为SDRAM控制器模块。
具体地,缓存模块4为SDRAM缓存芯片,优选采用MT47H64M16XX-3作为SDRAM缓存芯片,两个FIFO模块、FIFO控制器模块、SDRAM控制器模块和外部的SDRAM缓存芯片共同实现数据缓存功能,使得当数据控制模块22中数据量快满时,将数据输入模块21中缓存的数据块取出,通过缓存控制模块24存储进入缓存模块;当数据输出模块23中数据接近空时,通过缓存控制模块22从缓存控制模块24中读取已缓存的神经信号数据块,送入数据输出模块23中,实现数据的缓存功能,避免无线传输不稳定导致的数据丢失,从而辅助实现高通量神经信号的无线传输。
优选地,神经信号采集模块1设置为当采集到的高通量神经信号为有效信号时输出写使能信号至数据输入模块21以控制数据输入模块21对当前神经信号采集模块1采集的高通量神经信号进行读取。
优选地,神经信号处理模块25设置为当神经信号处理模块25为空闲状态时输出读使能信号至数据输出模块23以控制数据输出模块23输出数字化的神经信号至神经信号处理模块25。
具体地,如图1所示,WR_EN为写使能信号,表明神经信号采样芯片在工作状态,所采集到的神经信号为有效信号;RD_EN为神经信号处理模块25的读使能信号,表明当前数据已经处理完成,可以读取新的数据。
优选地,控制模块2还包括锁相环26,锁相环26用于输出写时钟信号至神经信号采集模块1和数据输入模块21,输出读时钟信号至数据输出模块23和传输模块。锁相环26提供读、写两个时钟域的时钟信号。
FPGA控制芯片的片上程序基于上文结构实现,得到128通道神经信号无线传输系统,可实现128个通道的神经spike信号同时传输。
本说明书实施例提供了一种用于高通道神经信号记录系统的数据压缩方法,方法基于实施例1中的高通道神经信号的数据压缩装置实现的,方法包括:
利用神经信号采集模块1采集高通量神经信号并对采集到的高通量神经信号进行预处理得到数字化的神经信号,同时,将得到的数字化的神经信号输出至控制模块2;
具体地,利用神经信号采集模块1对采集到模拟神经信号进行放大、滤波、模数转换等预处理得到数字化的神经信号,然后将数字化的神经信号传输至FPGA控制芯片中。
利用控制模块2对神经信号采集模块1输出的数字化的神经信号进行数据压缩得到低数据量的神经信号,同时,将得到的低数据量的神经信号输出至传输模块;
具体地,神经信号处理模块25从数字化的神经信号中提取关键的神经spike信息,仅将spike信号的波形和时间点发送至蓝牙模块。
利用传输模块将低数据量的神经信号传输至分析装置以完成对采集到的高通量神经信号的分析。
具体地,通过蓝牙模块3将spike信号的波形和时间点发送到上位机,使得上位机可以通过接收到的spike信号的波形和时间点对128通道的高通量神经信号同时进行分析。
虽然本发明已经通过优选实施例进行了描述,然而本发明并非局限于这里所描述的实施例,在不脱离本发明范围的情况下还包括所作出的各种改变以及变化。
在不冲突的情况下,本文中上述实施例及实施例中的特征能够相互结合。
以上所揭露的仅为本发明一种较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (10)
1.一种高通道神经信号的数据压缩装置,用于压缩高通量神经信号以输出低数据量的神经信号,其特征在于,包括神经信号采集模块(1)、控制模块(2)、传输模块和缓存模块(4),所述神经信号采集模块(1)用于采集高通量神经信号并对采集到的高通量神经信号进行预处理得到数字化的神经信号,并将得到的数字化的神经信号输出至所述控制模块(2),所述控制模块(2)还包括神经信号处理模块(25),所述控制模块(2)用于通过神经信号处理模块(25)对所述神经信号采集模块(1)输出的数字化的神经信号进行数据压缩得到低数据量的神经信号并将得到的低数据量的神经信号输出至所述传输模块,所述传输模块用于完成所述低数据量的神经信号的无线传输,所述缓存模块(4)和所述控制模块(2)连接,所述缓存模块(4)用于缓存数字化的神经信号。
2.根据权利要求1所述的高通道神经信号的数据压缩装置,其特征在于,所述控制模块(2)包括数据输入模块(21)、数据控制模块(22)和数据输出模块(23),所述数据输入模块(21)用于接收所述神经信号采集模块(1)输出的数字化的神经信号并通过所述数据控制模块(22)传输至所述数据输出模块(23)。
3.根据权利要求2所述的高通道神经信号的数据压缩装置,其特征在于,所述数据控制模块(22)设置为当读取到所述数据输入模块(21)中数字化的神经信号的数据量大于输入阈值时将所述数据输入模块(21)中数字化的神经信号取出并输出至所述缓存模块(4),当读取到所述数据输出模块(23)中数字化的神经信号的数据量小于输出阈值时将所述缓存模块(4)中存储的数字化的神经信号取出并输出至所述数据输出模块(23)。
4.根据权利要求3所述的高通道神经信号的数据压缩装置,其特征在于,所述控制模块(2)还包括缓存控制模块(24),所述数据输入模块(21)通过所述缓存控制模块(24)将数字化的神经信号存储在所述缓存模块(4)中,所述数据输出模块(23)通过所述缓存控制模块(24)从所述缓存模块(4)中读取存储的数字化的神经信号。
5.根据权利要求2所述的高通道神经信号的数据压缩装置,其特征在于,所述神经信号采集模块(1)设置为当采集到的高通量神经信号为有效信号时输出写使能信号至所述数据输入模块(21)以控制所述数据输入模块(21)对当前所述神经信号采集模块(1)采集的高通量神经信号进行读取。
6.根据权利要求5所述的高通道神经信号的数据压缩装置,其特征在于,所述神经信号处理模块(25)一端和所述数据输出模块(23)信号连接,另一端和所述传输模块信号连接,所述神经信号处理模块(25)用于从数字化的神经信号中获取动作电位及动作电位对应的时间以实现数字化的神经信号的压缩。
7.根据权利要求6所述的高通道神经信号的数据压缩装置,其特征在于,所述神经信号处理模块(25)设置为当所述神经信号处理模块(25)为空闲状态时输出读使能信号至所述数据输出模块(23)以控制所述数据输出模块(23)输出数字化的神经信号至所述神经信号处理模块(25)。
8.根据权利要求7所述的高通道神经信号的数据压缩装置,其特征在于,所述控制模块(2)还包括锁相环(26),所述锁相环(26)用于输出写时钟信号至所述神经信号采集模块(1)和所述数据输入模块(21),输出读时钟信号至所述数据输出模块(23)和所述传输模块。
9.根据权利要求1所述的高通道神经信号的数据压缩装置,其特征在于,所述传输模块为蓝牙模块(3)。
10.一种用于高通道神经信号记录系统的数据压缩方法,所述方法基于如权利要求1-9任一项所述的高通道神经信号的数据压缩装置实现的,其特征在于,所述方法包括:
利用神经信号采集模块(1)采集高通量神经信号并对采集到的高通量神经信号进行预处理得到数字化的神经信号,同时,将得到的数字化的神经信号输出至控制模块(2);
利用控制模块(2)对神经信号采集模块(1)输出的数字化的神经信号进行数据压缩得到低数据量的神经信号,同时,将得到的低数据量的神经信号输出至传输模块;
利用传输模块将低数据量的神经信号传输至分析装置以完成对采集到的高通量神经信号的分析。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210119092.XA CN114489343A (zh) | 2022-02-08 | 2022-02-08 | 一种高通道神经信号的数据压缩装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210119092.XA CN114489343A (zh) | 2022-02-08 | 2022-02-08 | 一种高通道神经信号的数据压缩装置及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114489343A true CN114489343A (zh) | 2022-05-13 |
Family
ID=81479236
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210119092.XA Pending CN114489343A (zh) | 2022-02-08 | 2022-02-08 | 一种高通道神经信号的数据压缩装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114489343A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103617140A (zh) * | 2013-11-25 | 2014-03-05 | 北京航空航天大学 | 一种神经电信号压缩感知处理验证系统及其构建方法 |
CN107562206A (zh) * | 2017-09-15 | 2018-01-09 | 中国科学技术大学 | 一种信号传输、存储和控制系统 |
US20190246929A1 (en) * | 2016-08-25 | 2019-08-15 | Paradromics, Inc. | System and methods for processing neural signals |
CN110811594A (zh) * | 2019-11-22 | 2020-02-21 | 中国科学院电子学研究所 | 无线穿戴式神经信号检测装置及系统 |
-
2022
- 2022-02-08 CN CN202210119092.XA patent/CN114489343A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103617140A (zh) * | 2013-11-25 | 2014-03-05 | 北京航空航天大学 | 一种神经电信号压缩感知处理验证系统及其构建方法 |
US20190246929A1 (en) * | 2016-08-25 | 2019-08-15 | Paradromics, Inc. | System and methods for processing neural signals |
CN107562206A (zh) * | 2017-09-15 | 2018-01-09 | 中国科学技术大学 | 一种信号传输、存储和控制系统 |
CN110811594A (zh) * | 2019-11-22 | 2020-02-21 | 中国科学院电子学研究所 | 无线穿戴式神经信号检测装置及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103617140B (zh) | 一种神经电信号压缩感知处理验证系统及其构建方法 | |
CN102791194A (zh) | 头带和无线eeg监视系统 | |
CA2766588C (en) | An eeg monitoring system and method of monitoring an eeg | |
WO2015009980A1 (en) | Medical data acquisition systems and methods for monitoring and diagnosis | |
WO2020187109A1 (zh) | 一种用户睡眠检测方法及系统 | |
CN106618562A (zh) | 一种可穿戴的癫痫脑电发作脑区定位装置及定位方法 | |
WO2008092133A3 (en) | Methods and systems for measuring a subject's susceptibility to a seizure | |
Charbiwala et al. | Compressive sensing of neural action potentials using a learned union of supports | |
CN104323781A (zh) | 一种血糖分析方法和监测设备 | |
TW201336475A (zh) | 擁有即時學習機制之癲癇發作預測方法、模組及裝置 | |
CN110960211A (zh) | 一种基于嵌入式的心电实时监测系统 | |
CN203763087U (zh) | 一种睡眠监测装置 | |
CN106137186B (zh) | 脑电信号的高可靠性采集方法 | |
CN201290676Y (zh) | 一种帕金森病震颤行为连续定量记录装置 | |
CN114489343A (zh) | 一种高通道神经信号的数据压缩装置及方法 | |
CN203776899U (zh) | 基于结构化稀疏压缩感知的脑信号获取与处理设备 | |
Imtiaz et al. | A low power system with EEG data reduction for long-term epileptic seizures monitoring | |
CN205795686U (zh) | 可穿戴式多通道无线皮层脑电检测装置 | |
CN114501187A (zh) | 一种无线神经信号采集系统及方法 | |
CN204636355U (zh) | 一种无线麻醉深度检测装置 | |
CN106377250B (zh) | 睡眠状态下的脑电信号数据类型的标注设备 | |
CN204158401U (zh) | 脑认知及心理状态检测装置 | |
Bortolotti et al. | Quantifying the benefits of compressed sensing on a WBSN-based real-time biosignal monitor | |
Sayedi et al. | Activity-Adaptive Architectures for Energy-Efficient Scalable Neural Recording Microsystems: A Review of Current and Future Directions | |
CN204246125U (zh) | 一种心电工作站 |
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 |