CN114642440B - 获取刺激系统预设时长的方法、刺激系统及其调控方法 - Google Patents
获取刺激系统预设时长的方法、刺激系统及其调控方法 Download PDFInfo
- Publication number
- CN114642440B CN114642440B CN202210560506.2A CN202210560506A CN114642440B CN 114642440 B CN114642440 B CN 114642440B CN 202210560506 A CN202210560506 A CN 202210560506A CN 114642440 B CN114642440 B CN 114642440B
- Authority
- CN
- China
- Prior art keywords
- time
- early warning
- window
- attack
- moment
- 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
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000000638 stimulation Effects 0.000 title claims abstract description 51
- 230000033228 biological regulation Effects 0.000 title claims abstract description 31
- 238000001514 detection method Methods 0.000 claims abstract description 82
- 230000016507 interphase Effects 0.000 claims description 3
- 206010010904 Convulsion Diseases 0.000 description 16
- 238000012545 processing Methods 0.000 description 12
- 230000007423 decrease Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 6
- 230000002159 abnormal effect Effects 0.000 description 5
- 206010015037 epilepsy Diseases 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 201000010099 disease Diseases 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000001629 suppression Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 208000028329 epileptic seizure Diseases 0.000 description 3
- 230000001105 regulatory effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 230000001037 epileptic effect Effects 0.000 description 2
- 230000035772 mutation Effects 0.000 description 2
- 238000004393 prognosis Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 206010034759 Petit mal epilepsy Diseases 0.000 description 1
- 208000028311 absence seizure Diseases 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000001787 epileptiform Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
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]
-
- 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]
- A61B5/377—Electroencephalography [EEG] using evoked responses
- A61B5/383—Somatosensory stimuli, e.g. electric stimulation
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Neurology (AREA)
- Psychology (AREA)
- Psychiatry (AREA)
- Physiology (AREA)
- Neurosurgery (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一种获取刺激系统预设时长的方法、刺激系统及其调控方法。基于信号离线检测结果获取刺激系统预设时长的方法包括:检测离线信号,以划分离线信号所处的时相;获取离线信号在不同时相对应的预设时长;其中时相包括:发作前期、发作、间期棘波中的至少一种。本发明以发作前期、发作和间期棘波三种时相为基础,分别计算预设时长,一方面给用户提供了更多的选择,另一方面能够保证预设时长的客观性,提高预警、刺激的准确性和鲁棒性。
Description
技术领域
本发明涉及信号处理技术领域,尤其涉及一种获取刺激系统预设时长的方法、刺激系统及其调控方法。
背景技术
在监测设备的正常运行过程中,其性能的好坏与设备自身设置的参数阈值有紧密联系。如果参数阈值设置不合理,那么可能会导致监测设备监测的结果也不准确,工作人员无法及时发现问题,也不能及时采取相应措施。
参数阈值的设置依赖于预设时长的长短,如果不能合理的选择预设时长,会导致后期分析、预警结果出现误差。并且,有些监测对象的时域信号可能会存在多种异常时相,每一种时相均对应不同的状态,如果在信号分析处理时,对不同时相都采用同一个预设时长进行分析处理,那么也会导致分析结果不准确,不够客观,且无参考意义。
发明内容
本发明要解决的技术问题是:为了解决现有技中的对信号监测分析的方法不客观、不准确的技术问题,本发明提供一种获取刺激系统预设时长的方法、刺激系统及其调控方法,针对离线信号的不同时相确定不同的预设时长,能够 提高刺激系统的性能和可靠性。
第一方面,本发明解决其技术问题所采用的技术方案是:一种基于信号离线检测结果获取刺激系统预设时长的方法,包括:检测离线信号,以划分离线信号所处的时相;获取离线信号在不同时相对应的预设时长;其中所述时相包括:发作前期、发作、间期棘波中的至少一种。
进一步地,所述离线信号在不同时相对应的预设时长的获取方法包括:
所述预设时长为离线信号的历史时长的均值;或
所述预设时长通过离线信号在不同时相对应的预警次数获取;其中
所述离线信号在发作前期时相的预设时长为历史发作前期的时长均值;
所述离线信号在在发作时相的预设时长为历史发作前期和历史发作期的时长均值;
所述离线信号在间期棘波时相的预设时长为历史棘波前期和历史棘波放电期的时长均值。
进一步地,所述预设时长通过离线信号发作前期时相对应的预警次数获取,包括:
统计离线信号在发作前期时相内的预警次数;
当预警次数≥预警次数阈值时,则对发作前期时相的离线信号进行滑窗,计算每个窗口的预警密度,选取预警密度≥预警密度阈值且在发作时刻前最近的窗口,则预设时长=发作时刻-该窗口的起始时刻;
当预警次数<预警次数阈值,则预设时长=发作时刻-发作时刻前且最近的预警时刻。
进一步地,所述预设时长通过离线信号在发作时相对应的预警次数获取,包括:
统计离线信号在发作时相内的预警次数;
当预警次数≥预警次数阈值,则对发作时相的离线信号进行滑窗,计算每个窗口的预警密度,统计预警密度≥预警密度阈值的窗口数量K,
若K≥2且分布在发作时刻前后,则预设时长=最后一个窗口的终止时刻-第一个窗口的起始时刻,
若K≥2且全部位于发作时刻前,则预设时长=发作时刻后最后一次预警时刻-第一个窗口的起始时刻,
若K≥2且全部位于发作时刻后,则预设时长=最后一个窗口的终止时刻-发作时刻前且最近的预警时刻,
若K=1且该窗口位于发作时刻前,则预设时长=发作时刻后最后一次预警时刻-该窗口的起始时刻,
若K=1且该窗口位于发作时刻后,则预设时长=该窗口的终止时刻-发作时刻前且最近的预警时刻;
当预警次数<预警次数阈值,则预设时长=发作时刻后最后一次预警时刻-发作时刻前且最近的预警时刻。
进一步地,所述预设时长通过离线信号在间期棘波时相对应的预警次数获取,包括:
统计离线信号在棘波起始时刻之前及之后的预警次数;
当预警次数≥预警次数阈值,则对在间期棘波时相的离线信号进行滑窗,计算每个窗口的预警密度,统计预警密度≥预警密度阈值的窗口数量N,
若N≥2且分布在棘波起始时刻前后,则预设时长=最后一个窗口的终止时刻-第一个窗口的起始时刻,
若N≥2且全部位于棘波起始时刻前,则预设时长=棘波起始时刻后最后一次预警时刻-第一个窗口的起始时刻,
若N≥2且全部位于棘波起始时刻后,则预设时长=最后一个窗口的终止时刻-棘波起始时刻前且最近的预警时刻,
若N=1且该窗口位于棘波起始时刻前,则预设时长=棘波起始时刻后最后一次预警时刻-该窗口的起始时刻,
若N=1且该窗口位于棘波起始时刻后,则预设时长=该窗口的终止时刻-棘波起始时刻前且最近的预警时刻;
当预警次数<预警次数阈值,则预设时长=棘波起始时刻后最后一次预警时刻-棘波起始时刻前且最近的预警时刻。
进一步地,当离线信号所处时相出现多次重现时,计算多次重现预设时长的均值,以其作为所述离线信号在所处时相的预设时长。
第二方面,一种多时相闭环刺激系统,包括:
采集模块,用于获取在线信号;
检测模块,用于检测在线信号所处的时相;
处理器模块,运行如上所述的方法,以获取离线信号在不同时相对应的预设时长;
调控模块,基于所述预设时长建立在线信号的调控模型,以对多时相闭环刺激系统进行调控。
进一步地,所述调控模型包括离线信号在不同时相内的预设时长和窗口数阈值;所述窗口数阈值通过不同时相内的性能指标获取;所述性能指标包括:不漏检指标、误报警指标、正确预警指标中的至少一种;其中
所述不漏检指标为离线信号在所处的预设时长内出现至少输出一次预警;
所述误报警指标为离线信号在所处的预设时长内出现的误报警次数满足设定误报警次数;
所述正确预警指标为离线信号在所处的预设时长内出现的正确预警次数满足设定正确预警次数。
第三方面,一种如上所述的多时相闭环刺激系统的调控方法,包括:
基于信号离线检测结果获取多时相刺激系统的预设时长;
基于所述预设时长建立在线信号的调控模型;
检测在线信号所处的时相;
根据在线信号所处的时相选择对应的调控模型。
本发明的有益效果是,以发作前期、发作和间期棘波三种时相为基础,分别计算预设时长,一方面给用户提供了更多的选择,另一方面能够保证预设时长的客观性,提高预警、刺激的准确性和鲁棒性。本发明可落地性强、操作简单、易于用户理解,具有很高的应用及市场价值。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是本发明的基于信号离线检测结果获取刺激系统预设时长的方法的工作流程图;
图2是本发明的发作前期时相的示意图;
图3是本发明的发作时相的示意图;
图4是本发明的间期棘波时相的示意图;
图5是本发明的获取发作前期时相的预设时长的第一种情形;
图6是本发明的获取发作前期时相的预设时长的第二种情形;
图7是本发明的获取发作时相的预设时长的第一种情形;
图8是本发明的获取发作时相的预设时长的第二种情形;
图9是本发明的获取发作时相的预设时长的第三种情形;
图10是本发明的获取发作时相的预设时长的第四种情形;
图11是本发明的获取发作时相的预设时长的第五种情形;
图12是本发明的获取发作时相的预设时长的第六种情形;
图13是本发明的获取间期棘波时相的预设时长的第一种情形;
图14是本发明的获取间期棘波时相的预设时长的第二种情形;
图15是本发明的获取间期棘波时相的预设时长的第三种情形;
图16是本发明的获取间期棘波时相的预设时长的第四种情形;
图17是本发明的获取间期棘波时相的预设时长的第五种情形;
图18是本发明的获取间期棘波时相的预设时长的第六种情形;
图19是本发明的窗口数阈值、预设时长和漏检次数的变化示意图;
图20是本发明的窗口数阈值、预设时长和误报警次数的变化示意图;
图21是本发明的窗口数阈值、预设时长和正确预警次数的变化示意图;
图22是本发明的漏检次数、每小时误报警次数随窗口数阈值的变化曲线;
图23是本发明的漏检次数、正确预警次数随窗口数阈值的变化曲线;
图24是本发明的正确预警次数、每小时误报警次数随窗口数阈值的变化曲线;
图25是本发明的漏检次数、正确预警次数、每小时误报警次数随窗口数阈值的变化曲线。
具体实施方式
现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图,仅以示意方式说明本发明的基本结构,因此其仅显示与本发明有关的构成。
在本发明的描述中,需要理解的是,术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
如图1所示,基于信号离线检测结果获取刺激系统预设时长的方法,包括:
步骤S1、检测离线信号,以划分离线信号所处的时相;步骤S2、获取离线信号在不同时相对应的预设时长。其中,时相包括:发作前期、发作、间期棘波中的至少一种。
需要说明的是,离线信号例如是脑电信号的历史数据,是已经提前采集好的。癫痫疾病状态一般可以分为发作间期、发作前期、发作期及发作后期这四个状态,发作间期表示患者处于正常状态的脑电信号,发作前期表示患者处于病发之前的一段时间的脑电信号,发作期表示患者处于癫痫发作时的脑电信号,发作后期表示患者癫痫发作之后一段时间的脑电信号。如图2至图4所示,癫痫发作时,脑电信号中会存在三种异常时相:前期持续癫痫样放电、发作放电和间期棘波放电,这三种时相的波形和持续时间各不相同。例如,发作前期时相的波形特点是持续时间长、异常程度渐升至发作;发作时相的波形特点是持续时间短语发作前期,会存在突变;间期棘波时相的特点是持续时间短,会存在突变,且突变的程度比发作的波形更显著。
在进行癫痫预警、刺激时,可以通过设置刺激系统中的预设时长和窗口数阈值来提升预警和刺激的准确性。预设时长的选择不同会导致不漏检、误报警和正确预警等性能指标出现差异,进而影响基于这些性能指标进行调参的结果,最终体现为刺激准确性的优劣。如前所述,癫痫状态的脑电信号会存在三种不同时相,因此需要根据不同时相的特性确定各自的预设时长,以保证刺激的可靠性。具体地,发作前期预警的不漏检、正确预警是指在发作时刻之前的某段时间内完成的检测,而其误报警则是指在该时段以外的时间完成检测。可见,对于发作前期时相的刺激调控,预设时长必须选在发作时刻之前。与发作前期预警不同的是,在进行间期棘波和发作的检测时,出现在棘波起始时刻和发作时刻之前和之后的检测结果,均可认为是正确预警,进而在定义间期棘波和发作检测的不漏检、正确预警和误报警时,预设时长可覆盖棘波起始时刻和发作时刻之前和之后的时段。综上,针对癫痫不同的异常时相,相应设计不同的预设时长计算方法是非常必要的。
另外,在确定脑电所处的异常时相后,相对准确、客观地计算预设时长同样具有必要性。考虑两种极端的情形:1)预设时长过大,会导致许多本来是误报警的检测结果被当成正确预警结果参与统计,导致不漏检和正确预警次数的非合理性增加、误报警次数的非合理性减少;2)预设时长过小,会导致许多本来是正确预警的检测结果被当成误报警结果参与统计,导致不漏检和正确预警次数的非合理性减少、误报警次数的非合理性增加。总而言之,不准确的预设时长产生不客观的性能指标,基于不客观的性能指标去调节窗口数阈值等参数,势必导致预警和刺激准确率的下降。
离线信号在不同时相对应的预设时长的获取方法包括:预设时长为离线信号的历史时长的均值;或,预设时长通过离线信号在不同时相对应的预警次数获取。下面分别来说明发作前期、发作和间期棘波三种时相对应的预设时长的获取方法。
发作前期时相对应的预设时长的获取方法包括:离线信号在发作前期时相的预设时长为历史发作前期的时长均值,或者,预设时长通过离线信号发作前期时相对应的预警次数获取。其中,预设时长通过离线信号发作前期时相对应的预警次数获取包括:统计离线信号在发作前期时相内的预警次数;当预警次数≥预警次数阈值时,则对发作前期时相的离线信号进行滑窗,计算每个窗口的预警密度,选取预警密度≥预警密度阈值且在发作时刻前最近的窗口,则预设时长=发作时刻-该窗口的起始时刻;当预警次数<预警次数阈值,则预设时长=发作时刻-发作时刻前且最近的预警时刻。
具体的,在统计离线信号发作前期时相内的预警次数时,可以先选定一个备选时段,备选时段可以是被试者发作时刻之前的一段时间,例如是在上一次发作期后与当前发作时刻之间的这个时间段内选择的一段时间,备选时段的具体长度可以由专家根据经验进行选择,备选时段的长度需大于预设时长。然后利用预警算法可以对备选时段内的离线信号进行处理分析,输出预警结果(预警或不预警),统计在该备选时段内的预警次数。如图5所示,如果预警次数≥预警次数阈值,表明在该备选时段内预警算法输出的预警次数分布较密集,此时,需要对该备选时段进行滑窗处理,并计算出每个窗口的预警密度,预警密度=每个窗口的预警次数÷窗口宽度。然后选取预警密度≥预警密度阈值,并且距离发作时刻最近的窗口,该窗口内的预警次数较密集,可以认为是处于发作前期,此时,预设时长=发作时刻-该窗口的起始时刻。例如,发作时刻是t0,该窗口的宽度为t1~t2,则预设时长=t0-t1。上述判断过程可以排除掉一些误报警的情况,提高刺激的准确性。如图6所示,如果预警次数<预警次数阈值,表明在该备选时段内预警算法输出的预警次数分布较零散,此时,认为离发作时刻最近的一次预警是正确预警,预设时长=发作时刻-发作时刻前且最近的预警时刻。例如,发作时刻是t0,最近一次预警的时刻为t3,则预设时长=t0-t3。
发作时相对应的预设时长的获取方法包括:离线信号在在发作时相的预设时长为历史发作前期和历史发作期的时长均值;或者,预设时长通过离线信号在发作时相对应的预警次数获取。其中,预设时长通过离线信号在发作时相对应的预警次数获取包括:统计离线信号在发作时相内的预警次数;若预警次数≥预警次数阈值,则对发作时相的离线信号进行滑窗,计算每个窗口的预警密度,统计预警密度≥预警密度阈值的窗口数量K;若K≥2且分布在发作时刻前后,则预设时长=最后一个窗口的终止时刻-第一个窗口的起始时刻;若K≥2且全部位于发作时刻前,则预设时长=发作时刻后最后一次预警时刻-第一个窗口的起始时刻;若K≥2且全部位于发作时刻后,则预设时长=最后一个窗口的终止时刻-发作时刻前且最近的预警时刻;若K=1且该窗口位于发作时刻前,则预设时长=发作时刻后最后一次预警时刻-该窗口的起始时刻;若K=1且该窗口位于发作时刻后,则预设时长=该窗口的终止时刻-发作时刻前且最近的预警时刻;若预警次数<预警次数阈值,则预设时长=发作时刻后最后一次预警时刻-发作时刻前且最近的预警时刻。
具体的,在统计离线信号在发作时相内的预警次数时,可以先选定一个备选时段,备选时段可以是覆盖被试者发作时刻之前和之后的一段时间,例如是选取当前发作时刻之前及之后的一段时间,但选取的这个备选时段不能与上一次发作期和下一次发作期重叠,备选时段的具体长度可以由专家根据经验进行选择,备选时段的长度需大于预设时长。然后利用预警算法可以对备选时段内的离线信号进行处理分析,输出预警结果(预警或不预警),统计在该备选时段内的预警次数。若预警次数≥预警次数阈值,表明在该备选时段内预警算法输出的预警次数分布较密集,此时,需要对该备选时段进行滑窗处理,并计算出每个窗口的预警密度,预警密度=每个窗口的预警次数÷窗口宽度。由于在该备选时段内发作时相的波形可能是一个接一个间隔出现或者是连续出现,对于这两种情况可以通过统计在该备选时段内预警密度≥预警密度阈值的窗口数量K进行区分,当K=1时认为是一个一个周期性出现,当K≥2时认为是连续出现。不同情况在计算预设时长时也需要分别讨论。例如,如图7至图9所示,当K≥2时,具有三种情况:若K≥2且分布在发作时刻前后,则预设时长=最后一个窗口的终止时刻-第一个窗口的起始时刻;若K≥2且全部位于发作时刻前,则预设时长=发作时刻后最后一次预警时刻-第一个窗口的起始时刻;若K≥2且全部位于发作时刻后,则预设时长=最后一个窗口的终止时刻-发作时刻前且最近的预警时刻。例如,发作时刻为t0,若多个窗口均分布在发作时刻t0前后(即窗口宽度覆盖发作时刻),第一窗口的起始时刻为t4,最后一个窗口的终止时刻为t5,则预设时长=t5-t4;若多个窗口全部位于发作时刻t0之前,设在该备选时段内,在发作时刻t0之后的最后一次预警时刻为t6,第一个窗口的起始时刻为t7,则预设时长=t6-t7;若多个窗口全部位于发作时刻t0之后,设在该备选时段内,在发作时刻t0之前距离发作时刻t0最近一次的预警时刻为t8,最后一个窗口的终止时刻为t9,则预设时长=t9-t8。如图10至图11所示,当K=1时具有两种情况,若K=1且该窗口位于发作时刻前,则预设时长=发作时刻后最后一次预警时刻-该窗口的起始时刻;若K=1且该窗口位于发作时刻后,则预设时长=该窗口的终止时刻-发作时刻前且最近的预警时刻。如图12所示,如果预警次数<预警次数阈值,表明在该备选时段内预警算法输出的预警次数分布较零散,此时,认为发作时刻前最近的一次预警是正确预警,则预设时长=发作时刻后最后一次预警时刻-发作时刻前且最近的预警时刻。以上获取方法包含了发作时相的波形可能会出现的所有情况,并设定了每一种情况的预设时长的计算方法,这样,在后期刺激系统进行预警、刺激时可以更加准确、客观。需要说明的是,在K=1时,本案并未讨论分布窗口在发作时刻前后的情况,这是因为在实际使用时,用户并不希望出现这种情况,在对离线信号进行滑窗处理时,可以进行手动规避,例如,选取的备选时段长度为发作时刻之前和之后各10秒(共20秒),可以将窗口宽度设置为2秒,这样,滑窗处理后的窗口刚好在发作时刻之前或之后。
间期棘波时相对应的预设时长的获取方法包括:离线信号在间期棘波时相的预设时长为历史棘波前期和历史棘波放电期的时长均值;或者,预设时长通过离线信号在间期棘波时相对应的预警次数获取。其中,预设时长通过离线信号在间期棘波时相对应的预警次数获取包括:统计离线信号在棘波起始时刻之前及之后的预警次数;当预警次数≥预警次数阈值,则对在间期棘波时相的离线信号进行滑窗,计算每个窗口的预警密度,统计预警密度≥预警密度阈值的窗口数量N,若N≥2且分布在棘波起始时刻前后,则预设时长=最后一个窗口的终止时刻-第一个窗口的起始时刻,若N≥2且全部位于棘波起始时刻前,则预设时长=棘波起始时刻后最后一次预警时刻-第一个窗口的起始时刻,若N≥2且全部位于棘波起始时刻后,则预设时长=最后一个窗口的终止时刻-棘波起始时刻前且最近的预警时刻,若N=1且该窗口位于棘波起始时刻前,则预设时长=棘波起始时刻后最后一次预警时刻-该窗口的起始时刻,若N=1且该窗口位于棘波起始时刻后,则预设时长=该窗口的终止时刻-棘波起始时刻前且最近的预警时刻;当预警次数<预警次数阈值,则预设时长=棘波起始时刻后最后一次预警时刻-棘波起始时刻前且最近的预警时刻。
具体的,在统计离线信号在棘波起始时刻之前及之后的预警次数时,首先选定一个备选时段,备选时段可以是在发作间期内的棘波起始时刻之前和之后的一段时间,备选时段的具体长度可以由专家根据经验进行选择,备选时段的长度需大于预设时长。然后利用预警算法可以对备选时段内的离线信号进行处理分析,输出预警结果(预警或不预警),统计在该备选时段内的预警次数。若预警次数≥预警次数阈值,表明在该备选时段内预警算法输出的预警次数分布较密集,此时,需要对该备选时段进行滑窗处理,并计算出每个窗口的预警密度,预警密度=每个窗口的预警次数÷窗口宽度。由于在该备选时段内间期棘波时相的波形可能是一个接一个间隔出现或者是连续出现,对于这两种情况可以通过统计在该备选时段内预警密度≥预警密度阈值的窗口数量N进行区分,当N=1时认为是一个一个周期性出现,当N≥2时认为是连续出现。不同情况在计算预设时长时也需要分别讨论。如图13至图15所示,当N≥2时也具有三种情况:若N≥2且分布在棘波起始时刻前后(即多个窗口均覆盖住棘波起始时刻),则预设时长=最后一个窗口的终止时刻-第一个窗口的起始时刻,若N≥2且全部位于棘波起始时刻前(即多个窗口均位于棘波起始时刻之前),则预设时长=棘波起始时刻后最后一次预警时刻-第一个窗口的起始时刻,若N≥2且全部位于棘波起始时刻后(即多个窗口均位于棘波起始时刻之后),则预设时长=最后一个窗口的终止时刻-棘波起始时刻前且最近的预警时刻。如图16至图17所示,当N=1时具有两种情况:若N=1且该窗口位于棘波起始时刻前,则预设时长=棘波起始时刻后最后一次预警时刻-该窗口的起始时刻,若N=1且该窗口位于棘波起始时刻后,则预设时长=该窗口的终止时刻-棘波起始时刻前且最近的预警时刻。如图18所示,如果预警次数<预警次数阈值,表明在该备选时段内预警算法输出的预警次数分布较零散,此时,认为棘波起始时刻前最近的一次预警是正确预警,则预设时长=棘波起始时刻后最后一次预警时刻-棘波起始时刻前且最近的预警时刻。以上获取方法包含了间期棘波时相的波形可能会出现的所有情况,并设定了每一种情况的预设时长的计算方法,这样,在后期刺激系统进行预警、刺激时可以更加准确、客观。
当离线信号所处时相出现多次重现时,计算多次重现预设时长的均值,以其作为离线信号在所处时相的预设时长。
需要说明的是,本案中的预警次数阈值和预警密度阈值可以由专家经验根据被试者历史数据进行设定,发作前期时相、发作时相和间期棘波时相中采用的阈值大小可以是不同的,此处不做限制。本案中,发作前期时相的预警算法可以采用基于过零点系数的预警方法,将过零点系数作为信号特征,具体请参考公开号为CN114010207A的专利文件。发作时相和间期棘波时相的预警算法可以采用现有的特征阈值法对间期棘波放电和发作进行检测,即,当实时波形的某个特征持续大于一个预设好的阈值时,被判定为棘波放电或发作,棘波放电和发作之间可根据持续程度来区分。
本发明根据离线信号在不同时相的波形特点并考虑到了又可能出现的不同情况,按照每一种情况分别计算预设时长,这样,可以保证预设时长的客观性,从而提高后期刺激系统工作的准确性。如果对不同情况都采用同一个预设时长,那么会导致判断失误。
本发明还提供一种多时相闭环刺激系统,包括:采集模块,用于获取在线信号;检测模块,用于检测在线信号所处的时相;处理器模块,运行如上所述的方法,以获取离线信号在不同时相对应的预设时长;调控模块,基于预设时长建立在线信号的调控模型,以对多时相闭环刺激系统进行调控。调控模型包括离线信号在不同时相内的预设时长和窗口数阈值,窗口数阈值通过不同时相内的性能指标获取。性能指标包括:不漏检指标、误报警指标、正确预警指标中的至少一种。其中,不漏检指标为离线信号在所处的预设时长内出现至少输出1次预警;误报警指标为离线信号在所处的预设时长内出现的误报警次数满足设定误报警次数;正确预警指标为离线信号在所处的预设时长内出现的正确预警次数满足设定正确预警次数。
需要说明的是,预设时长和窗口数阈值的选择会直接影响到调控模型性能的优劣。下面以离线信号处于发作前期时相为例,来说明如何选择预设时长和最佳窗口数阈值。
根据不漏检指标可以分为两种结果:漏检和不漏检。当结果为不漏检时,窗口数阈值的获取方法包括:以不漏检对应的窗口数为基础窗口;选取误报警次数随窗口数增大而下降的变化速率的拐点或误报警次数最低点,获取第一窗口数阈值;和/或以最大正确预警次数对应的窗口数为第二窗口数阈值。当结果为漏检时,窗口数阈值的获取方法包括:获取不同漏检次数对应的窗口数,获取不同误报警次数对应的窗口数,获取不同正确预警次数对应的窗口数,选取上述窗口数中的任意两项或全部的重叠区域为第三窗口数阈值。最佳窗口数阈值可以为第一窗口数阈值、第二窗口数阈值或第三窗口数阈值中的任一种。
具体的,请参考图19,图19的横坐标为窗口阈值数,左侧纵坐标为预设时长(单位分钟),右侧纵坐标为漏检次数,从图5中可以发现,当预设时长大于或等于2分钟,窗口数阈值范围为1-16时,结果为不漏检,此时,基础窗口为1-16。请参考图20,图的横坐标为窗口阈值数,左侧纵坐标为预设时长,右侧纵坐标为误报警次数,从图20中可知,随着窗口数阈值的增大,误报警次数逐渐减小,并且,在窗口数阈值1-7范围内,误报警次数下降速度较快,在窗口数阈值7-16范围内,误报警次数下降速度趋于平缓,即窗口数阈值7是误报警次数随窗口数增大而下降的变化速率的拐点,误报警次数的最低点为窗口数阈值15或16,也就是说,第一窗口数阈值可以为7、15或16。请参考图21,图21的横坐标为窗口数阈值,左侧纵坐标为预设时长,右侧纵坐标为正确预警次数,从图21中可以发现,不同大小的窗口数阈值对应的正确预警次数是不同的,例如,在图21中,窗口数阈值9对应的正确预警次数是最大的,换言之,将窗口数阈值设置为9的预警正确率是最高的,即第二窗口数阈值可以为9。再者,在图21中,窗口数阈值为9时,预设时长为19-30分钟范围内的正确预警次数是超过50次的,因此,预设时长的选择对正确预警次数也有一定的关联。需要说明的是,图19至图21仅为一个示例性说明。在结果为不漏检的前提下,最佳窗口数阈值可以选第一窗口数阈值或第二窗口数阈值,具体可以分成以下三种情况:(1)将不漏检和误报警次数结合得到的最佳窗口数阈值为第一窗口数阈值;(2)将不漏检和正确预警次数结合得到的最佳窗口数阈值为第二窗口数阈值;(3)将不漏检、误报警次数和正确预警次数三者结合,得到的最佳窗口数阈值为第二窗口数阈值。因此,第一窗口数阈值和第二窗口数阈值均以不漏检作为前提,可用于对重症发作的调控。在区别方面,第一种情况是在确保不漏检后只参考了误报警次数,第二种情况在确保不漏检后只考虑正确预警次数,第三种情况在确保不漏检后既可只考虑正确预警次数还可同时考虑误报警次数和正确预警次数,调控的自由度更高,比第一、二种情况更适合对重症患者进行基于预后效果的参数调节。
请参考图22,横坐标为窗口数阈值,纵坐标为每小时的误报警次数和漏检次数,“ο”表示漏检次数,“*”表示每小时误报警次数,从图中可知,当窗口数阈值大于或等于14时,漏检次数随着窗口数阈值增大而增大;每小时误报警次数随着窗口数阈值增大而逐渐减小,并且,在窗口数阈值大于或等于12时,每小时误报警次数下降趋于平缓。可以理解的是,每小时误报警次数越小表明预警准确率越高,在图22中,如果以“不漏检”为前提,那么最佳窗口数阈值为12,此时,每小时误报警次数最小。如果以平衡漏检次数和误报警次数为前提,那么最佳窗口数阈值为14,即漏检次数曲线和每小时误报警次数曲线的重叠区域(即两条曲线的交点)。在具体应用时,针对病情比较严重的患者(比如出现失神性癫痫发作),一旦出现漏检,那么对患者可能会错失治疗时机,对患者造成不可挽回的伤害,这种情况下,应选用以不漏检为前提的窗口数阈值。针对病情比较轻或者经治疗病情已有环节的患者,为了防止对患者误刺激(即假阳性,误报警),可以容忍极少数的漏检,此时可以选用以平衡漏检次数和误报警次数为前提的窗口阈值数。
请参考图23,横坐标为窗口数阈值,纵坐标为正确预警次数和漏检次数,“ο”表示漏检次数,“+”表示正确预警次数,从图23中可知,正确预警次数最大的窗口数阈值为5,可以理解的是,漏检次数越少且正确预警次数越大,表明预警算法的性能越好。因此,以图23为例,在窗口数阈值小于或等于10时,预警算法不漏检,在该范围内,窗口数阈值5的正确预警次数最大。换言之,在窗口数阈值5为可以兼顾漏检次数和正预警次数的最佳窗口数阈值。
请参考图24,横坐标为窗口数阈值,纵坐标为正确预警次数和每小时误报警次数,“*”表示每小时误报警次数,“+”表示正确预警次数,在图24中,正确预警次数随着窗口数阈值增大而下降,每小时误报警次数随着窗口数阈值增大而下降,并且,在窗口数阈值大于15以后,两者的下降速度趋于平缓。此时,在特定要求下,最佳窗口数阈值可以联合正确预警次数和每小时误报警次数自动计算得到。例如,以优先抑制误报警为原则,窗口数阈值越大,误报警次数越少,但正确预警次数也在减少,此时,优先考虑抑制误报警且正确预警次数不能为零,最佳窗口数阈值可选择19。例如,以要求更多正确预警次数为原则,可以容忍较多的误报警次数,那么最佳窗口数阈值可选择6。
请参考图25,横坐标为窗口数阈值,纵坐标为正确预警次数、每小时误报警次数及漏检次数,“+”表示正确预警次数,“*”表示每小时误报警次数,“ο”表示漏检次数。例如,以平衡漏检、误报警和正确预警三个指标为要求,误报警次数要少,正确预警次数要多,漏检次数要少,那么在图25中,窗口数阈值11-14范围内是一个可选的区间,但是窗口数阈值为13时,漏检次数高于正确预警次数,因此可以排除13,窗口数阈值为11时,误报警次数仍然较高,也可以排除11。相比窗口数阈值12和14,窗口数阈值为12时,漏检次数为零,且正确预警次数更高,综合考虑,最佳窗口数阈值可以选择12。
换言之,上述几种实施例,分别阐述了在不同要求下,如何选择最佳窗口数阈值。例如,以不能漏检为原则,可以联合漏检次数和误报警次数自动计算得到第三窗口数阈值为12;以平衡漏检和误报警为原则,可以联合漏检次数和误报警次数自动计算得到第三窗口数阈值为14;以兼顾漏检和正确预警为原则,可以联合漏检次数和正确预警次数自动计算得到第三窗口数阈值为5;以优先抑制误报警为原则,可以联合误报警次数和正确预警次数自动计算得到第三窗口数阈值为19;以要求更多正确预警次数为原则,可以联合误报警次数和正确预警次数自动计算得到第三窗口数阈值为6;以平衡三者为原则,可以联合漏检次数、误报警次数和正确预警次数自动计算得到第三窗口数阈值为12。
不同于第一窗口数阈值和第二窗口数阈值,第三窗口数阈值没有强制要求不漏检,而是把漏检次数、误报警次数和正确预警次数组合得到如下四种情况,以便于形成更加灵活的调控机制,可覆盖更多的临床应用场景。
例如,漏检次数和误报警次数的组合:这两个指标随窗口数阈值的性能变化趋势相反,即:窗口数阈值越大,漏检次数越多(性能越差)、误报警次数越少(性能越好)。针对病情严重或干预初期的患者,可优先追求不漏检,此时选用较小的窗口数阈值12;对于预后效果良好的患者,可优先考虑抑制误报警且提升对漏检的容忍度,从而选用较大的窗口数阈值14。该实施例方案适用于患者的全程调参。
例如,漏检次数和正确预警次数的组合:这两个指标随窗口数阈值的性能变化趋势相同,即:窗口数阈值越小,漏检次数越少(性能越好)、正确预警次数越多(性能越好)。该实施例方案能够提供给用户的调参信息相对有限,只能在界定是否漏检后,选用更多正确预警次数对应的窗口数阈值5,无法随着调控干预的进程来调整对误报警的容忍度,适用于患者干预初期的调参。
例如,误报警次数和正确预警次数的组合:这两个指标随窗口数阈值的性能变化趋势相反,即:窗口数阈值越小,正确预警次数越多(性能越好)、误报警次数越多(性能越差)。该实施例方案无法提供漏检的信息,只能根据实际情况在正确预警次数和误报警次数中偏向其中一者(如图24,追求正确预警性能选用6,追求误报警抑制性能选用19)或平衡二者,适用于对非重度患者的调参。
例如,漏检次数、误报警次数和正确预警次数的组合:这三个指标的组合,能给用户提供更全面的信息,既可根据患者的严重程度来界定是否接受漏检、是否需要更多的正确预警次数,还可以随着调控干预的进程来调整对误报警的容忍度(如图25,权衡三者后窗口数阈值收敛至12),适用于更大范围患者的全程调参。
本发明还提供一种多时相闭环刺激系统的调控方法,采用上述的多时相闭环刺激系统,该调控方法包括:基于信号离线检测结果获取多时相刺激系统的预设时长,基于预设时长建立在线信号的调控模型,检测在线信号所处的时相,根据在线信号所处的时相选择对应的调控模型。
综上所述,本发明基于离线信号所处的不同时相获得对应的预设时长,可保证预设时长的客观性,具有更优的普适性和可靠性;根据预设时长和窗口数阈值建立的调控模型,从刺激灵敏度和特异性两方面对刺激系统进行调控,可以使得刺激系统的性能兼具准确性和鲁棒性。本发明操作简单、易于用户理解,具有很高的市场价值。
以上述依据本发明的理想实施例为启示,通过上述的说明内容,相关工作人员完全可以在不偏离本项发明技术思想的范围内,进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容,必须要如权利要求范围来确定其技术性范围。
Claims (5)
1.一种多时相闭环刺激系统,其特征在于,包括:
采集模块,用于获取在线信号;
检测模块,用于检测在线信号所处的时相;
处理器模块,用于运行基于信号离线检测结果获取刺激系统预设时长的方法,以获取离线信号在不同时相对应的预设时长;
调控模块,基于所述预设时长建立在线信号的调控模型,以对多时相闭环刺激系统进行调控;
所述基于信号离线检测结果获取刺激系统预设时长的方法,包括:
检测离线信号,以划分离线信号所处的时相;
获取离线信号在不同时相对应的预设时长;其中
所述时相包括:发作前期、发作、间期棘波中的至少一种;
其中,
所述预设时长通过离线信号发作前期时相对应的预警次数获取,包括:
统计离线信号在发作前期时相内的预警次数;
当预警次数≥预警次数阈值时,则对发作前期时相的离线信号进行滑窗,计算每个窗口的预警密度,选取预警密度≥预警密度阈值且在发作时刻前最近的窗口,则预设时长=发作时刻-该窗口的起始时刻;
当预警次数<预警次数阈值,则预设时长=发作时刻-发作时刻前且最近的预警时刻;
和/或,所述预设时长通过离线信号在发作时相对应的预警次数获取,包括:
统计离线信号在发作时相内的预警次数;
当预警次数≥预警次数阈值,则对发作时相的离线信号进行滑窗,计算每个窗口的预警密度,统计预警密度≥预警密度阈值的窗口数量K,
若K≥2且分布在发作时刻前后,则预设时长=最后一个窗口的终止时刻-第一个窗口的起始时刻,
若K≥2且全部位于发作时刻前,则预设时长=发作时刻后最后一次预警时刻-第一个窗口的起始时刻,
若K≥2且全部位于发作时刻后,则预设时长=最后一个窗口的终止时刻-发作时刻前且最近的预警时刻,
若K=1且该窗口位于发作时刻前,则预设时长=发作时刻后最后一次预警时刻-该窗口的起始时刻,
若K=1且该窗口位于发作时刻后,则预设时长=该窗口的终止时刻-发作时刻前且最近的预警时刻;
当预警次数<预警次数阈值,则预设时长=发作时刻后最后一次预警时刻-发作时刻前且最近的预警时刻;
和/或,所述预设时长通过离线信号在间期棘波时相对应的预警次数获取,包括:
统计离线信号在棘波起始时刻之前及之后的预警次数;
当预警次数≥预警次数阈值,则对在间期棘波时相的离线信号进行滑窗,计算每个窗口的预警密度,统计预警密度≥预警密度阈值的窗口数量N,
若N≥2且分布在棘波起始时刻前后,则预设时长=最后一个窗口的终止时刻-第一个窗口的起始时刻,
若N≥2且全部位于棘波起始时刻前,则预设时长=棘波起始时刻后最后一次预警时刻-第一个窗口的起始时刻,
若N≥2且全部位于棘波起始时刻后,则预设时长=最后一个窗口的终止时刻-棘波起始时刻前且最近的预警时刻,
若N=1且该窗口位于棘波起始时刻前,则预设时长=棘波起始时刻后最后一次预警时刻-该窗口的起始时刻,
若N=1且该窗口位于棘波起始时刻后,则预设时长=该窗口的终止时刻-棘波起始时刻前且最近的预警时刻;
当预警次数<预警次数阈值,则预设时长=棘波起始时刻后最后一次预警时刻-棘波起始时刻前且最近的预警时刻。
2.如权利要求1所述的多时相闭环刺激系统,其特征在于,
所述离线信号在不同时相对应的预设时长的获取包括:
所述预设时长为离线信号的历史时长的均值;或
所述预设时长通过离线信号在不同时相对应的预警次数获取;其中
所述离线信号在发作前期时相的预设时长为历史发作前期的时长均值;
所述离线信号在发作时相的预设时长为历史发作前期和历史发作期的时长均值;
所述离线信号在间期棘波时相的预设时长为历史棘波前期和历史棘波放电期的时长均值。
3.如权利要求1所述的多时相闭环刺激系统,其特征在于,
当离线信号所处时相出现多次重现时,计算多次重现预设时长的均值,以其作为所述离线信号在所处时相的预设时长。
4.如权利要求1所述的多时相闭环刺激系统,其特征在于,
所述调控模型包括离线信号在不同时相内的预设时长和窗口数阈值;
所述窗口数阈值通过不同时相内的性能指标获取;
所述性能指标包括:不漏检指标、误报警指标、正确预警指标中的至少一种;其中
所述不漏检指标为离线信号在所处的预设时长内出现至少输出一次预警;
所述误报警指标为离线信号在所处的预设时长内出现的误报警次数满足设定误报警次数;
所述正确预警指标为离线信号在所处的预设时长内出现的正确预警次数满足设定正确预警次数。
5.一种如权利要求1所述的多时相闭环刺激系统的调控系统,其特征在于,包括:
处理器模块,用于基于信号离线检测结果获取多时相刺激系统的预设时长;
调控模块,用于基于所述预设时长建立在线信号的调控模型,检测在线信号所处的时相,根据在线信号所处的时相选择对应的调控模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210560506.2A CN114642440B (zh) | 2022-05-23 | 2022-05-23 | 获取刺激系统预设时长的方法、刺激系统及其调控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210560506.2A CN114642440B (zh) | 2022-05-23 | 2022-05-23 | 获取刺激系统预设时长的方法、刺激系统及其调控方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114642440A CN114642440A (zh) | 2022-06-21 |
CN114642440B true CN114642440B (zh) | 2022-08-12 |
Family
ID=81997430
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210560506.2A Active CN114642440B (zh) | 2022-05-23 | 2022-05-23 | 获取刺激系统预设时长的方法、刺激系统及其调控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114642440B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10499843B1 (en) * | 2007-04-23 | 2019-12-10 | Neurowave Systems Inc. | Method for amplifying abnormal pattern signal in observed brain activity of a subject for diagnosis or treatment |
TW202021550A (zh) * | 2018-12-11 | 2020-06-16 | 中山醫學大學附設醫院 | 可重覆激發固定模式之局部癲癇發作的動物實驗方法 |
CN111346297A (zh) * | 2020-03-16 | 2020-06-30 | 首都医科大学宣武医院 | 多靶点电刺激电路、电刺激器及其信号输出方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6594524B2 (en) * | 2000-12-12 | 2003-07-15 | The Trustees Of The University Of Pennsylvania | Adaptive method and apparatus for forecasting and controlling neurological disturbances under a multi-level control |
WO2007075477A2 (en) * | 2005-12-19 | 2007-07-05 | University Of Florida | Closed-loop state-dependent seizure prevention systems |
US8165683B2 (en) * | 2006-04-21 | 2012-04-24 | Medtronic, Inc. | Method and apparatus for detection of nervous system disorders |
WO2010025226A1 (en) * | 2008-08-29 | 2010-03-04 | Emory University | Microelectrode stimulation for treatment of epilepsy or other neurologic disorder |
CN105573536B (zh) * | 2014-10-16 | 2018-09-07 | 华为技术有限公司 | 触控交互的处理方法、装置和系统 |
US10130813B2 (en) * | 2015-02-10 | 2018-11-20 | Neuropace, Inc. | Seizure onset classification and stimulation parameter selection |
US10456073B2 (en) * | 2015-06-09 | 2019-10-29 | The Governing Council Of The University Of Toronto | System, method and apparatus for rapid brief feedback intracerebral stimulation based on real-time desynchronization |
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 |
CN114082102A (zh) * | 2021-11-12 | 2022-02-25 | 江苏科技大学 | 一种基于头皮脑电的闭环迷走神经刺激器 |
-
2022
- 2022-05-23 CN CN202210560506.2A patent/CN114642440B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10499843B1 (en) * | 2007-04-23 | 2019-12-10 | Neurowave Systems Inc. | Method for amplifying abnormal pattern signal in observed brain activity of a subject for diagnosis or treatment |
TW202021550A (zh) * | 2018-12-11 | 2020-06-16 | 中山醫學大學附設醫院 | 可重覆激發固定模式之局部癲癇發作的動物實驗方法 |
CN111346297A (zh) * | 2020-03-16 | 2020-06-30 | 首都医科大学宣武医院 | 多靶点电刺激电路、电刺激器及其信号输出方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114642440A (zh) | 2022-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2012659B1 (en) | Method and apparatus for detection of nervous system disorders | |
US20080046024A1 (en) | Method and apparatus for detection of nervous system disorders | |
US8398555B2 (en) | System and method for detecting ventilatory instability | |
US8456295B2 (en) | Alarm generation method for patient monitoring, physiological monitoring apparatus and computer program product for a physiological monitoring apparatus | |
US20080161712A1 (en) | Low Power Device With Contingent Scheduling | |
EP2389858A2 (en) | Alarm generation method for patient monitoring, physiological monitoring apparatus, and computer program product for a physiological monitoring apparatus | |
US20080161713A1 (en) | Low Power Device With Variable Scheduling | |
CN114042204A (zh) | 输液泵及其输液管路上阻塞报警方法和装置 | |
WO2013005320A1 (ja) | 血圧低下予測装置 | |
US20060089559A1 (en) | Realtime monitoring and analysis of heart-beat dynamics | |
CN114642440B (zh) | 获取刺激系统预设时长的方法、刺激系统及其调控方法 | |
CN114010207B (zh) | 基于过零点系数的时域数据分类方法、植入式刺激系统 | |
CN112971724A (zh) | 入睡点检测方法 | |
JPH10146321A (ja) | 運転者監視装置 | |
CN114582485B (zh) | 基于信号离线检测结果的系统调控方法、闭环刺激系统 | |
JP2007330432A (ja) | 生体情報判定システム及び生体情報判定方法並びに生体情報判定プログラム | |
JP6957011B2 (ja) | 睡眠段階判定装置、睡眠段階判定方法及びプログラム | |
US11712193B2 (en) | Reliable seizure detection with a parallelizable, multi-trajectory estimate of lyapunov exponents | |
JP2010213809A (ja) | 生体信号分析装置 | |
US20120277603A1 (en) | Device and Method for Detecting and reporting of a stress condition of a person | |
CN100577224C (zh) | 强血压变化检测 | |
WO2015192171A1 (en) | Monitoring drowsiness | |
CN111202515B (zh) | 神经事件检测方法与系统 | |
JP7252542B2 (ja) | 覚醒状態推定装置及び覚醒状態推定方法 | |
WO2010083228A2 (en) | Low-power real-time seizure detection system |
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 | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20220621 Assignee: Boruikang medical technology (Shanghai) Co.,Ltd. Assignor: NEURACLE TECHNOLOGY (CHANGZHOU) CO.,LTD. Contract record no.: X2022980013150 Denomination of invention: Method for obtaining preset duration of stimulation system, stimulation system and regulation method thereof Granted publication date: 20220812 License type: Common License Record date: 20220826 |
|
EE01 | Entry into force of recordation of patent licensing contract |