CN115188448A - 一种基于脑电波的中医医生诊疗经验记录方法 - Google Patents
一种基于脑电波的中医医生诊疗经验记录方法 Download PDFInfo
- Publication number
- CN115188448A CN115188448A CN202210821915.3A CN202210821915A CN115188448A CN 115188448 A CN115188448 A CN 115188448A CN 202210821915 A CN202210821915 A CN 202210821915A CN 115188448 A CN115188448 A CN 115188448A
- Authority
- CN
- China
- Prior art keywords
- patient
- doctor
- brain wave
- diagnosis
- traditional chinese
- 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 83
- 238000003745 diagnosis Methods 0.000 title claims abstract description 63
- 238000000034 method Methods 0.000 title claims abstract description 50
- 239000003814 drug Substances 0.000 title claims abstract description 47
- 238000012545 processing Methods 0.000 claims abstract description 11
- 238000001914 filtration Methods 0.000 claims description 10
- 239000013598 vector Substances 0.000 claims description 10
- 238000000513 principal component analysis Methods 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 230000001815 facial effect Effects 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000000537 electroencephalography Methods 0.000 claims 1
- 238000013473 artificial intelligence Methods 0.000 abstract description 6
- 238000011161 development Methods 0.000 abstract description 3
- 230000000694 effects Effects 0.000 description 5
- 230000006996 mental state Effects 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 206010049816 Muscle tightness Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000004397 blinking Effects 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000004070 electrodeposition Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000012958 reprocessing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 210000001202 rhombencephalon Anatomy 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
Images
Classifications
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/90—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to alternative medicines, e.g. homeopathy or oriental medicines
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
-
- 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
- A61B5/374—Detecting the frequency distribution of signals, e.g. detecting delta, theta, alpha, beta or gamma waves
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4803—Speech analysis specially adapted for diagnostic purposes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4854—Diagnosis based on concepts of traditional oriental medicine
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
-
- 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
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/20—ICT specially adapted for the handling or processing of medical references relating to practices or guidelines
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Alternative & Traditional Medicine (AREA)
- Cardiology (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Pulmonology (AREA)
- Bioethics (AREA)
- Pharmacology & Pharmacy (AREA)
- Audiology, Speech & Language Pathology (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脑电波的中医医生诊疗经验记录方法,包括以下步骤:S1.采集中医医生的脑电波信号,并对所采集到的脑电波信号进行处理得到在诊断患者、开中医治疗处方和治疗患者时的脑电波信号;S2.采集中医医生诊疗患者时患者的四诊数据,包括面部图像、舌头图像、声音、问答和脉搏波;S3.采集中医医生对患者的诊断结论和治疗方案;S4.采集诊断过程中患者的脑电波信号,并对所采集到的脑电波信号进行处理;S5.保存完整的病例信息;本发明能够自动采集医生诊断患者时的完整信息,为后继的人工智能诊断和人工智能开方提供大数据基础。
Description
技术领域
本发明涉及中医医疗设备技术领域,更具体的说是涉及一种基于脑电波的中医医生诊疗经验记录方法。
背景技术
中医药是中华民族的原创科学,数千年来为中华民族的健康做出了巨大贡献。但是中医药发展有自身规律,例如中医专家的诊疗经验主要依靠师徒关系传承,中医药理论博大精深,隐含的不确定知识相对较多,因而存在传承难度大,传播速度慢等问题,特别是名老中医在诊疗过程可能包含有直觉和创造性思维,他们有时很难用文字准确地描述出来。
目前传承名老中医诊疗经验的主要方法是通过案例学习,学到的是名老中医的诊疗思维复现,是再加工后的思维过程,略去了直觉部分。其次,在名老中医的指导下临床实践,学生参与了专家的思维过程,其中某些片段思维是客观的,学生学到的是真实的,但直觉部分仍然是学不到的,专家自己也无法解释。但是,名老中医的思维过程一定是客观存在的的,只是在重复描述时的很多中间过程被忽略了,例如直觉和顿悟,无法复现,从而也没有办法传承。
现代科学研究表明,人类的一系列思维活动如学习、玩游戏、听音乐都引发人脑中的神经细胞活动,并产生脑电波,而且不同精神状态下产生的脑电波频率变动很大,区分度明显。基于EEG(Electroencephalograph,脑电图描记器)的设备可以用来采集脑电波,通过分析EEG测得的脑电波,可以获取大脑的思维状态,包括名老中医的诊疗思维状态。但是目前脑电波还没有用于中医领域,来记录名老中医诊断患者时的诊疗思维模式,以支持中医传承。
因此,如何提供一种基于脑电波的中医医生诊疗经验记录方法成为了本领域技术人员亟需解决的问题。
发明内容
有鉴于此,本发明提供了一种基于脑电波的中医医生诊疗经验记录方法,能够自动采集医生诊断患者时的完整信息,为后继的人工智能诊断和人工智能开方提供大数据基础。
为了实现上述目的,本发明采用如下技术方案:
一种基于脑电波的中医医生诊疗经验记录方法,包括以下步骤:
S1.采集中医医生的脑电波信号,并对所采集到的脑电波信号进行处理得到在诊断患者、开中医治疗处方时的脑电波信号;
S2.采集中医医生诊疗患者时患者的四诊数据,包括面部图像、舌头图像、声音、问答和脉搏波;
S3.采集中医医生对患者的诊断结论和治疗方案;
S4.采集诊断过程中患者的脑电波信号,并对所采集到的脑电波信号进行处理;
S5.保存完整的病例信息;
其中,对所采集到的脑电波信号均进行处理的具体内容包括:
(1)对脑电波信号进行预处理;
(2)从预处理后的每个通道的波形中抽取α、β、δ、γ和θ5种与思维有关的波形;
(3)对预处理后的每个通道的波形进行特征提取得到特征向量;
(4)对于中医医生的脑电波信号:对抽取出来的波形和所述特征向量分别进行阶段标记后保存,所述阶段包括诊断阶段、开中医治疗处方阶段和治疗阶段;对于患者的脑电波信号:直接保存抽取后的波形以及所述特征向量。
优选的,通过脑电图记录技术采集记录医生及患者的脑电波信号,原始信号包括使用16位A/D转换器在250Hz的最低频率下采样的20个通道的记录,采集的每个通道的原始信号是一系列随着时间变化而不断变化的波形曲线。
优选的,所述预处理的步骤包括:
(1)定位通道数据,删除后期不需要用到的通道信息,对于中医医生脑电波信号则保留诊医生断思考过程、治疗方案思考过程和写病历过程的脑电波,对于患者脑电波信号则保留诊断过程中患者的脑电波信号;
(2)对保留下来的脑电波信号进行滤波;
(3)对滤波后的脑电波进行分段;
(4)基线校正:将进去诊断阶段之前的脑电波信号作为基线;
(5)将头顶中央的电极作为参考电极;
(6)降低采样率;
(7)插值坏导;
(8)独立主成分分析:采用独立主成分分析选择最主要的成分,除掉伪迹成分;
(9)剔除坏段:剔除掉波幅超过100微幅的部分。
优选的,S2的具体内容包括:
获取患者视频,采集患者的面部和舌苔图像;
采用拾音器采集医生与患者的对话,并通过声纹识别,分离出医生和患者的声音,通过语音识别获得医生的提问文本及对应患者的回答文本,其中医生声音的拾取基于预先采集医生的声音作为训练样本,对声纹识别模型进行训练;
采用脉诊仪采集患者的脉搏波形数据。
优选的,完整病例信息包括医生的身份信息、医生的脑电波数据、患者的身份信息、面部图像、舌苔图像、医生的提问文本、患者的回答文本、患者的音频文件、患者的诊断结论、患者的治疗处方、诊断日期以及地点信息。
经由上述的技术方案可知,与现有技术相比,本发明公开提供了一种基于脑电波的中医医生诊疗经验记录方法,本发明能客观记录名老中医诊断患者时的思维模式和诊断时患者的思维模式,以支持名老中医中医诊疗经验的传承学习。同时保存完整的病例信息,有利于后继的大数据人工智能实现智能诊疗。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,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地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,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,还可以根据提供的附图获得其他的附图。
图1附图为本发明提供的一种基于脑电波的中医医生诊疗经验记录方法流程示意图。
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。
本发明实施例公开了一种基于脑电波的中医医生诊疗经验记录方法,如图1所示,包括以下步骤:
S1.采集中医医生的脑电波信号,并对所采集到的脑电波信号进行处理得到在诊断患者、开中医治疗处方时的脑电波信号;
S2.采集中医医生诊疗患者时患者的四诊数据,包括面部图像、舌头图像、声音、问答和脉搏波;
S3.采集中医医生对患者的诊断结论和治疗方案;
S4.采集诊断过程中患者的脑电波信号,并对所采集到的脑电波信号进行处理;
S5.保存完整的病例信息;
其中,对所采集到的脑电波信号均进行处理的具体内容包括:
(1)对脑电波信号进行预处理;
(2)从预处理后的每个通道的波形中抽取α、β、δ、γ和θ5种与思维有关的波形;
(3)对预处理后的每个通道的波形进行特征提取得到特征向量;
(4)对于中医医生的脑电波信号:对抽取出来的波形和特征向量分别进行阶段标记后保存,阶段包括诊断阶段、开中医治疗处方阶段和治疗阶段;对于患者的脑电波信号:直接保存抽取后的波形以及特征向量。
需要说明的是:
在本实施例中,采用Natus Medical Incorporated公司的NicoletTM脑电图记录技术采集记录医生的脑电波信号。原始信号包括使用16位A/D转换器在250Hz的最低频率下采样的20个通道的记录。采集的每个通道的原始信号是一系列随着时间变化而不断变化的波形曲线。
5种与思维有关的波形具体内容如下表所示:
保留原始波形的数据量大,可以抽取特征保存。本实施案例结合时域和频域特征,采用时频域特征,包括短时傅里叶变换(STFT),小波变换(WT),经验模态分解(EMD),希尔伯特-黄变换(HHT)提取的特征组合。
对抽取后的5种波形和对应的特征向量都给预思维阶段标记,分别是诊断,治疗和开病历阶段。
为了进一步实施上述技术方案,通过脑电图记录技术采集记录医生及患者的脑电波信号,原始信号包括使用16位A/D转换器在250Hz的最低频率下采样的20个通道的记录,采集的每个通道的原始信号是一系列随着时间变化而不断变化的波形曲线。
为了进一步实施上述技术方案,预处理的步骤包括:
(1)定位通道数据,删除后期不需要用到的通道信息,对于中医医生脑电波信号则保留诊医生断思考过程、治疗方案思考过程和写病历过程的脑电波,对于患者脑电波信号则保留诊断过程中患者的脑电波信号;
(2)对保留下来的脑电波信号进行滤波;
(3)对滤波后的脑电波进行分段;
(4)基线校正:将进去诊断阶段之前的脑电波信号作为基线;
(5)将头顶中央的电极作为参考电极;
(6)降低采样率;
(7)插值坏导;
(8)独立主成分分析:采用独立主成分分析选择最主要的成分,除掉伪迹成分;
(9)剔除坏段:剔除掉波幅超过100微幅的部分。
需要说明的是:
在本实施例中,采用Net-Station软件对原始数据进行预处理,最后采用功率谱分析与相关系数矩阵相结合的方法选取恰当的电极,确定少量活跃电极分布在头顶位置,一般活跃电极主要集中在后脑区域。然后将确定的电极分布在医生的头顶位置,采集波形数据,并预处理。
对于定位通道数据:采用Matlab2015a、博睿康公司Neuracle EEG RecorderV2采集软件以及Neuracle配套的eeglab工具箱。首先将EEG数据加载进eeglab。eeglab中默认的通道位置信息文件是standard-10-5-cap385,它是按照国际10-5系统排布的一共有385个电极点信息的模板,根据这个模板就可以了定位通道。
删除无用数据:删除后期并不需要用到的通道信息,只保留诊医生断思考过程、治疗方案思考过程和写病历过程的脑电波。
滤波:做了30Hz的低通滤波后,再做一个50Hz的凹陷滤波,去除50Hz市电的干扰。
分段:思考过程中是有停顿的,真正产生有价值的思考内容大多数据在1秒以内产生的。由于后期我们要做时频分析,将分段时间拉长到事件前1秒到事件后2秒这个时间段内。
基线校正:在进入诊断患者之前,医生处于一个相对平静的状态,此时的脑电活动,代表了一个平静状态下的脑电活动,我们将这段时间内的脑电活动当成一个基线,用作前后对比。其次,用于防止数据漂移带来的影响。上述分段的方式本实施例中设置为-200毫秒到1000毫秒,本实施例中将所有的数据均减去上述区间内的前200毫秒以内数据的均值。
重参考:采集之后的数据是电极所在位置跟参考电极之间的电位差。在分析数据的时候,要重新思考参考电极,因为不同位置的参考,会对数据造成一定的影响。本实施例中选择头顶中央参考。
降低采样率:为了减少后期分析的数据量,做降低采样率处理,降到250Hz。在降低采样率时,降低采样率在滤波之后。其二,降低采样率服从采样定理。
插值坏导:EEGLAB中插值坏导有两种方式,一种是以某通道周围几个通道的数据的平均值,来替代这个通道的数据。另外一种是直接采用EEGLAB里内置的一种算法实现。本实施案例采用第二种。
独立主成分分析:采用独立主成分分析选择最主要的成分,除掉伪迹成分,比如眨眼的成分,肌肉紧张的成分等,从而得到一个相对干净的数据。
剔除坏段:在插值坏导和独立主成分分析之后,再剔除掉波幅超过100微幅的部分。
为了进一步实施上述技术方案,S2的具体内容包括:
获取患者视频,采集患者的面部和舌苔图像;
采用拾音器采集医生与患者的对话,并通过声纹识别,分离出医生和患者的声音,通过语音识别获得医生的提问文本及对应患者的回答文本,其中医生声音的拾取基于预先采集医生的声音作为训练样本,对声纹识别模型进行训练;
采用脉诊仪采集患者的脉搏波形数据。
为了进一步实施上述技术方案,完整病例信息包括医生的身份信息、医生的脑电波数据、患者的身份信息、面部图像、舌苔图像、医生的提问文本、患者的回答文本、患者的音频文件、患者的诊断结论、患者的治疗处方、诊断日期以及地点信息。
本发明使用方便,通过摄像机、拾音器、脉搏传感器自动采集医生诊断患者时的完整信息,经智能信息处理器处理后,将完整病例信息保存到病例数据库存储器中,大大降低了医生的工作量,且不干扰诊疗过程,采集的数据全面,有利于后继的大数据人工智能实现智能诊疗。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (5)
1.一种基于脑电波的中医医生诊疗经验记录方法,其特征在于,包括以下步骤:
S1.采集中医医生的脑电波信号,并对所采集到的脑电波信号进行处理得到在诊断患者、开中医治疗处方时的脑电波信号;
S2.采集中医医生诊疗患者时患者的四诊数据,包括面部图像、舌头图像、声音、问答和脉搏波;
S3.采集中医医生对患者的诊断结论和治疗方案;
S4.采集诊断过程中患者的脑电波信号,并对所采集到的脑电波信号进行处理;
S5.保存完整的病例信息;
其中,对所采集到的脑电波信号均进行处理的具体内容包括:
(1)对脑电波信号进行预处理;
(2)从预处理后的每个通道的波形中抽取α、β、δ、γ和θ5种与思维有关的波形;
(3)对预处理后的每个通道的波形进行特征提取得到特征向量;
(4)对于中医医生的脑电波信号:对抽取出来的波形和所述特征向量分别进行阶段标记后保存,所述阶段包括诊断阶段、开中医治疗处方阶段和治疗阶段;对于患者的脑电波信号:直接保存抽取后的波形以及所述特征向量。
2.根据权利要求1所述的一种基于脑电波的中医医生诊疗经验记录方法,其特征在于,通过脑电图记录技术采集记录医生及患者的脑电波信号,原始信号包括使用16位A/D转换器在250Hz的最低频率下采样的20个通道的记录,采集的每个通道的原始信号是一系列随着时间变化而不断变化的波形曲线。
3.根据权利要求1所述的一种基于脑电波的中医医生诊疗经验记录方法,其特征在于,所述预处理的步骤包括:
(1)定位通道数据,删除后期不需要用到的通道信息,对于中医医生脑电波信号则保留诊医生断思考过程、治疗方案思考过程和写病历过程的脑电波,对于患者脑电波信号则保留诊断过程中患者的脑电波信号;
(2)对保留下来的脑电波信号进行滤波;
(3)对滤波后的脑电波进行分段;
(4)基线校正:将进去诊断阶段之前的脑电波信号作为基线;
(5)将头顶中央的电极作为参考电极;
(6)降低采样率;
(7)插值坏导;
(8)独立主成分分析:采用独立主成分分析选择最主要的成分,除掉伪迹成分;
(9)剔除坏段:剔除掉波幅超过100微幅的部分。
4.根据权利要求1所述的一种基于脑电波的中医医生诊疗经验记录方法,其特征在于,S2的具体内容包括:
获取患者视频,采集患者的面部和舌苔图像;
采用拾音器采集医生与患者的对话,并通过声纹识别,分离出医生和患者的声音,通过语音识别获得医生的提问文本及对应患者的回答文本,其中医生声音的拾取基于预先采集医生的声音作为训练样本,对声纹识别模型进行训练;
采用脉诊仪采集患者的脉搏波形数据。
5.根据权利要求1所述的一种基于脑电波的中医医生诊疗经验记录方法,其特征在于,完整病例信息包括医生的身份信息、医生的脑电波数据、患者的身份信息、面部图像、舌苔图像、医生的提问文本、患者的回答文本、患者的音频文件、患者的诊断结论、患者的治疗处方、诊断日期以及地点信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210821915.3A CN115188448A (zh) | 2022-07-12 | 2022-07-12 | 一种基于脑电波的中医医生诊疗经验记录方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210821915.3A CN115188448A (zh) | 2022-07-12 | 2022-07-12 | 一种基于脑电波的中医医生诊疗经验记录方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115188448A true CN115188448A (zh) | 2022-10-14 |
Family
ID=83519523
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210821915.3A Pending CN115188448A (zh) | 2022-07-12 | 2022-07-12 | 一种基于脑电波的中医医生诊疗经验记录方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115188448A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115886839A (zh) * | 2022-12-19 | 2023-04-04 | 广州华见智能科技有限公司 | 一种基于脑电波分析的诊断系统 |
CN116168807A (zh) * | 2022-12-19 | 2023-05-26 | 广州华见智能科技有限公司 | 一种基于脑电波的中医医生诊疗系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103874455A (zh) * | 2011-09-19 | 2014-06-18 | 珀西斯特发展公司 | 用于分析脑电图(eeg)记录的方法和系统 |
CN104902806A (zh) * | 2012-11-10 | 2015-09-09 | 加利福尼亚大学董事会 | 神经病理的评估系统及方法 |
WO2016203456A1 (en) * | 2015-06-19 | 2016-12-22 | Nclogics Ag | Device, system, and method of improved diagnosis, decision-support, and analysis of electroencephalograms |
US20190142291A1 (en) * | 2015-03-23 | 2019-05-16 | Temple University-Of The Commonwealth System Of Higher Education | System and Method for Automatic Interpretation of EEG Signals Using a Deep Learning Statistical Model |
US20190328996A1 (en) * | 2018-04-30 | 2019-10-31 | Korea University Research And Business Foundation | Method and system for inducing sleep |
CN111557032A (zh) * | 2018-01-02 | 2020-08-18 | 皇家飞利浦有限公司 | 自动诊断报告准备 |
US20220071548A1 (en) * | 2020-09-10 | 2022-03-10 | Parameshwaran Ramakrishnan | Biofeedback based system and method for patient assessment and treatment |
-
2022
- 2022-07-12 CN CN202210821915.3A patent/CN115188448A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103874455A (zh) * | 2011-09-19 | 2014-06-18 | 珀西斯特发展公司 | 用于分析脑电图(eeg)记录的方法和系统 |
CN104902806A (zh) * | 2012-11-10 | 2015-09-09 | 加利福尼亚大学董事会 | 神经病理的评估系统及方法 |
US20190142291A1 (en) * | 2015-03-23 | 2019-05-16 | Temple University-Of The Commonwealth System Of Higher Education | System and Method for Automatic Interpretation of EEG Signals Using a Deep Learning Statistical Model |
WO2016203456A1 (en) * | 2015-06-19 | 2016-12-22 | Nclogics Ag | Device, system, and method of improved diagnosis, decision-support, and analysis of electroencephalograms |
CN111557032A (zh) * | 2018-01-02 | 2020-08-18 | 皇家飞利浦有限公司 | 自动诊断报告准备 |
US20190328996A1 (en) * | 2018-04-30 | 2019-10-31 | Korea University Research And Business Foundation | Method and system for inducing sleep |
US20220071548A1 (en) * | 2020-09-10 | 2022-03-10 | Parameshwaran Ramakrishnan | Biofeedback based system and method for patient assessment and treatment |
Non-Patent Citations (1)
Title |
---|
姜海燕 等: "视频脑电图在癫痫诊断中的应用", 中国临床神经科学, vol. 15, no. 01, pages 46 - 49 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115886839A (zh) * | 2022-12-19 | 2023-04-04 | 广州华见智能科技有限公司 | 一种基于脑电波分析的诊断系统 |
CN116168807A (zh) * | 2022-12-19 | 2023-05-26 | 广州华见智能科技有限公司 | 一种基于脑电波的中医医生诊疗系统 |
CN116168807B (zh) * | 2022-12-19 | 2024-03-19 | 广州华见智能科技有限公司 | 一种基于脑电波的中医医生诊疗系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Khosla et al. | A comparative analysis of signal processing and classification methods for different applications based on EEG signals | |
Kalayci et al. | Wavelet preprocessing for automated neural network detection of EEG spikes | |
CN115188448A (zh) | 一种基于脑电波的中医医生诊疗经验记录方法 | |
US20130245422A1 (en) | Cognitive Function Assessment in a Patient | |
Hosseini et al. | Emotional stress recognition system for affective computing based on bio-signals | |
Khalili et al. | Emotion detection using brain and peripheral signals | |
WO2024083059A1 (zh) | 一种基于机器学习的工作记忆任务脑磁图分类系统 | |
Ahire et al. | A comprehensive review of machine learning approaches for dyslexia diagnosis | |
CN115299947A (zh) | 基于多模态生理数据的心理量表置信度评估方法及系统 | |
Najumnissa et al. | Detection and classification of epileptic seizures using wavelet feature extraction and adaptive neuro-fuzzy inference system | |
CN114601476A (zh) | 一种基于视频刺激下的eeg信号情感识别方法 | |
Hurtado-Rincon et al. | Motor imagery classification using feature relevance analysis: An Emotiv-based BCI system | |
CN114376524A (zh) | 基于语音统计学习的意识评估方法及系统 | |
Dash et al. | Decoding speech evoked jaw motion from non-invasive neuromagnetic oscillations | |
Dutt et al. | Automatic sleep stage identification with time distributed convolutional neural network | |
Koct et al. | Speech Activity Detection from EEG using a feed-forward neural network | |
Mammone et al. | Mpnnet: a motion planning decoding convolutional neural network for EEG-based brain computer interfaces | |
CN114699093A (zh) | 一种基于卷积神经网络和长短期记忆的脑电癫病发作信号检测方法 | |
Ghosh et al. | Identification of imagined bengali vowels from EEG signals using activity map and convolutional neural network | |
CN116168807B (zh) | 一种基于脑电波的中医医生诊疗系统 | |
Eva et al. | Amplitude Modulation Index as Feature in a Brain Computer Interface. | |
Jyothirmy et al. | Stress Monitoring in Humans using Biomedical Signal Analysis | |
Koctúrová et al. | Eeg based voice activity detection | |
Nath et al. | Wavelet Based De-noising of EEG Signal Acquired from Tele-serial Addicted Persons | |
Geerts | Detection of interictal epileptiform discharge in EEG |
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 |