CN115462794A - 基于多状态脑电节律波特征的adhd辅助评估系统 - Google Patents

基于多状态脑电节律波特征的adhd辅助评估系统 Download PDF

Info

Publication number
CN115462794A
CN115462794A CN202211110422.5A CN202211110422A CN115462794A CN 115462794 A CN115462794 A CN 115462794A CN 202211110422 A CN202211110422 A CN 202211110422A CN 115462794 A CN115462794 A CN 115462794A
Authority
CN
China
Prior art keywords
electroencephalogram
state
rhythm
module
unit
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
Application number
CN202211110422.5A
Other languages
English (en)
Inventor
张行
方妍彤
曹龙飞
王其鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Normal University
Original Assignee
Hangzhou Normal University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Normal University filed Critical Hangzhou Normal University
Priority to CN202211110422.5A priority Critical patent/CN115462794A/zh
Publication of CN115462794A publication Critical patent/CN115462794A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/16Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/168Evaluating attention deficit, hyperactivity
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/24Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316Modalities, i.e. specific diagnostic methods
    • A61B5/369Electroencephalography [EEG]
    • A61B5/372Analysis of electroencephalograms
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/24Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316Modalities, i.e. specific diagnostic methods
    • A61B5/369Electroencephalography [EEG]
    • A61B5/372Analysis of electroencephalograms
    • A61B5/374Detecting the frequency distribution of signals, e.g. detecting delta, theta, alpha, beta or gamma waves
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235Details of waveform analysis
    • A61B5/7253Details of waveform analysis characterised by using transforms
    • A61B5/7257Details of waveform analysis characterised by using transforms using Fourier transforms

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Psychiatry (AREA)
  • Biophysics (AREA)
  • Psychology (AREA)
  • Developmental Disabilities (AREA)
  • Child & Adolescent Psychology (AREA)
  • Educational Technology (AREA)
  • Hospice & Palliative Care (AREA)
  • Social Psychology (AREA)
  • Mathematical Physics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Signal Processing (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多状态脑电节律波特征的ADHD辅助评估系统。本发明包含电源模块、状态设置模块、信号采集模块、数据存储及分析模块、呈现模块;电源模块用于供电;状态设置模块用于引导受测者进入静息状态或认知任务状态,并且将状态相关的设置信息输出;信号采集模块用于采集受试者的脑电模拟信号;数据存储及分析模块用于将信号采集模块所采集到的脑电模拟信号转换成数字信号并按文本方式进行存储;提取脑电节律波,并采用空间分布特征的分析方法,完成对ADHD症状严重程度的评估;呈现模块利用显示终端将分析的结果进行可视化图形呈现。本发明提取多个状态下脑电节律波,融合脑电节律波成分空间分布特征和强度特征的分析方法。

Description

基于多状态脑电节律波特征的ADHD辅助评估系统
技术领域
本发明属于医药新技术领域,涉及临床注意缺陷多动障碍认知评估和辅助,具体是一种基于多状态的脑电节律波特征的ADHD辅助评估系统。
背景技术
注意缺陷多动障碍(attention deficit hyperactivity disorder,ADHD)是常见的儿童神经发育障碍,其症状主要表现为与年龄和发育水平不相称的注意力不集中,活动过度和冲动。对于ADHD的辅助诊断,脑电是一项重要的技术。这项技术在应用中主要存在两个问题:(1)只关注受试者单一状态,通常为静息态,即受试者休息、放松的状态。然而单一状态下所获取的信息是有局限的,ADHD患儿在不同状态下,比如静息态和认知任务状态下有不同的表现;(2)关注的是脑电节律波动的强度,较少关注脑电节律波的空间分布特征,而脑电节律波的空间分布和ADHD的症状有一定的联系。单一状态下,脑电节律波强度因为受测者的个体差异,很难构建能够应用的检测标准。因此,需要针对上述问题,研发新的ADHD脑电辅助诊断和认知评估技术。
发明内容
本发明的目的是针对现有技术的不足,提出一种多状态脑电节律波特征的ADHD辅助评估系统。本发明的创新性在于:(1)将静息状态、认知任务状态与脑电测试结合,形成整合多状态脑电信息的ADHD辅助评估;(2)提出一种新的脑电节律波空间分布特征分析方法,即提取多个状态下脑电节律波,融合脑电节律波成分空间分布特征和强度特征的分析方法。本发明已经在杭师大附属医院儿童青少年心理健康联合门诊投入应用,得到了ADHD领域临床医生的高度认可。
本发明所采用的技术方案如下:
本发明包含电源模块、状态设置模块、信号采集模块、数据存储及分析模块、呈现模块。本发明通过采集ADHD患儿认知任务测试过程中的脑电数据,分析他们脑电节律波空间分布特征,为ADHD的认知评估和辅助诊断提供依据。
所述的电源模块,用于给状态设置模块、信号采集模块、数据存储及分析模块、呈现模块供电。
所述的状态设置模块,用于引导受测者进入静息状态或认知任务状态,并且将状态相关的设置信息输出。
所述的信号采集模块,用于采集受试者的脑电模拟信号。
所述的数据存储及分析模块,用于将信号采集模块所采集到的脑电模拟信号转换成数字信号并按文本方式进行存储;提取脑电节律波,并采用空间分布特征的分析方法,完成对ADHD症状严重程度的评估。
所述的呈现模块,利用显示终端将分析的结果进行可视化图形呈现。
所述状态设置模块包括任务设置单元和操作单元;任务设置单元、操作单元与数据传输单元和显示终端相连,受试者通过任务设置单元选择需要完成的任务,通过操作单元进行任务操作。
所述脑电信号采集模块包含信号采集单元、数据传输单元。信号采集单元采用干电极模式,以500Hz的采样率,采集受试者头皮脑电模拟信号。采集单元与数据传输单元相连,采集的脑电模拟信号会进入数据传输单元内。
所述数据存储及分析模块包括数据存储单元、预处理单元、节律波提取单元、空间分布特征计算单元;数据存储单元与脑电信号采集模块的数据传输单元相连,将脑电模拟信号转化为数字信号进行存储;预处理单元用于提取电信号并进行去噪处理;显示终端会根据操作单元传入的操作信息,显示受试者的操作情况;节律波提取单元负责从预处理单元处理后的脑电信号中提出脑电节律波;特征分析单元将根据提取的每个电极的脑电成分1和成分2,分别分析每个脑电节律波成分的空间特征和强度特征。
进一步的,所述的节律波提取单元具体提取方法如下:
步骤1、对预处理单元处理后的每个电极的脑电信号进行傅里叶变换,得到脑电信号的频域信息,具体频域信息是0.002-250Hz的数据值;
所述傅里叶变换公式如下:
Figure BDA0003842873220000021
其中,w代表频率,t代表时间,e-iwt为复变函数。
步骤2、根据步骤1得到的频域信息,计算每个电极在4Hz-7Hz功率谱振幅的均值Ⅰ,并将该均值Ⅰ定义为每个电极中脑电节律波成分Ⅰ的强度。计算每个电极在14-20Hz功率谱振幅的均值Ⅱ,并将该均值Ⅱ定义为每个电极脑电节律波成分Ⅱ的强度。
进一步的,所述的特征分析单元具体分析方法如下:
步骤(1)定义静息状态下脑电节律波成分空间分布系数为K1,认知任务状态下脑电节律波成分空间分布系数为K2,Ei为第i个电极的脑电节律波成分Ⅰ强度。其中,i=[1,9],1-9分别代表标准脑电电极分布中F3、F4、Fz、C3、C4、Cz、P3、P4、Pz号电极。
步骤(2)定义P为选定电极的脑电节律波成分Ⅰ在对应状态下的强度。
Figure BDA0003842873220000031
K1=I(P>Ek),3<k≤9 (3)
K2=I(P>Ek),3<k≤9 (4)
其中,I()表示判断函数,I(Ej>0)表示当Ej>0不等式成立时,I()输出1;不成立时输出0。
步骤(3)定义脑电强度系数为L,定义W1为选定电极的脑电节律波成分Ⅱ在特定认知任务状态下的强度,W2为选定电极的脑电节律波成分Ⅱ在静息态下的强度。
W1=[I(E6>0)]×E6 (5)
W2=[I(E6>0)]×E6 (6)
L=I(W1>W2) (7)
步骤(4)定义脑电节律波特征值Q:
Q=K1+K2+L (8)
步骤(5)根据脑电节律波特征值Q的分数,便于对受试者ADHD症状严重程度进行评估。
基于多状态的脑电节律波特征的ADHD辅助评估系统的实现,具体包括以下步骤:
步骤S1:通过状态设置模块对受试者进行认知任务测试;
步骤S2:通过信号采集模块采用脑电设备采集受试者的脑电信号;
步骤S3:通过数据存储及分析模块对脑电信号存储,进行数据预处理,提取脑电节律波,分析脑电节律波空间分布特征;
进一步的,所述的节律波提取单元具体提取方法如下:
步骤1、对预处理单元处理后的每个电极的脑电信号进行傅里叶变换,得到脑电信号的频域信息,具体频域信息是0.002-250Hz的数据值;
所述傅里叶变换公式如下:
Figure BDA0003842873220000041
其中,w代表频率,t代表时间,e-iwt为复变函数。
步骤2、根据步骤1得到的频域信息,计算每个电极在4Hz-7Hz功率谱振幅的均值Ⅰ,并将该均值Ⅰ定义为每个电极中脑电节律波成分Ⅰ的强度。计算每个电极在14-20Hz功率谱振幅的均值Ⅱ,并将该均值Ⅱ定义为每个电极脑电节律波成分Ⅱ的强度。
进一步的,所述的特征分析单元具体分析方法如下:
步骤(1)定义静息状态下脑电节律波成分空间分布系数为K1,认知任务状态下脑电节律波成分空间分布系数为K2,Ei为第i个电极的脑电节律波成分Ⅰ强度。其中,i=[1,9],1-9分别代表标准脑电电极分布中F3、F4、Fz、C3、C4、Cz、P3、P4、Pz号电极。
步骤(2)定义P为选定电极的脑电节律波成分Ⅰ在对应状态下的强度。
Figure BDA0003842873220000042
K1=I(P>Ek),3<k≤9
K2=I(P>Ek),3<k≤9
其中,I()表示判断函数,I(Ej>0)表示当Ej>0不等式成立时,I()输出1;不成立时输出0。
步骤(3)定义脑电强度系数为L,定义W1为选定电极的脑电节律波成分Ⅱ在特定认知任务状态下的强度,W2为选定电极的脑电节律波成分Ⅱ在静息态下的强度。
W1=[I(E6>0)]×E6
W2=[I(E6>0)]×E6
L=I(W1>W2)
步骤(4)定义脑电节律波特征值Q:
Q=K1+K2+L (9)
步骤(5)根据脑电节律波特征值Q的分数,便于对受试者ADHD症状严重程度进行评估。
本发明有益效果如下:
1.本发明提出了不同状态,即静息态、认知任务状态与脑电测试结合的系统,重点在于获取不同状态的脑电信息对于ADHD的症状进行检测。
2.本发明不仅采用不同状态的脑电强度特征,还采用了脑电空间分布特征。通过系统包含的5个模块采集ADHD患儿静息态及认知任务状态下的脑电数据,分析他们特定脑电节律波成分不同状态的强度及空间分布特征信息,为ADHD的认知评估和辅助诊断提供依据,是ADHD辅助诊断的一种新的路径。
附图说明
图1为本发明ADHD辅助诊断系统结构示意图;
图2本发明具体实现流程图。
具体实施方式
为了更清楚地说明本申请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申请中记载的一些实施例,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,还可以根据这些附图获得其他的附图。
如图1所示,本发明系统包含电源模块5、状态设置模块2、信号采集模块4、数据存储及分析模块3、呈现模块1。本发明通过采集ADHD患儿认知任务测试过程中的脑电数据,分析他们脑电节律波空间分布特征,为ADHD的认知评估和辅助诊断提供依据。
所述的电源模块5用于给状态设置模块2、信号采集模块4、数据存储及分析模块3、呈现模块1供电。所述的状态设置模块2,用于选择并引导受试者进入设定的状态,并且将状态设置信息输出。所述的信号采集模块4,用于采集受试者的脑电模拟信号。所述的数据存储及分析模块3,用于将信号采集模块所采集到的脑电模拟信号转换成数字信号并按文本方式进行存储;提取脑电节律波,并采用空间分布特征的分析方法,完成对ADHD症状严重程度的评估。所述的呈现模块1,利用显示终端将分析的结果进行可视化图形呈现。
所述状态设置模块2包括状态设置单元21和操作单元22;状态设置单元212、操作单元22与数据传输单元42和显示终端12相连,使用者通过状态设置单元21选择需要引导受试者进入的状态,通过操作单元22呈现引导的图片,使受试者进入静息状态或任务操作状态。
所述信号采集模块4包含信号采集单元41、数据传输单元42。信号采集单元42采用干电极模式,以500Hz的采样率,采集受试者头皮脑电模拟信号。信号采集单元42与数据传输单元42相连,采集的脑电模拟信号会进入数据传输单元42内。
所述数据存储模块包括数据存储单元31。数据存储单元31与脑电信号采集模块的数据传输单元相连,将脑电模拟信号转化为数字信号进行存储。数据存储模块的数据传输单元与数据分析模块的预处理单元32连接,负责将脑电数字信号进行传输。
所述数据分析模块包括预处理单元32、节律波提取单元33、空间分布特征计算单元34。预处理单元32用于提取电信号并进行去噪处理。显示终端12会根据操作单元22传入的操作信息,显示受试者的操作情况;节律波提取单元33负责从预处理单元处理后的脑电信号中提出脑电节律波。特征分析单元34将根据提取的每个电极的脑电theta波和beta波,分析theta波和beta波的空间分布特征。
实施例1:
每次测试,受试者需要完成两种状态的脑电测试,即认知任务状态和静息状态。
步骤S1:状态设置模块根据状态设置单元21,受试者将进入认知任务状态,任务为两选择反应任务。受试者根据显示模块中显示单元12呈现的箭头方向,按键。受试者采用状态设置模块操作单元22的按键器,如果看到显示模块12显示单元显示<,按左键,看到显示单元12显示>,按右键。
步骤S2:采用脑电设备采集受试者在上述认知任务状态下的脑电信号并存储;
步骤S3:通过数据存储及分析模块对上述脑电信号存储,进行数据预处理,提取脑电节律波,分析脑电节律波空间分布特征;
步骤S4:状态设置模块根据状态设置单元21,受试者将进入静息状态。受试者盯着显示模块中显示单元12呈现的“+”符号,保持安静。
步骤S5:采用脑电设备采集受试者在静息状态下的脑电信号并存储;
步骤S6:通过数据存储及分析模块对上述脑电信号存储,进行数据预处理,提取脑电节律波,分析脑电节律波空间分布特征;
进一步的,所述的节律波提取单元具体提取方法如下:
步骤1、对预处理单元处理后的认知任务状态或静息状态下每个电极的脑电信号进行傅里叶变换,得到不同状态下脑电信号的频域信息,具体频域信息是0.002-250Hz的数据值;
所述傅里叶变换公式如下:
Figure BDA0003842873220000071
其中,w代表频率,t代表时间,e-iwt为复变函数。
步骤2、根据步骤1得到的频域信息,计算每个电极在4Hz-7Hz功率谱振幅的均值Ⅰ,并将该均值Ⅰ定义为每个电极中脑电节律波成分Ⅰ的强度。计算每个电极在14-20Hz功率谱振幅的均值Ⅱ,并将该均值Ⅱ定义为每个电极脑电节律波成分Ⅱ的强度。
进一步的,所述的特征分析单元具体分析方法如下:
步骤(1)定义静息状态下脑电节律波成分空间分布系数为K1,认知任务状态下脑电节律波成分空间分布系数为K2,Ei为第i个电极的脑电节律波成分Ⅰ强度。其中,i=[1,9],1-9分别代表标准脑电电极分布中F3、F4、Fz、C3、C4、Cz、P3、P4、Pz号电极。
步骤(2)定义P为选定电极的脑电节律波成分Ⅰ在对应状态下的强度。
Figure BDA0003842873220000081
K1=I(P>Ek),3<k≤9
K2=I(P>Ek),3<k≤9
其中,I()表示判断函数,I(Ej>0)表示当Ej>0不等式成立时,I()输出1;不成立时输出0。
步骤(3)定义脑电强度系数为L,定义W1为选定电极的脑电节律波成分Ⅱ在特定认知任务状态下的强度,W2为选定电极的脑电节律波成分Ⅱ在静息态下的强度。
W1=[I(E6>0)]×E6
W2=[I(E6>0)]×E6
L=I(W1>W2)
步骤(4)定义脑电节律波特征值Q:
Q=K1+K2+L
步骤(5)根据脑电节律波特征值Q的分数,便于对受试者ADHD症状严重程度进行评估。
实施例2:
本发明已经在杭师大附属医院儿童青少年心理健康联合门诊投入应用,活动ADHD临床医生的高度认可。通过本发明给出的脑电节律波特征值Q,应用时专业人士评估标准划分如下:
Q=3,正常;Q=2,症状严重程度为轻;Q=1,症状严重程度为中;Q=0,症状严重程度为重。

Claims (8)

1.基于多状态脑电节律波特征的ADHD辅助评估系统,其特征在于将静息状态、认知任务状态与脑电测试结合,形成整合多状态脑电信息的ADHD辅助评估;同时通过脑电节律波空间分布特征分析方法,提取多个状态下脑电节律波,融合脑电节律波成分空间分布特征和强度特征的分析方法。
2.根据权利要求1所述的基于多状态脑电节律波特征的ADHD辅助评估系统,其特征在于包含电源模块、状态设置模块、信号采集模块、数据存储及分析模块、呈现模块;所述的电源模块用于给状态设置模块、信号采集模块、数据存储及分析模块、呈现模块供电;所述的状态设置模块用于引导受测者进入静息状态或认知任务状态,并且将状态相关的设置信息输出;所述的信号采集模块用于采集受试者的脑电模拟信号;所述的数据存储及分析模块用于将信号采集模块所采集到的脑电模拟信号转换成数字信号并按文本方式进行存储;提取脑电节律波,并采用空间分布特征的分析方法,完成对ADHD症状严重程度的评估;所述的呈现模块,利用显示终端将分析的结果进行可视化图形呈现。
3.根据权利要求2所述的基于多状态脑电节律波特征的ADHD辅助评估系统,其特征在于所述状态设置模块包括任务设置单元和操作单元;任务设置单元、操作单元与数据传输单元和显示终端相连,受试者通过任务设置单元选择需要完成的任务,通过操作单元进行任务操作。
4.根据权利要求2所述的基于多状态脑电节律波特征的ADHD辅助评估系统,其特征在于所述脑电信号采集模块包含信号采集单元、数据传输单元;信号采集单元采用干电极模式,以500Hz的采样率,采集受试者头皮脑电模拟信号;采集单元与数据传输单元相连,采集的脑电模拟信号会进入数据传输单元内。
5.根据权利要求2所述的基于多状态脑电节律波特征的ADHD辅助评估系统,其特征在于所述数据存储及分析模块包括数据存储单元、预处理单元、节律波提取单元、空间分布特征计算单元;数据存储单元与脑电信号采集模块的数据传输单元相连,将脑电模拟信号转化为数字信号进行存储;预处理单元用于提取电信号并进行去噪处理;显示终端会根据操作单元传入的操作信息,显示受试者的操作情况;节律波提取单元负责从预处理单元处理后的脑电信号中提出脑电节律波;特征分析单元将根据提取的每个电极的脑电成分1和成分2,分别分析每个脑电节律波成分的空间特征和强度特征。
6.根据权利要求5所述的基于多状态脑电节律波特征的ADHD辅助评估系统,其特征在于所述的节律波提取单元具体提取方法如下:
步骤1、对预处理单元处理后的每个电极的脑电信号进行傅里叶变换,得到脑电信号的频域信息,具体频域信息是0.002-250Hz的数据值;
所述傅里叶变换公式如下:
Figure FDA0003842873210000021
其中,w代表频率,t代表时间,e-iwt为复变函数;
步骤2、根据步骤1得到的频域信息,计算每个电极在4Hz-7Hz功率谱振幅的均值Ⅰ,并将该均值Ⅰ定义为每个电极中脑电节律波成分Ⅰ的强度;计算每个电极在14-20Hz功率谱振幅的均值Ⅱ,并将该均值Ⅱ定义为每个电极脑电节律波成分Ⅱ的强度。
7.根据权利要求5或6所述的基于多状态脑电节律波特征的ADHD辅助评估系统,其特征在于所述的特征分析单元具体分析方法如下:
步骤(1)定义静息状态下脑电节律波成分空间分布系数为K1,认知任务状态下脑电节律波成分空间分布系数为K2,Ei为第i个电极的脑电节律波成分Ⅰ强度;其中,i=[1,9],1-9分别代表标准脑电电极分布中F3、F4、Fz、C3、C4、Cz、P3、P4、Pz号电极;
步骤(2)定义P为选定电极的脑电节律波成分Ⅰ在对应状态下的强度;
Figure FDA0003842873210000022
K1=I(P>Ek),3<k≤9 (3)
K2=I(P>Ek),3<k≤9 (4)
其中,I()表示判断函数,I(Ej>0)表示当Ej>0不等式成立时,I()输出1;不成立时输出0;
步骤(3)定义脑电强度系数为L,定义W1为选定电极的脑电节律波成分Ⅱ在特定认知任务状态下的强度,W2为选定电极的脑电节律波成分Ⅱ在静息态下的强度;
W1=[I(E6>0)]×E6 (5)
W2=[I(E6>0)]×E6 (6)
L=I(W1>W2) (7)
步骤(4)定义脑电节律波特征值Q:
Q=K1+K2+L (8)
步骤(5)根据脑电节律波特征值Q的分数,便于对受试者ADHD症状严重程度进行评估。
8.根据权利要求7所述的基于多状态脑电节律波特征的ADHD辅助评估系统,其特征在于该系统具体实现如下:
步骤S1:通过状态设置模块对受试者进行认知任务测试;
步骤S2:通过信号采集模块采用脑电设备采集受试者的脑电信号;
步骤S3:通过数据存储及分析模块对脑电信号存储,进行数据预处理,提取脑电节律波,分析脑电节律波空间分布特征。
CN202211110422.5A 2022-09-13 2022-09-13 基于多状态脑电节律波特征的adhd辅助评估系统 Pending CN115462794A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211110422.5A CN115462794A (zh) 2022-09-13 2022-09-13 基于多状态脑电节律波特征的adhd辅助评估系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211110422.5A CN115462794A (zh) 2022-09-13 2022-09-13 基于多状态脑电节律波特征的adhd辅助评估系统

Publications (1)

Publication Number Publication Date
CN115462794A true CN115462794A (zh) 2022-12-13

Family

ID=84333074

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211110422.5A Pending CN115462794A (zh) 2022-09-13 2022-09-13 基于多状态脑电节律波特征的adhd辅助评估系统

Country Status (1)

Country Link
CN (1) CN115462794A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117481667A (zh) * 2023-10-24 2024-02-02 沈阳工业大学 一种脑电信号采集系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117481667A (zh) * 2023-10-24 2024-02-02 沈阳工业大学 一种脑电信号采集系统

Similar Documents

Publication Publication Date Title
Wu et al. Automatic epileptic seizures joint detection algorithm based on improved multi-domain feature of cEEG and spike feature of aEEG
CN102184661B (zh) 儿童孤独症语言训练系统及基于物联网的集中训练中心
CN102014742B (zh) 现场可部署的震荡检测器
CN106419864A (zh) 中医诊断云端专家系统
JPS63153045A (ja) システム活動の変化検出方法および装置
CN109350020A (zh) 身心健康状况分析装置及方法
CN113080998B (zh) 一种基于脑电的专注状态等级评定方法和系统
CN112486316B (zh) 一种脑电与手指压力联合反馈的持续注意调控系统
CN105726013A (zh) 一种具有心电信号质量判别功能的心电监测系统
CN115462794A (zh) 基于多状态脑电节律波特征的adhd辅助评估系统
O’Sullivan et al. Neonatal EEG interpretation and decision support framework for mobile platforms
Kaleem et al. An efficient adaptive filter for fetal ECG extraction using neural network
Yan et al. A non-invasive blood pressure prediction method based on pulse wave feature fusion
CN114587380A (zh) 一种基于脑电采集头环的睡眠状态检测方法、装置及系统
Vialatte et al. Audio representations of multi-channel EEG: a new tool for diagnosis of brain disorders
Xia et al. An end-to-end deep learning model for EEG-based major depressive disorder classification
CN112617833A (zh) 一种基于静息态脑电波检测抑郁症的装置
CN113208629A (zh) 一种基于eeg信号的阿尔兹海默症筛查方法及系统
CN113331840B (zh) 一种抑郁情绪脑电波信号识别系统及方法
Dan et al. Sensor selection and miniaturization limits for detection of interictal epileptiform discharges with wearable EEG
CN109431496A (zh) 一种应用脑电信号评估大脑能力的评估系统及方法
Turnip et al. Application of support vector machine classifier on developed wireless ECG system
CN114169366A (zh) 神经反馈训练系统和方法
CN114224341B (zh) 基于可穿戴前额脑电的抑郁症快速诊断筛查系统及方法
Vialatte et al. Sparse bump sonification: a new tool for multichannel EEG diagnosis of mental disorders; application to the detection of the early stage of Alzheimer’s disease

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