CN115486819A - 一种感知觉神经通路多级联检测量化的方法、系统和装置 - Google Patents
一种感知觉神经通路多级联检测量化的方法、系统和装置 Download PDFInfo
- Publication number
- CN115486819A CN115486819A CN202211429703.7A CN202211429703A CN115486819A CN 115486819 A CN115486819 A CN 115486819A CN 202211429703 A CN202211429703 A CN 202211429703A CN 115486819 A CN115486819 A CN 115486819A
- Authority
- CN
- China
- Prior art keywords
- sensory
- perceptual
- cascade
- interval
- perception
- 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.)
- Granted
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4005—Detecting, measuring or recording for evaluating the nervous system for evaluating the sensory system
-
- 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
- A61B5/02055—Simultaneously evaluating both cardiovascular condition and temperature
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physiology (AREA)
- Engineering & Computer Science (AREA)
- Public Health (AREA)
- Surgery (AREA)
- Cardiology (AREA)
- Physics & Mathematics (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Psychiatry (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Neurology (AREA)
- Neurosurgery (AREA)
- Signal Processing (AREA)
- Pulmonology (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明提出了一种感知觉神经通路多级联检测量化的方法、系统和装置,从外周感觉神经输入、脊神经感觉上行、自主神经感知反馈、大脑中枢感觉感知等感知觉神经通路和伴随反应的立体系统性检测量化和评估分析,更系统全面地检测、量化被试或患者的感知觉功能的状态水平和功能能力;结合健康人群和功能障碍人群的感知觉功能指标对照数据库,通过感知觉传导反馈通路及节点的量化特征和级联特征,能够快速识别和得到被试对象的感知觉功能的通路完整程度、障碍部位节点和障碍状态级别,本发明的方案实现准确有效地区分感知觉功能障碍类型,为进一步临床诊断和康复治疗提供有力可靠的证据。
Description
技术领域
本发明涉及感知觉神经通路多级联检测量化的领域,特别涉及一种感知觉神经通路多级联检测量化的方法、系统和装置。
背景技术
感觉功能是人类赖以生存的最基本生存功能之一,知觉(感知)则是人类对于感觉输入的最基本心理和认知加工过程。感觉和知觉是相生相成的,感觉和知觉的分离常常带来较为严重的神经系统疾病和精神心理疾病。感觉和知觉可以统称为感知觉,感知觉神经的主要通路是由外周感觉神经输入,经脊神经和脊柱脊髓,上行至脑干和脑深部结构,到达大脑初级感觉皮质,到达大脑联合皮质和认知、情绪相关皮质及边缘系统。另外,感觉输入通常伴随着脊髓脊神经反射,以及自主神经功能的协同应激变化,尤其心理情绪和心肺功能的微妙变化能够最大化地体现出人对于刺激的感觉感知,无论人在有意识或无意识的情况下。自然衰老、疾病损伤、意外伤害等多种因素,都会导致感知觉功能不同程度的损伤症状和功能障碍。感知觉功能障碍可以表现为器质性障碍和功能性障碍,在临床检验检查后能够得到一定程度上的功能维持、功能恢复和机体康复。感知觉功能完整程度,依赖于生理反馈层面的感觉和心理认知层面的知觉,不仅涉及感觉感知过程的生理心理保障能力,还涉及感觉感知前的基线状态和功能预备能力,还涉及感觉感知后的状态回归能力。
现有临床诊断检查和康复治疗中,仅通过病情问询、周围神经系统检查等手段来完成感觉功能的检查评估,缺乏对于感觉知觉的联合检查和综合分析评估,缺乏对整个感知觉神经通路和伴随反应的立体系统性(即外周感觉神经输入、脊神经感觉上行、自主神经感知、大脑中枢感觉感知)的检查检测方法、功能水平量化的手段,尤其是脊柱结构功能状态、区分器质性或功能性障碍,导致最终无法确定定位主要障碍发生点和障碍状态级别,无法给出高效或有效诊疗方案和评估治疗康复效果,特别是面对复杂严重感觉功能障碍(脊髓严重损伤、感觉皮质严重受损等)、完全失能(脊髓全横断等)、无意识无反应状态(闭锁综合征、植物人等)、神经系统疾病和精神心理疾病相互伴随合并时(肌肉纤维痛、躯体障碍等)。
现有专利CN114748080A中公开了一个感觉运动功能的检测量化方法、系统,实现对感觉功能和运动功能的初步检测和评估,主要通过对感觉上行肌肉群和大脑皮层的生理状态信号的均值和相对变化量的分析计算,得到生理特征反馈曲线与刺激强度曲线的函数相近性分析,来评估感觉功能和运动功能的生理性障碍程度;其方案缺乏感觉知觉的综合评估分析尤其是知觉参与的感觉感知前预备能力和感觉感知后回归基线能力进行分析评估,缺乏脊柱功能结构状态的检测分析尤其是脊神经脊髓感觉上行、自主神经感知反馈的检测量化,使得主要障碍发生点的定位不确切以及严重程度的确定不完整,难以全面分析评估感觉功能完整程度,无法区分感知觉功能障碍类型(器质性或功能性障碍),也难以对严重感觉功能障碍、完全失能、无意识无反应状态、神经和精神合并疾病的功能受损程度进行准确地评价和确认。
发明内容
本发明提供了一种感知觉神经通路多级联检测量化的方法,实现从外周感觉神经输入、脊神经感觉上行、自主神经感知反馈、大脑中枢感觉感知等感觉感知前中后全过程、多层次、多维度的检测量化和综合分析,更系统全面地分析待检测或患者的感知觉功能的状态水平和功能能力,更精准高效地识别评价感知觉神经通路的主要障碍部位和障碍状态级别,更准确有效地区分感知觉功能障碍类型,为进一步临床诊断和康复治疗提供有力可靠的证据。本发明还提供了一种感知觉神经通路多级联检测量化的系统,用于实现上述方法。本发明还提供了一种感知觉神经通路多级联检测量化的装置,用于实现上述系统。
根据本发明的目的,本发明提出了一种感知觉神经通路多级联检测量化的方法,该方法包括:
基于预先设置的检测时序提示和刺激操作,连续采集待检测对象在不同感知觉检测阶段的多级生理状态信号,生成多级感知觉时效区间状态特征;
对所述多级感知觉时效区间状态特征进行量化处理,生成响应特征量化的第一数据集、峰时效应特征量化的第二数据集、级联特征量化的第三数据集以及功能指数量化的第四数据集,由所述第一数据集、所述第二数据集、所述第三数据集和所述第四数据集组成感知觉神经通路多级联检测量化的结果数据集;
对所述结果数据集进行量化分析,并结合预先构建的感知觉功能指标对照数据库,生成所述待检测对象的感知觉神经通路多级联检测量化报告。
优选的,所述基于预先设置的检测时序提示和刺激操作,连续采集待检测对象在不同感知觉检测阶段的多级生理状态信号,生成多级感知觉时效区间状态特征的步骤包括:
根据所述待检测对象的基本信息,设计并确定感知觉功能检测量化方案并启动检测;
根据所述感知觉功能检测量化方案中预先设置的检测时序提示和刺激操作,连续采集所述待检测对象在不同感知觉检测阶段的多级生理状态信号并进行多模信号分析处理,生成多级感知觉生理信号数据;
根据所述检测时序提示和所述刺激操作的时点,对所述多级感知觉生理信号数据进行感知觉时效区间特征提取处理,生成多级感知觉时效区间状态特征。
优选的,所述多级生理状态信号至少包括感觉上行通路第一目标部位的第一生理数字信号、脊髓感觉上行节段第二目标部位的第二生理数字信号、自主神经功能第三目标部位的第三生理数字信号、大脑中枢皮质第四目标部位的第四生理数字信号。
优选的,所述第二目标部位根据目标刺激部位确定,选择所述目标刺激部位感觉神经-脊神经的同节段或近节段支配的肌肉群体表区域;所述第二生理数字信号至少包括血氧水平依赖信号、肌电信号、皮肤电信号、皮肤温度信号和加速度信号。
优选的,所述第三目标部位至少包括血氧水平依赖采集部位、心电采集部位、脉搏采集部位、呼吸采集部位、血氧采集部位、体温采集部位和皮肤电采集部位;所述第三生理数字信号至少包括血氧水平依赖信号、心电信号、脉搏信号、呼吸信号、血氧信号、体温信号和皮肤电信号。
优选的,所述第四目标部位至少包括前额叶皮质区、背侧额叶皮质区、顶叶皮质区、中央区皮质区、颞叶皮质区、枕叶皮质区;所述第四生理数字信号至少包括脑电生理信号、血氧水平依赖信号和皮肤电信号;所述脑电生理信号由脑电图采集设备或传感器、脑磁图设备或传感器采集生成。
优选的,所述感知觉功能检测量化方案至少包括检测方案名称、检测目的目标、检测目标部位、感觉刺激方式、刺激强度队列、刺激持续时长、检测间隔时间、检测时序提示;其中,所述感觉刺激方式至少包括温度刺激、湿觉刺激、痛觉刺激和触觉刺激,所述刺激强度队列至少包括温度刺激强度队列、湿度刺激强度队列、痛觉刺激强度队列和触觉刺激强度队列。
优选的,所述刺激持续时长根据所述感觉刺激方式和所述刺激强度队列确定。
优选的,所述检测间隔时间根据所述感觉刺激方式和所述刺激强度队列确定。
优选的,所述目标刺激部位至少包括四肢、躯干,根据所述感知觉功能检测量化方案中的所述检测目的目标、所述检测目标部位和所述感觉刺激方式确定。
优选的,所述检测时序提示是根据所述检测目的目标确定,通过图片、语音、音频方式向所述待检测对象提示检测开始、刺激预备、刺激开始和刺激强度及刺激时长、刺激结束、检测结束,激发所述待检测对象对检测或刺激的心理认知过程并形成知觉效应。
优选的,所述检测时序提示至少包括检测开始提示、刺激预备提示、刺激开始和刺激强度及刺激时长提示、刺激结束提示和检测结束提示。
优选的,所述多模信号分析处理至少包括数字信号预处理、信号矫正处理和信号融合处理;其中,所述数字信号预处理至少包括A/D数模转换、重采样、重参考、降噪、去伪迹、工频陷波、低通滤波、高通滤波、带阻滤波和带通滤波;所述信号矫正处理具体为对所述多级生理状态信号中的包含伪迹或失真的信号数据片段进行信号矫正及预测平滑处理;所述信号融合处理是对所述多级生理状态信号中同一部位的、同一信号类型的、多通道的、同一强度等级刺激的生理数字信号进行数字信号融合。
优选的,所述数字信号融合至少包括提取平均叠加、加权叠加、最大振幅序列、最小方差序列、最小变异系数序列、最大变异系数序列中的任意一信号。
优选的,所述感知觉时效区间特征提取处理至少包括感知觉时效区间划分、感知觉时效区间信号分割和感知觉时效区间特征提取。
优选的,所述感知觉时效区间至少包括静息基线时效区间、感知觉预备时效区间、感知觉过程时效区间、感知觉归基时效区间、检测间歇期。
优选的,所述感知觉过程时效区间至少包括肌感觉上行过程区间、脊感觉上行过程区间、自主神经感知过程区间、脑中枢感知过程区间;其中,所述过程区间至少包括神经电生理观察区间、血液动力学观察区间、动态代谢生理观察区间。
优选的,所述感知觉时效区间信号分割具体为根据所述感知觉时效区间、所述感知觉过程时效区间和所述过程区间,对所述多级感知觉生理信号数据进行区间信号截取和提取。
优选的,所述多级感知觉时效区间状态特征至少包括血氧水平依赖信号区间特征、肌电信号区间特征、皮肤电信号区间特征、皮肤温度信号区间特征、加速度信号区间特征、心电信号区间特征、脉搏信号区间特征、呼吸信号区间特征、血氧信号区间特征、体温信号区间特征、脑电生理信号区间特征。
优选的,所述信号区间特征至少包括区间数值特征、区间功率谱特征、区间包络特征和区间非线性特征;其中,所述区间数值特征至少包括平均值、均方根、最大值、最小值、方差、标准差、变异系数、峰度和偏度;所述区间功率谱特征至少包括总功率、特征频带功率、特征频带功率占比、特征频带中心频率;所述区间包络特征至少包括原始信号、包络信号、归一化包络信号、包络均值、包络均方根、包络最大值、包络最小值、包络方差、包络标准差、包络变异系数、包络峰度和包络偏度。
优选的,所述区间非线性特征至少包括熵特征、分形特征和复杂度特征;
其中,所述熵特征至少包括样本熵、近似熵、模糊熵、排列熵、多尺度熵、奇异值分解熵、小波熵、谱熵、香农熵、范围熵和香农熵;
所述分形特征至少包括Higuchi分形维数、Katz分形维数、彼得罗相分形维数、Sevcik分形维数、标准化长度密度、去趋势分析指数、Hurst指数;
所述复杂度特征至少包括关联维数、最大嵌入维数、Kolmogorov熵、李雅普诺夫指数、Lempel-Ziv复杂度、Hjorth复杂性、Hjorth移动性、Fisher信息。
优选的,所述对所述多级感知觉时效区间状态特征进行量化处理的步骤包括,对所述多级感知觉时效区间状态特征进行量化特征选择、表征特征分析和关联特征分析,得到节点感知觉量化特征、节点感知觉峰时效应特征、节点感知觉级联特征和感知觉功能评价指数。
优选的,所述量化特征选择具体为选择或指定所述多级感知觉时效区间状态特征中的区间特征作为感知觉神经通路相关功能量化处理的数据来源,至少包含一个神经电生理特征、一个血液动力学特征和一个动态代谢动力学特征。
优选的,所述节点感知觉量化特征至少包括节点感知觉功能量化特征、节点感知觉功能响应特征、感知觉功能效应特征。
优选的,所述节点感知觉功能量化特征至少包括肌感觉上行功能量化特征、脊感觉上行功能量化特征、自主神经感知功能量化特征、脑中枢感知功能量化特征。
优选的,所述功能量化特征至少包括血氧水平依赖量化特征、肌电量化特征、皮肤电量化特征、皮肤温度量化特征、加速度量化特征、心电量化特征、脉搏量化特征、呼吸量化特征、血氧量化特征、体温量化特征、脑电生理量化特征。
优选的,所述量化特征包括由不同部位的、不同强度等级刺激下的、不同感知觉时效区间的、不同生理数字信号的、多个感知觉时效区间特征组成的量化曲线。
优选的,所述节点感知觉功能响应特征至少包括节点感知觉功能响应指数集、节点感知觉功能响应指数曲线集。
优选的,所述节点感知觉功能响应指数集至少包括肌感觉上行功能响应指数、脊感觉上行功能响应指数、自主神经感知功能响应指数、脑中枢感知功能响应指数。
优选的,所述节点感知觉功能响应指数曲线集至少包括肌感觉上行功能响应指数曲线、脊感觉上行功能响应指数曲线、自主神经感知功能响应指数曲线、脑中枢感知功能响应指数曲线。
优选的,所述感知觉功能效应特征至少包括感知觉完全效应指数集、感知觉完全效应指数曲线集。
优选的,所述感知觉完全效应指数集至少包括感知觉预备完全效应指数、感知觉过程完全效应指数、感知觉归基完全效应指数、感知觉总体完全效应指数。
优选的,所述感知觉完全效应指数曲线集至少包括感知觉预备完全效应指数曲线、感知觉过程完全效应指数曲线、感知觉归基完全效应指数曲线、感知觉总体完全效应指数曲线。
优选的,所述节点感知觉峰时效应特征至少包括节点感知觉响应峰数值序列、节点感知觉响应峰延时序列、节点感知觉响应峰时效应序列、节点感知觉峰时效应指数、节点感知觉峰时效应指数曲线。
优选的,所述节点感知觉级联特征至少包括感知觉通路级联量化特征集、感知觉通路级联指数集、感知觉通路级联曲线集。
优选的,所述感知觉通路级联量化特征集至少包括肌-脊级联量化特征、肌-脑级联量化特征、肌-自级联量化特征、脊-脑级联量化特征、脊-自级联量化特征、脑-自级联量化特征。
优选的,所述级联量化特征至少包括:
一个神经电生理特征和一个神经电生理特征的级联相关系数;一个血液动力学特征和一个血液动力学特征的级联相关系数;一个动态代谢动力学特征和一个动态代谢动力学特征的级联相关系数;一个神经电生理特征和一个血液动力学特征的级联相关系数;一个神经电生理特征和一个动态代谢动力学特征的级联相关系数;一个血液动力学特征和一个动态代谢动力学特征的级联相关系数。
优选的,所述感知觉通路级联指数集至少包括肌-脊级联指数、肌-脑级联指数、肌-自级联指数、脊-脑级联指数、脊-自级联指数、脑-自级联指数。
优选的,所述感知觉通路级联指数曲线集至少包括肌-脊级联指数曲线、肌-脑级联指数曲线、肌-自级联指数曲线、脊-脑级联指数曲线、脊-自级联指数曲线、脑-自级联指数曲线。
优选的,所述感知觉功能评价指数至少包括感知觉功能综合评价系数、感知觉功能综合评价系数曲线、感知觉功能综合评价指数。
优选的,所述生成响应特征量化的第一数据集的步骤包括分别计算出所述肌感觉上行功能响应指数和所述肌感觉上行功能响应指数曲线、所述脊感觉上行功能响应指数和所述脊感觉上行功能响应指数曲线、所述自主神经感知功能响应指数和所述自主神经感知功能响应指数曲线、所述脑中枢感知功能响应指数和所述脑中枢感知功能响应指数曲线、所述感知觉预备完全效应指数和所述感知觉预备完全效应指数曲线、所述感知觉过程完全效应指数和所述感知觉过程完全效应指数曲线、所述感知觉归基完全效应指数和所述感知觉归基完全效应指数曲线、所述感知觉总体完全效应指数和所述感知觉总体完全效应指数曲线。
优选的,所述肌感觉上行功能响应指数和所述肌感觉上行功能响应指数曲线的计算步骤具体为:
从所述多级感知觉时效区间状态特征中,提取感觉上行通路所述第一目标部位、不同强度等级刺激下的、不同生理数字信号的、所述静息基线时效区间和所述肌感觉上行过程区间的区间状态特征,经所述量化特征选择,生成肌感觉上行过程区间状态特征集;
依次对所述肌感觉上行过程区间状态特征集中的、同一强度等级刺激下的每个区间状态特征进行特征相对变化量计算,生成肌感觉上行过程区间状态特征相对变化量集;
对所述肌感觉上行过程区间状态特征集和所述肌感觉上行过程区间状态特征相对变化量集中的多特征参数进行特征融合加权计算,得到当前强度等级刺激下的所述肌感觉上行功能响应指数;
计算得到全部强度等级刺激下的所述肌感觉上行功能响应指数,生成所述肌感觉上行功能响应指数曲线。
优选的,所述脊感觉上行功能响应指数和所述脊感觉上行功能响应指数曲线的计算步骤具体为:
从所述多级感知觉时效区间状态特征中,提取脊髓感觉上行节段所述第二目标部位、不同强度等级刺激下的、不同生理数字信号的、所述静息基线时效区间和所述脊感觉上行过程区间的区间状态特征,经所述量化特征选择,生成脊感觉上行过程区间状态特征集;
依次对所述脊感觉上行过程区间状态特征集中的、同一强度等级刺激下的每个区间状态特征进行特征相对变化量计算,生成脊感觉上行过程区间状态特征相对变化量集;
对所述脊感觉上行过程区间状态特征集和所述脊感觉上行过程区间状态特征相对变化量集中的多特征参数进行特征融合加权计算,得到当前强度等级刺激下的所述脊感觉上行功能响应指数;
计算得到全部强度等级刺激下的所述脊感觉上行功能响应指数,生成所述脊感觉上行功能响应指数曲线。
优选的,所述自主神经感知功能响应指数和所述自主神经感知功能响应指数曲线的计算步骤具体为:
从所述多级感知觉时效区间状态特征中,提取自主神经功能所述第三目标部位、不同强度等级刺激下的、不同生理数字信号的、所述静息基线时效区间和所述自主神经感知过程区间的区间状态特征,经所述量化特征选择,生成自主神经感知过程区间状态特征集;
依次对所述自主神经感知过程区间状态特征集中的、同一强度等级刺激下的每个区间状态特征进行特征相对变化量计算,生成自主神经感知过程区间状态特征相对变化量集;
对所述自主神经感知过程区间状态特征集和所述自主神经感知过程区间状态特征相对变化量集中的多特征参数进行特征融合加权计算,得到当前强度等级刺激下的所述自主神经感知功能响应指数;
计算得到全部强度等级刺激下的所述自主神经感知功能响应指数,生成所述自主神经感知功能响应指数曲线。
优选的,所述脑中枢感知功能响应指数和所述脑中枢感知功能响应指数曲线的计算步骤具体为:
从所述多级感知觉时效区间状态特征中,提取大脑中枢皮质所述第四目标部位、不同强度等级刺激下的、不同生理数字信号的、所述静息基线时效区间和所述脑中枢感知过程区间的区间状态特征,经所述量化特征选择,生成脑中枢感知过程区间状态特征集;
依次对所述脑中枢感知过程区间状态特征集中的、同一强度等级刺激下的每个区间状态特征进行特征相对变化量计算,生成脑中枢感知过程区间状态特征相对变化量集;
对所述脑中枢感知过程区间状态特征集和所述脑中枢感知过程区间状态特征相对变化量集中的多特征参数进行特征融合加权计算,得到当前强度等级刺激下的所述脑中枢感知功能响应指数;
计算得到全部强度等级刺激下的所述脑中枢感知功能响应指数,生成所述脑中枢感知功能响应指数曲线。
优选的,所述感知觉预备完全效应指数和所述感知觉预备完全效应指数曲线的计算步骤具体为:
从所述多级感知觉时效区间状态特征中,提取感觉上行通路所述第一目标部位、脊髓感觉上行节段所述第二目标部位、自主神经功能所述第三目标部位、大脑中枢皮质所述第四目标部位、不同强度等级刺激下的、不同生理数字信号的、所述静息基线时效区间和所述感知觉预备时效区间的区间状态特征,经所述量化特征选择,生成感知觉预备时效区间状态对照特征集;
依次对所述感知觉预备时效区间状态对照特征集中的、同一强度等级刺激下的每个区间状态特征进行特征相对变化量计算,生成感知觉预备时效区间状态特征相对变化量集;
对所述感知觉预备时效区间状态特征相对变化量集中的多参数进行特征融合加权计算,得到当前强度等级刺激下的所述感知觉预备完全效应指数;
计算得到全部强度等级刺激下的所述感知觉预备完全效应指数,生成所述感知觉预备完全效应指数曲线。
优选的,所述感知觉过程完全效应指数和所述感知觉过程完全效应指数曲线的计算步骤具体为:
从所述多级感知觉时效区间状态特征中,提取感觉上行通路所述第一目标部位、脊髓感觉上行节段所述第二目标部位、自主神经功能所述第三目标部位、大脑中枢皮质所述第四目标部位、不同强度等级刺激下的、不同生理数字信号的、所述静息基线时效区间和所述感知觉过程时效区间的区间状态特征,经所述量化特征选择,生成感知觉过程时效区间状态对照特征集;
依次对所述感知觉过程时效区间状态对照特征集中的、同一强度等级刺激下的每个区间状态特征进行特征相对变化量计算,生成感知觉过程时效区间状态特征相对变化量集;
对所述感知觉过程时效区间状态特征相对变化量集中的多参数进行特征融合加权计算,得到当前强度等级刺激下的所述感知觉过程完全效应指数;
计算得到全部强度等级刺激下的所述感知觉过程完全效应指数,生成所述感知觉过程完全效应指数曲线。
优选的,所述感知觉归基完全效应指数和所述感知觉归基完全效应指数曲线的计算步骤具体为:
从所述多级感知觉时效区间状态特征中,提取感觉上行通路所述第一目标部位、脊髓感觉上行节段所述第二目标部位、自主神经功能所述第三目标部位、大脑中枢皮质所述第四目标部位、不同强度等级刺激下的、不同生理数字信号的、所述静息基线时效区间和所述感知觉归基时效区间的区间状态特征,经所述量化特征选择,生成感知觉归基时效区间状态对照特征集;
依次对所述感知觉归基时效区间状态对照特征集中的、同一强度等级刺激下的每个区间状态特征进行特征相对变化量计算,生成感知觉归基时效区间状态特征相对变化量集;
对所述感知觉归基时效区间状态特征相对变化量集中的多参数进行特征融合加权计算,得到当前强度等级刺激下的所述感知觉归基完全效应指数;
计算得到全部强度等级刺激下的所述感知觉归基完全效应指数,生成所述感知觉归基完全效应指数曲线。
优选的,所述感知觉总体完全效应指数和所述感知觉总体完全效应指数曲线的计算步骤具体为:
依次计算得到所述感知觉预备完全效应指数曲线、所述感知觉过程完全效应指数曲线和所述感知觉归基完全效应指数曲线;
对同一强度等级刺激下的所述感知觉预备完全效应指数、所述感知觉过程完全效应指数和所述感知觉归基完全效应指数进行特征融合加权计算,得到当前强度等级刺激下的所述感知觉总体完全效应指数;
计算得到全部强度等级刺激下的所述感知觉总体完全效应指数,生成所述感知觉总体完全效应指数曲线。
优选的,所述特征相对变化量的计算方法,如下:
优选的,生成峰时效应特征量化的第二数据集的步骤包括分别计算出所述节点感知觉响应峰数值序列和所述节点感知觉响应峰延时序列、所述节点感知觉响应峰时效应序列、所述节点感知觉峰时效应指数和所述节点感知觉峰时效应指数曲线。
优选的,所述节点感知觉响应峰数值序列和所述节点感知觉响应峰延时序列的计算步骤具体为:
从所述多级感知觉时效区间状态特征中,提取所述第一目标部位的所述肌感觉上行过程区间的、所述第二目标部位的所述脊感觉上行过程区间的、所述第三目标部位的所述自主神经感知过程区间的、所述第四目标部位的所述脑中枢感知过程区间的、不同强度等级刺激下的、不同生理数字信号的、所述感知觉区间状态特征中的所述区间包络特征中的包络信号,经所述量化特征选择,生成生理数字信号包络特征集;
依次计算得到所述第一目标部位的所述肌感觉上行过程区间的、所述第二目标部位的所述脊感觉上行过程区间的、所述第三目标部位的所述自主神经感知过程区间的、所述第四目标部位的所述脑中枢感知过程区间的、同一强度等级刺激下的、不同生理数字信号的包络信号的最大值和最大值对应的索引时间,得到最大值索引时间序列,生成所述节点感知觉响应峰数值序列;
根据所述最大值索引时间序列,结合刺激开始时点和刺激结束时点计算相对时间,生成所述节点感知觉响应峰延时序列。
优选的,所述节点感知觉响应峰时效应序列、所述节点感知觉峰时效应指数和所述节点感知觉峰时效应指数曲线的计算步骤具体为:
从所述多级感知觉时效区间状态特征中,提取所述第一目标部位的所述肌感觉上行过程区间的、所述第二目标部位的所述脊感觉上行过程区间、所述第三目标部位的所述自主神经感知过程区间的、所述第四目标部位的所述脑中枢感知过程区间的、不同强度等级刺激下的、不同生理数字信号的、全部所述感知觉时效区间的、所述感知觉区间状态特征中的所述区间包络特征中的包络信号,经所述量化特征选择,生成生理数字信号包络特征集;
计算得到同一强度等级刺激下的所述节点感知觉响应峰数值序列和所述节点感知觉响应峰延时序列,经峰时效应值计算,生成所述节点感知觉响应峰时效应序列;
对所述节点感知觉响应峰时效应序列中多个峰时效应值的进行特征融合加权计算,生成当前强度等级刺激下的所述节点感知觉峰时效应指数;
计算得到全部强度等级刺激下的所述节点感知觉峰时效应指数,生成所述节点感知觉峰时效应指数曲线。
优选的,所述峰时效应的计算方法,如下:
优选的,生成级联特征量化的第三数据集的步骤包括分别计算出所述肌-脊级联量化特征、所述肌-脊级联指数和所述肌-脊级联指数曲线、所述肌-脑级联量化特征、所述肌-脑级联指数和所述肌-脑级联指数曲线、所述肌-自级联量化特征、所述肌-自级联指数和所述肌-自级联指数曲线、所述脊-脑级联量化特征、所述脊-脑级联指数和所述脊-脑级联指数曲线、所述脊-自级联量化特征、所述脊-自级联指数和所述脊-自级联指数曲线、所述脑-自级联量化特征、所述脑-自级联指数和所述脑-自级联指数曲线。
优选的,所述肌-脊级联量化特征、所述肌-脊级联指数和所述肌-脊级联指数曲线的计算步骤具体为:
从所述多级感知觉时效区间状态特征中,分别提取不同强度等级刺激下的、不同生理数字信号的、感觉上行通路所述第一目标部位的所述肌感觉上行过程区间和脊髓感觉上行节段所述第二目标部位的所述脊感觉上行过程区间的、所述区间包络特征中的包络信号,经所述量化特征选择,分别生成肌感觉上行生理数字包络信号集和脊感觉上行生理数字包络信号集;
分别对所述肌感觉上行生理数字包络信号集和所述脊感觉上行生理数字包络信号集中的包络信号进行去基线均值化处理,分别生成肌感觉上行生理数字相对包络信号集和脊感觉上行生理数字相对包络信号集;
依次计算同一强度等级刺激下的、所述肌感觉上行生理数字相对包络信号集中一包络信号和所述脊感觉上行生理数字相对包络信号集中一包络信号的关系特征,生成所述肌-脊级联量化特征;
对所述肌-脊级联量化特征中的多个级联特征值进行特征融合加权计算,得到当前强度等级刺激下的所述肌-脊级联指数;
计算得到全部强度等级刺激下的所述肌-脊级联指数,生成所述肌-脊级联指数曲线。
优选的,所述肌-脑级联量化特征、所述肌-脑级联指数和所述肌-脑级联指数曲线的计算步骤具体为:
从所述多级感知觉时效区间状态特征中,分别提取不同强度等级刺激下的、不同生理数字信号的、感觉上行通路所述第一目标部位的所述肌感觉上行过程区间和大脑中枢皮质所述第四目标部位的所述脑中枢感知过程区间、所述区间包络特征中的包络信号,经所述量化特征选择,分别生成肌感觉上行生理数字包络信号集和脑中枢感知生理数字包络信号集;
分别对所述肌感觉上行生理数字包络信号集和所述脑中枢感知生理数字包络信号集中的包络信号进行去基线均值化处理,分别生成肌感觉上行生理数字相对包络信号集和脑中枢感知生理数字相对包络信号集;
依次计算同一强度等级刺激下的、所述肌感觉上行生理数字相对包络信号集中一包络信号和所述脑中枢感知生理数字相对包络信号集中一包络信号的关系特征,生成所述肌-脑级联量化特征;
对所述肌-脑级联量化特征中的多个级联特征值进行特征融合加权计算,得到当前强度等级刺激下的所述肌-脑级联指数;
计算得到全部强度等级刺激下的所述肌-脑级联指数,生成所述肌-脑级联指数曲线。
优选的,所述肌-自级联量化特征、所述肌-自级联指数和所述肌-自级联指数曲线的计算步骤具体为:
从所述多级感知觉时效区间状态特征中,分别提取不同强度等级刺激下的、不同生理数字信号的、感觉上行通路所述第一目标部位的所述肌感觉上行过程区间和主神经功能所述第三目标部位的所述主神经功感知时效区间的、所述区间包络特征中的包络信号,经所述量化特征选择,分别生成肌感觉上行生理数字包络信号集和主神经功感知生理数字包络信号集;
分别对所述肌感觉上行生理数字包络信号集和所述主神经功感知生理数字包络信号集中的包络信号进行去基线均值化处理,分别生成肌感觉上行生理数字相对包络信号集和主神经功感知生理数字相对包络信号集;
依次计算同一强度等级刺激下的、所述肌感觉上行生理数字相对包络信号集中一包络信号和所述主神经功感知生理数字相对包络信号集中一包络信号的关系特征,生成所述肌-自级联量化特征;
对所述肌-自级联量化特征中的多个级联特征值进行特征融合加权计算,得到当前强度等级刺激下的所述肌-自级联指数;
计算得到全部强度等级刺激下的所述肌-自级联指数,生成所述肌-自级联指数曲线。
优选的,所述脊-脑级联量化特征、所述脊-脑级联指数和所述脊-脑级联指数曲线的计算步骤具体为:
从所述多级感知觉时效区间状态特征中,分别提取不同强度等级刺激下的、不同生理数字信号的、脊髓感觉上行节段所述第二目标部位的所述脊感觉上行过程区间和大脑中枢皮质所述第四目标部位的所述脑中枢感知过程区间、所述区间包络特征中的包络信号,经所述量化特征选择,分别生成脊感觉上行生理数字包络信号集和脑中枢感知生理数字包络信号集;
分别对所述脊感觉上行生理数字包络信号集和所述脑中枢感知生理数字包络信号集中的包络信号进行去基线均值化处理,分别生成脊感觉上行生理数字相对包络信号集和脑中枢感知生理数字相对包络信号集;
依次计算同一强度等级刺激下的、所述脊感觉上行生理数字相对包络信号集中一包络信号和所述脑中枢感知生理数字相对包络信号集中一包络信号的关系特征,生成所述脊-脑级联量化特征;
对所述脊-脑级联量化特征中的多个级联特征值进行特征融合加权计算,得到当前强度等级刺激下的所述脊-脑级联指数;
计算得到全部强度等级刺激下的所述脊-脑级联指数,生成所述脊-脑级联指数曲线。
优选的,所述脊-自级联量化特征、所述脊-自级联指数和所述脊-自级联指数曲线的计算步骤具体为:
从所述多级感知觉时效区间状态特征中,分别提取不同强度等级刺激下的、不同生理数字信号的、脊髓感觉上行节段所述第二目标部位的所述脊感觉上行过程区间和主神经功能所述第三目标部位的所述主神经功感知时效区间的、所述区间包络特征中的包络信号,经所述量化特征选择,分别生成脊感觉上行生理数字包络信号集和主神经功感知生理数字包络信号集;
分别对所述脊感觉上行生理数字包络信号集和所述主神经功感知生理数字包络信号集中的包络信号进行去基线均值化处理,分别生成脊感觉上行生理数字相对包络信号集和主神经功感知生理数字相对包络信号集;
依次计算同一强度等级刺激下的、所述脊感觉上行生理数字相对包络信号集中一包络信号和所述主神经功感知生理数字相对包络信号集中一包络信号的关系特征,生成所述脊-自级联量化特征;
对所述脊-自级联量化特征中的多个级联特征值进行特征融合加权计算,得到当前强度等级刺激下的所述脊-自级联指数;
计算得到全部强度等级刺激下的所述脊-自级联指数,生成所述脊-自级联指数曲线。
优选的,所述脑-自级联量化特征、所述脑-自级联指数和所述脑-自级联指数曲线的计算步骤具体为:
从所述多级感知觉时效区间状态特征中,分别提取不同强度等级刺激下的、不同生理数字信号的、大脑中枢皮质所述第四目标部位的所述脑中枢感知过程区间和主神经功能所述第三目标部位的所述主神经功感知时效区间的、所述区间包络特征中的包络信号,经所述量化特征选择,分别生成脑中枢感知生理数字包络信号集和主神经功感知生理数字包络信号集;
分别对所述脑中枢感知生理数字包络信号集和所述主神经功感知生理数字包络信号集中的包络信号进行去基线均值化处理,分别生成脑中枢感知生理数字相对包络信号集和主神经功感知生理数字相对包络信号集;
依次计算同一强度等级刺激下的、所述脑中枢感知生理数字相对包络信号集中一包络信号和所述主神经功感知生理数字相对包络信号集中一包络信号的关系特征,生成所述脑-自级联量化特征;
对所述脑-自级联量化特征中的多个级联特征值进行特征融合加权计算,得到当前强度等级刺激下的所述脑-自级联指数;
计算得到全部强度等级刺激下的所述脑-自级联指数,生成所述脑-自级联指数曲线。
优选的,所述去基线均值化处理的方法,如下:
优选的,所述关系特征至少包括关联特征和距离特征。
优选的,所述关联特征至少包括相干系数、皮尔逊相关系数、杰卡德相似系数、线性互信息系数、线性相关系数。
优选的,所述距离特征的计算方法,如下:
优选的,生成功能指数量化的第四数据集的步骤包括计算感知觉功能综合评价系数和所述感知觉功能综合评价系数曲线,具体为:
依次计算得到所述节点感知觉功能响应指数曲线集、所述节点感知觉峰时效应指数曲线和所述感知觉通路级联指数曲线集,生成感知觉功能表征特征集;
从所述感知觉功能表征特征集中,提取同一强度等级刺激下的节点感知觉功能响应指数、节点感知觉峰时效应指数和感知觉通路级联指数,生成感觉功能生理表征指数集;
对感觉功能生理表征指数集中的多个生理表征指数进行特征融合加权计算,生成所述感知觉功能综合评价系数;
计算得到全部强度等级刺激下的所述感知觉功能综合评价系数,生成所述感知觉功能综合评价系数曲线。
优选的,所述感觉功能生理表征指数集至少包括肌感觉上行功能响应指数、脊感觉上行功能响应指数、自主神经感知功能响应指数、脑中枢感知功能响应指数、感知觉预备完全效应指数、感知觉过程完全效应指数、感知觉归基完全效应指数、感知觉总体完全效应指数、肌-脊级联指数、肌-自级联指数、肌-脑级联指数、脊-脑级联指数、脊-自级联指数、脑-自级联指数、节点感知觉峰时效应指数。
优选的,所述感知觉功能综合评价指数的计算方法,如下:
计算得到所述感知觉功能综合评价系数曲线,得到感知觉功能综合评价系数队列;
分析计算所述感知觉功能综合评价系数队列与所述刺激强度队列的关系特征,生成感知觉功能综合表征系数集;
对所述感知觉功能综合表征系数集的多个综合表征系数进行特征融合加权计算,得到所述感知觉功能综合评价指数。
优选的,所述对所述结果数据集进行量化分析,并结合预先构建的感知觉功能指标对照数据库,生成所述待检测对象的感知觉神经通路多级联检测量化报告,还包括如下步骤:
对所述节点感知觉量化特征和所述节点感知觉级联特征进行回归分析,确定所述待检测对象的感知觉神经系统通路的通路完整程度和障碍部位节点;
对所述节点感知觉峰时效应特征和所述节点感知觉级联特征进行交叉分析,识别所述待检测对象的感知觉神经系统通路的功能障碍类型;
通过所述感知觉功能检测量化方案的执行,对健康人群和功能障碍人群的感知觉功能进行检测和量化,得到健康人群和功能障碍人群的所述节点感知觉量化特征、所述节点感知觉峰时效应特征、所述节点感知觉级联特征和所述感知觉功能评价指数,结合健康人群和功能障碍人群的基本信息,预先构建得到所述感知觉功能指标对照数据库;
基于所述感知觉功能指标对照数据库,对比分析所述待检测对象与健康人群和功能障碍人群在所述节点感知觉峰时效应特征、所述节点感知觉级联特征和所述感知觉功能评价指数的差异,识别和确认所述待检测对象的感知觉神经系统通路的障碍状态级别和康复治疗进展;
根据所述感知觉神经系统通路的所述通路完整程度、所述障碍部位节点、所述功能障碍类型、所述障碍状态级别和所述康复治疗进展,生成所述待检测对象的所述感知觉神经通路多级联检测量化报告。
根据本发明的目的,本发明还提出了一种感知觉神经通路多级联检测量化的系统,所述系统包括如下模块:
检测执行管理模块,用于根据待检测对象的基本信息,编辑、管理和执行感知觉功能检测量化方案;
信号采集处理模块,用于基于预先设置的检测时序提示和刺激操作,连续采集所述待检测对象在不同感知觉检测阶段的多级生理状态信号并进行多模信号分析处理,生成多级感知觉生理信号数据;
状态特征提取模块,用于根据所述检测时序提示和所述刺激操作的时点,对所述多级感知觉生理信号数据进行感知觉时效区间特征提取处理,生成多级感知觉时效区间状态特征;
功能量化处理模块,用于对所述多级感知觉时效区间状态特征进行量化处理,生成响应特征量化的第一数据集、峰时效应特征量化的第二数据集、级联特征量化的第三数据集以及功能指数量化的第四数据集,由所述第一数据集、所述第二数据集、所述第三数据集和所述第四数据集组成感知觉神经通路多级联检测量化的结果数据集;
分析报告处理模块,用于对所述结果数据集进行量化分析,并结合预先构建的感知觉功能指标对照数据库,生成所述待检测对象的感知觉神经通路多级联检测量化报告;
数据存储展示模块,用于所述检测执行管理模块、所述信号采集处理模块、所述状态特征提取模块、所述功能量化处理模块、所述分析报告处理模块中所有过程数据和/或结果数据的可视化展示和统一存储。
优选的,所述检测执行管理模块包括以下功能单元:
检测方案管理单元,用于所述感知觉功能检测量化方案的输入、设置、编辑、删除管理,所述感知觉功能检测量化方案至少包括检测方案名称、检测目的目标、检测目标部位、感觉刺激方式、刺激强度队列、刺激持续时长、检测间隔时间、检测时序提示;
检测时序提示单元,用于根据所述检测目的目标确定,通过图片、语音、音频方式向所述待检测对象提示检测开始、刺激预备、刺激开始和刺激强度及刺激时长、刺激结束、检测结束,激发所述待检测对象对检测或刺激的心理认知过程并形成知觉效应,所述检测时序提示至少包括检测开始提示、刺激预备提示、刺激开始和刺激强度及刺激时长提示、刺激结束提示和检测结束提示;
过程执行跟踪单元,用于跟踪记录每次感知觉检测的开始检测、刺激预备、开始刺激、结束刺激、归基观测、停止检测、检测间隔计时的过程时间节点,启动或结束检测时序提示和刺激操作;
对象信息记录单元,用于编辑、记录和管理所述待检测对象的所述基本信息,所述基本信息至少包括姓名、性别、年龄、身高、体重、血压、健康状况、疾病历史信息和医生诊疗意见。
优选的,所述信号采集处理模块至少包括以下功能单元:
通讯管理模块单元,用于连接生理状态信号采集设备或传感器,获取并记录采集所述设备或传感器的采集参数;
数据采集记录单元,用于从所述生理状态信号采集设备或传感器中实时采集获取所述多级生理状态信号;
信号基础处理单元,用于对所述多级生理状态信号进行数字信号预处理,所述数字信号预处理至少包括A/D数模转换、重采样、重参考、降噪、去伪迹、工频陷波、低通滤波、高通滤波、带阻滤波和带通滤波;
信号矫正处理单元,用于对所述多级生理状态信号中的包含伪迹或失真的信号数据片段进行信号矫正及预测平滑处理;
信号融合处理单元,用于对所述多级生理状态信号中同一部位的、同一信号类型的、多通道的、同一强度等级刺激的生理数字信号进行数字信号融合,生成所述多级感知觉生理信号数据。
优选的,所述状态特征提取模块至少包括以下功能单元:
时效区间划分单元,用于所述多级感知觉生理信号数据进行感知觉时效区间划分,所述感知觉时效区间至少包括静息基线时效区间、感知觉预备时效区间、感知觉过程时效区间、感知觉归基时效区间、检测间歇期;
信号区间分割单元,用于根据所述感知觉时效区间,对所述多级感知觉生理信号数据进行感知觉时效区间信号分割;
数值特征提取单元,用于对感知觉时效区间信号分割后的所述多级感知觉生理信号数据进行区间数值特征提取,所述区间数值特征至少包括平均值、均方根、最大值、最小值、方差、标准差、变异系数、峰度和偏度;
功率谱特征提取单元,用于对感知觉时效区间信号分割后的所述多级感知觉生理信号数据进行区间功率谱特征提取,所述区间功率谱特征至少包括总功率、特征频带功率、特征频带功率占比、特征频带中心频率;
包络特征提取单元,用于对感知觉时效区间信号分割后的所述多级感知觉生理信号数据进行区间包络特征提取,所述区间包络特征至少包括原始信号、包络信号、归一化包络信号、包络均值、包络均方根、包络最大值、包络最小值、包络方差、包络标准差、包络变异系数、包络峰度和包络偏度;
非线性特征提取单元,用于对感知觉时效区间信号分割后的所述多级感知觉生理信号数据进行区间非线性特征提取,所述区间非线性特征至少包括熵特征、分形特征和复杂度特征;
区间特征整合单元,根据所述区间数值特征、所述区间功率谱特征、所述区间包络特征和所述区间非线性特征,整合生成所述多级感知觉时效区间状态特征。
优选的,所述功能量化处理模块包括以下功能单元:
量化特征选择单元,用于选择或指定所述多级感知觉时效区间状态特征中的区间特征作为感知觉神经通路相关功能量化处理的数据来源,至少包含一个神经电生理特征、一个血液动力学特征和一个动态代谢动力学特征;
功能量化图景单元,用于可视化展示节点感知觉功能量化特征,所述节点感知觉功能量化特征至少包括肌感觉上行功能量化特征、脊感觉上行功能量化特征、自主神经感知功能量化特征、脑中枢感知功能量化特征;
功能响应分析单元,用于从所述多级感知觉时效区间状态特征中分析提取节点感知觉功能响应特征,所述节点感知觉功能响应特征至少包括节点感知觉功能响应指数集、节点感知觉功能响应指数曲线集;
功能效应分析单元,用于从所述多级感知觉时效区间状态特征中分析提取感知觉功能效应特征,所述感知觉功能效应特征至少包括感知觉完全效应指数集、感知觉完全效应指数曲线集;
峰时效应分析单元,用于从所述多级感知觉时效区间状态特征中分析提取节点感知觉峰时效应特征,所述节点感知觉峰时效应特征至少包括节点感知觉响应峰数值序列、节点感知觉响应峰延时序列、节点感知觉响应峰时效应序列、节点感知觉峰时效应指数、节点感知觉峰时效应指数曲线;
级联特征图景单元,用于可视化展示感知觉通路级联量化特征集,所述感知觉通路级联量化特征集至少包括肌-脊级联量化特征、肌-脑级联量化特征、肌-自级联量化特征、脊-脑级联量化特征、脊-自级联量化特征、脑-自级联量化特征;
级联特征分析单元,用于从所述多级感知觉时效区间状态特征中分析提取感知觉通路级联特征,所述感知觉通路级联特征至少包括感知觉通路级联指数集、感知觉通路级联曲线集;
评价指数提取单元,用于从所述多级感知觉时效区间状态特征中分析提取感知觉功能评价指数,所述感知觉功能评价指数至少包括感知觉功能综合评价系数、感知觉功能综合评价系数曲线、感知觉功能综合评价指数。
优选的,所述分析报告处理模块至少以下功能单元:
指标对照库单元,用于建立、存储、更新与管理健康人群和感知觉功能障碍人群的基本信息,节点感知觉量化特征、节点感知觉峰时效应特征、节点感知觉级联特征和感知觉功能评价指数构成的感知觉功能指标对照数据库;
功能回归分析单元,用于对所述节点感知觉量化特征和所述节点感知觉级联特征进行回归分析,确定所述待检测对象的感知觉神经系统通路的通路完整程度和障碍部位节点;
功能交叉分析单元,用于对所述节点感知觉峰时效应特征和所述节点感知觉级联特征进行交叉分析,识别所述待检测对象的感知觉神经系统通路的功能障碍类型;
功能对比分析单元,用于基于所述节点感知觉峰时效应特征、所述节点感知觉级联特征和所述感知觉功能评价指数,将所述待检测对象与健康人群和功能障碍人群进行对比分析,识别所述待检测对象的感知觉神经系统通路的障碍状态级别和康复治疗进展;
报告生成输出单元,用于根据感知觉神经系统通路的所述通路完整程度、所述障碍部位节点、所述功能障碍类型、所述障碍状态级别和所述康复治疗进展,生成基于所述待检测对象的感知觉神经通路多级联检测量化报告,并向所述待检测对象或系统用户进行输出。
优选的,所述数据存储展示模块包括以下功能单元:
数据可视化展示单元,用于所述系统的全部数据的可视化展示;
数据存储管理单元,用于所述系统的全部数据的统一存储和数据管理。
根据本发明的目的,本发明还提出了一种感知觉神经通路多级联检测量化的装置,所述装置包括如下模组:
可视化界面,用于提供可视化操作界面,待检测对象的基本信息的编辑和管理,感知觉功能检测量化方案的编辑和管理,检测时序提示和检测过程执行管理,数据可视化展现和数据可视化管理;
信号采集器,用于连接多个生理信号采集设备或传感器,采集获取所述待检测对象的多级生理状态信号;
数据处理器,用于对所述多级生理状态信号进行多模信号分析处理,生成多级感知觉生理信号数据;根据所述检测时序提示和刺激操作的时点,对所述多级感知觉生理信号数据进行感知觉时效区间特征提取处理,生成多级感知觉时效区间状态特征;对所述多级感知觉时效区间状态特征进行量化处理,生成响应特征量化的第一数据集、峰时效应特征量化的第二数据集、级联特征量化的第三数据集以及功能指数量化的第四数据集,由所述第一数据集、所述第二数据集、所述第三数据集和所述第四数据集组成感知觉神经通路多级联检测量化的结果数据集;对所述结果数据集进行量化分析,并结合预先构建的感知觉功能指标对照数据库,生成所述待检测对象的感知觉神经通路多级联检测量化报告;
数据存储器,用于记录和存储全部的过程数据。
本发明还提供了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序实现感知觉神经通路多级联检测量化方法的步骤。
本发明还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行实现感知觉神经通路多级联检测量化方法的步骤。
本发明提供了感知觉神经通路多级联检测量化的方法、系统和装置,实现从外周感觉神经输入、脊神经感觉上行、自主神经感知反馈、大脑中枢感觉感知等感知觉神经通路和伴随反应的立体系统性检测量化和评估分析,更系统全面地检测、量化被试或患者的感知觉功能的状态水平和功能能力;结合健康人群和功能障碍人群的感知觉功能指标对照数据库,通过感知觉传导反馈通路及节点的量化特征和级联特征,能够快速识别和得到被试对象的感知觉功能的通路完整程度、障碍部位节点和障碍状态级别,尤其是脊柱(脊神经同节段或近节段)的结构功能状态;通过感知觉传导反馈通路及节点的峰时特征和级联特征,尤其是与被试对象心理及认知紧密相关的自主神经感知和大脑中枢感知的特征,能够容易区分和得到被试对象的感知觉功能障碍类型(器质性障碍或功能性障碍);最终,实现了感觉和知觉的联合检查和综合分析评估,能够面对复杂严重感觉功能障碍(脊髓严重损伤、感觉皮质严重受损等)、完全失能(脊髓全横断等)、无意识无反应状态(闭锁综合征、植物人等)、神经系统疾病和精神心理疾病相互伴随合并(肌肉纤维痛、躯体障碍等)的患者被试的感知觉功能检查和康复治疗评价,能够为临床诊断和康复治疗提供有力可靠的证据,使得临床医生和康复师能够给出高效或有效诊疗方案和评估治疗康复效果。
本发明中,所述节点感知觉量化特征反映了感知觉通路的各个节点对于感觉输入的应激变化水平高低,是生物体感知觉功能的最基本应激响应衡量指标;所述节点感知觉峰时效应特征则反映了感知觉通路的各个节点对于感觉输入的最大应激水平和应激延时状况,是生物体感知觉功能的应冲表征及速度衡量指标;所述节点感知觉级联特征则反映了感知觉通路的各个节点对于感觉输入的应激协同和级联变化状况,是生物体感知觉功能的神经通路传递及表征一致性的衡量指标;所述感知觉功能评价指数则是基于感知觉通路各个节点的以上三个指标体系对感知觉功能的综合评价,是生物体感知觉功能的完整程度和健全状况的综合评价指标。在实际使用场景中,通过增加不同感知觉刺激方式,不规则的刺激强度队列,检测时序提示的刺激强度、时间和时长与实际执行的刺激强度、时间和时长不一致,多级多部位节点等方案的灵活设计,有意带来被试对象的感觉和知觉不同步从而激活感知觉功能的纠正效应,从节点感知觉量化特征、节点感知觉峰时效应特征、节点感知觉级联特征和感知觉功能评价指数等多个维度角度,能够实现对被试对象的感觉生理传导功能和感知心理认知功能的完整程度和健全水平。
附图说明
附图用来提供对本发明技术方案的进一步理解,并且构成说明书的一部分,与本申请的实施例一起用于解释本发明的技术方案,并不构成对本发明技术方案的限制。
图1是本发明提出的感知觉神经通路多级联检测量化方法的基本流程图;
图2是本发明提出的感知觉神经通路多级联检测量化系统的模块组成图;
图3是本发明提出的感知觉神经通路多级联检测量化装置模组构成图。
具体实施方式
为了更清楚地说明本发明的目的和技术方案,下面将结合本发明申请实施例中的附图,对本发明进行进一步介绍说明。显而易见地,下面描述的实施例仅是本发明一部分实施例,而不是全部的实施例。在没有创造性劳动前提下,本领域普通技术人员基于本发明的实施例所得到的其他实施例,都应属于本发明的保护范围。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互任意组合。
如图1所示,本发明实施例提供的感知觉神经通路多级联检测量化的方法,包括如下步骤:
P100:基于预先设置的检测时序提示和刺激操作,连续采集待检测对象在不同感知觉检测阶段的多级生理状态信号,生成多级感知觉时效区间状态特征。
第一步:根据待检测对象的基本信息,设计并确定感知觉功能检测量化方案并启动检测。
本实施例中,以脑卒中(左侧上肢感知觉功能部分损伤)患者为例,来阐述说明本发明内容,主要对待检测对象的左侧上肢的感知觉功能进行检测量化和分析评估。
本实施例中,感知觉功能检测量化方案包括检测方案名称、检测目的目标、检测目标部位、感觉刺激方式、刺激强度队列、刺激持续时长、检测间隔时间、检测时序提示。其中,感觉刺激方式选择痛觉刺激,依照临床医学常用的十二级疼痛分级标准,痛觉刺激强度队列PSA为[0、1、2、3、4、5、6];刺激持续时长为15秒钟;检测间隔时间为120秒钟;目标刺激部位为左手无名指指尖。
本实施例中,检测时序提示通过图片+语音等方式向待检测对象提示检测开始、刺激预备、刺激开始和刺激强度及刺激时长、刺激结束、检测结束,以激发待检测对象对检测或刺激的心理认知过程并形成知觉效应;检测时序提示包括检测开始提示、刺激预备提示、刺激开始和刺激强度及刺激时长提示、刺激结束提示和检测结束提示。
第二步:根据感知觉功能检测量化方案中预先设置的检测时序提示和刺激操作,连续采集待检测对象在不同感知觉检测阶段的多级生理状态信号并进行多模信号分析处理,生成多级感知觉生理信号数据。
本实施例中,多级生理状态信号包括感觉上行通路第一目标部位的第一生理数字信号、脊髓感觉上行节段第二目标部位的第二生理数字信号、自主神经功能第三目标部位的第三生理数字信号、大脑中枢皮质第四目标部位的第四生理数字信号。
本实施例中,第三目标部位包括右小臂屈指肌(血氧水平依赖采集部位)、左胸V6导联(心电采集部位)、右手小臂(脉搏采集部位)、右手食指(血氧采集部位)、左胸(体温采集部位)、右手中指和无名指(皮肤电采集部位),第三生理数字信号对应包括血氧水平依赖信号、心电信号、脉搏信号、血氧信号、体温信号和皮肤电信号。
本实施例中,多级生理状态信号中的同一类型的生理信号采用相同采集设备和采集参数:肌电信号,使用肌电传感器,采样率为256Hz,单通道;皮肤电信号,使用皮肤电传感器,采样率为256Hz,单通道;体温信号,使用接触式热敏传感器,采样率为64Hz,单通道;心电信号,使用动态心电仪,采样率为256Hz,单导联-导联V6;脉搏信号,使用压电式脉搏采集设备,采样率为64Hz,单通道;血氧信号,使用指尖血氧检测仪,采样率为64Hz,单通道;脑电生理信号,使用EEG脑电图机,采样率为1024Hz,四通道,基于国际10-20系统脑电电极位置放置标准的采集电极点,参考电极为左耳垂;血氧水平依赖信号,采用连续波-功能性近红外光谱成像设备,采样率为10Hz ,四通道(1个光源S1、4个探测器D1~D4组成的采样组,光源和探测器的距离SDD为2.5cm),光源放置于右侧中央区皮质区形成区域的中心位置,注意光源、探测器与脑电电极位置错开。
本实施例中,检测前需要给待检测对象严格规范地穿戴好所有采集设备以及采集电极或光极。准备工作做好之后,先启动所有多级生理状态信号的采集,一直持续到感知觉功能检测量化方案中全部痛觉刺激强度队列都完整执行完毕后,再停止所有多级生理状态信号的采集。
本实施例中,一个刺激强度下的采集、检测时序提示、刺激操作的整体检测过程如下:
通过电脑屏幕图片和语音向待检测对象提示检测开始,持续采集所有多级生理状态信号,记录当前提示时间点。
通过电脑屏幕图片和语音向待检测对象提示刺激预备(5秒后开始刺激),持续采集所有多级生理状态信号,记录当前提示时间点。
通过电脑屏幕图片和语音向待检测对象提示刺激开始和刺激强度及刺激时长(如强度等级1,5秒),持续采集所有多级生理状态信号,记录当前提示时间点。
通过电脑屏幕图片和语音向待检测对象提示刺激结束,持续采集所有多级生理状态信号,记录当前提示时间点。
通过电脑屏幕图片和语音向待检测对象提示检测结束,持续采集所有多级生理状态信号,记录当前提示时间点。
通过电脑屏幕图片和语音向待检测对象提示检测间隔,持续采集所有多级生理状态信号,记录当前提示时间点。
休息计时120秒钟(检测间隔的时间),使得待检测生理状态和心理状态能够回到检测前基线水平。
进入痛觉刺激强度队列中下一个刺激强度的采集检测过程,重复以上8个步骤。
最终,感知觉功能检测量化方案中全部痛觉刺激强度队列都完整执行完毕后,获得整个检测量化过程的待检测对象的多级生理状态信号。
本实施例中,对多级生理状态信号进行多模信号分析处理,生成多级感知觉生理信号数据,多模信号分析处理包括数字信号预处理、信号矫正处理和信号融合处理。
本实施例中,数字信号预处理包括A/D数模转换、重采样、重参考、降噪、去伪迹、工频陷波、低通滤波、高通滤波、带阻滤波和带通滤波;信号矫正处理具体为对多级生理状态信号中的包含伪迹或失真的信号数据片段进行信号矫正及预测平滑处理。首先,对全部多级生理状态信号进行统一重采样处理,重采样率为256Hz。然后,多级生理状态信号中的同一类型的生理信号采用相同采的数字信号预处理策略进行其他数字信号预处理:对血氧水平依赖信号的预处理主要是进行获取光强度并转换为光密度(OD),去除坏通道,去伪迹,信号矫正,小波降噪,使用修正的比尔-朗伯定律将光密度或吸光度的变化会转化为含氧血红蛋白、脱氧血红蛋白HbR和总血红蛋白HbT的浓度,通过窗、零相位的FIR数字滤波器完成0.01-0.35Hz的带通滤波,提取、HbR和HbT的浓度变化信号;对肌电信号的预处理主要是进行去伪迹,信号矫正,小波降噪,通过窗、零相位的FIR数字滤波器完成50Hz工频陷波滤波,20~100Hz带通滤波;对脑电生理信号的预处理主要是进行去伪迹,信号矫正,小波降噪,通过窗、零相位的FIR数字滤波器完成50Hz工频陷波滤波,0.5~70Hz带通滤波;对心电信号的预处理主要是进行去伪迹,信号矫正,小波降噪,通过窗、零相位的FIR数字滤波器完成50Hz工频陷波滤波,0.1~35Hz带通滤波;对皮肤电信号、体温信号、脉搏信号、血氧信号的预处理主要是进行去伪迹,信号矫正,通过窗、零相位的FIR数字滤波器完成2Hz低通滤波。
本实施例中,信号融合处理是对多级生理状态信号中同一部位的、同一信号类型的、多通道的、同一强度等级刺激的生理数字信号进行数字信号融合。数字信号融合包括平均叠加,即多通道信号进行平均叠加作为融合信号。最后,对数字信号预处理后的多级生理状态信号进行信号矫正处理和信号融合处理,生成多级感知觉生理信号数据。
第三步:根据检测时序提示和刺激操作的时点,对多级感知觉生理信号数据进行感知觉时效区间特征提取处理,生成多级感知觉时效区间状态特征。
本实施例中,时效区间特征提取处理至少包括划分感知觉时效区间、感知觉时效区间信号分割和感知觉时效区间特征提取。
本实施例中,根据检测时序提示和刺激操作的记录时点,多级感知觉生理信号数据进行感知觉时效区间划分,感知觉时效区间包括静息基线时效区间、感知觉预备时效区间、感知觉过程时效区间、感知觉归基时效区间、检测间歇期。其中,感知觉过程时效区间又包括肌感觉上行过程区间、脊感觉上行过程区间、自主神经感知过程区间、脑中枢感知过程区间;由于神经电生理、血液动力学和动态代谢动力学方向的信号有不同的生理延时时间,感知觉过程时效区间中的每一个过程区间又具体分为神经电生理观察区间、血液动力学观察区间、动态代谢生理观察区间。
本实施例中,静息基线时效区间为检测开始提示至刺激预备提示的时间长度,设置为15秒;感知觉预备时效区间为刺激预备提示至刺激开始提示的时间长度,设置为15秒;感知觉过程时效区间为刺激开始提示至刺激结束提示的时间长度,设置为15秒;感知觉归基时效区间为刺激结束提示至检测结束提示的时间长度,设置为15秒;检测间歇期为120秒。
本实施例中,根据感知觉时效区间、感知觉过程时效区间和过程区间,对多级感知觉生理信号数据进行区间信号截取和提取,即感知觉时效区间信号分割。
本实施例中,根据感知觉时效区间、感知觉过程时效区间和过程区间,对感知觉时效区间信号分割后的多级感知觉生理信号数据进行区间特征提取,生成多级感知觉时效区间状态特征。多级感知觉时效区间状态特征包括血氧水平依赖信号区间特征、肌电信号区间特征、皮肤电信号区间特征、体温信号区间特征、心电信号区间特征、脉搏信号区间特征、血氧信号区间特征、脑电生理信号区间特征。
本实施例中,信号区间特征包括区间数值特征、区间功率谱特征、区间包络特征和区间非线性特征。其中,区间数值特征包括平均值、均方根、最大值、最小值、方差、标准差、变异系数、峰度和偏度;区间功率谱特征包括总功率、特征频带功率、特征频带功率占比、特征频带中心频率;区间包络特征包括原始信号、包络信号、归一化包络信号、包络均值、包络均方根、包络最大值、包络最小值、包络方差、包络标准差、包络变异系数、包络峰度和包络偏度;区间非线性特征至少包括熵特征、分形特征和复杂度特征,其中,熵特征至少包括样本熵、近似熵、模糊熵、排列熵、多尺度熵、奇异值分解熵、小波熵、谱熵、香农熵、范围熵和香农熵,分形特征至少包括Higuchi分形维数、Katz分形维数、彼得罗相分形维数、Sevcik分形维数、标准化长度密度、去趋势分析指数、Hurst指数,复杂度特征至少包括关联维数、最大嵌入维数、Kolmogorov熵、李雅普诺夫指数、Lempel-Ziv复杂度、Hjorth复杂性、Hjorth移动性、Fisher信息。
本实施例中,不同感知觉功能障碍者面对不同强度外界感觉刺激时,所产生的生理和心理应激也明显区别于健康人群,体现在不同的感知觉时效区间中的信号区间特征。
P200:对所述多级感知觉时效区间状态特征进行量化处理,生成响应特征量化的第一数据集、峰时效应特征量化的第二数据集、级联特征量化的第三数据集以及功能指数量化的第四数据集,由所述第一数据集、所述第二数据集、所述第三数据集和所述第四数据集组成感知觉神经通路多级联检测量化的结果数据集。
第一步:对多级感知觉时效区间状态特征进行量化特征选择。
本实施例中,在通过多级感知觉时效区间状态特征对待检测对象感知觉神经通路功能进行量化处理前,需要选择或指定多级感知觉时效区间状态特征中的区间特征作为感知觉神经通路相关功能量化分析的数据来源,且量化分析的数据来源至少包含一个神经电生理特征、一个血液动力学特征和一个动态代谢动力学特征。
本实施例中,以数值特征、功率谱特征和包络特征量化分析处理为主要数据来源,各个部位节点的区间特征的量化分析处理数据的选择统一选择策略,如下:
1)神经电生理特征
肌电信号的包络均方根、包络变异系数、包络信号。
脑电生理信号的选择β-γ节律(15-70Hz)的特征频带功率及特征频带功率占比、包络信号。
心电信号的心率平均值及变异系数、包络信号。
2)血液动力学特征
3)动态代谢动力学特征
皮肤电信号的皮肤电导反应SCR的包络均方根、包络变异系数、包络信号。
脉搏信号的脉搏平均值及变异系数、包络信号。
血氧信号的血氧平均值及变异系数、包络信号。
体温信号的体温平均值及变异系数、包络信号。
本实施例中,将以上量化特征选择的统一选择策略作为后续分析计算的特征数据选择策略。
第二步,执行生成响应特征量化的第一数据集的步骤。
该步骤包括分别计算出肌感觉上行功能响应指数和肌感觉上行功能响应指数曲线、脊感觉上行功能响应指数和脊感觉上行功能响应指数曲线、自主神经感知功能响应指数和自主神经感知功能响应指数曲线、脑中枢感知功能响应指数和脑中枢感知功能响应指数曲线、感知觉预备完全效应指数和感知觉预备完全效应指数曲线、感知觉过程完全效应指数和感知觉过程完全效应指数曲线、感知觉归基完全效应指数和感知觉归基完全效应指数曲线、感知觉总体完全效应指数和感知觉总体完全效应指数曲线,从而生成响应特征量化的第一数据集。
本实施例中,节点感知觉量化特征反映了感知觉通路的各个节点对于感觉输入的应激变化水平高低,是生物体感知觉功能的最基本应激响应衡量指标。节点感知觉量化特征包括节点感知觉功能量化特征、节点感知觉功能响应特征、感知觉功能效应特征。
本实施例中,节点感知觉功能量化特征包含感知觉通路的各个节点对于感觉输入的应激变化的全部量化特征,供临床分析提供具体详尽生理信号特征证据。节点感知觉功能量化特征包括肌感觉上行功能量化特征、脊感觉上行功能量化特征、自主神经感知功能量化特征、脑中枢感知功能量化特征,而功能量化特征又包括血氧水平依赖量化特征、肌电量化特征、皮肤电量化特征、皮肤温度量化特征、加速度量化特征、心电量化特征、脉搏量化特征、呼吸量化特征、血氧量化特征、体温量化特征、脑电生理量化特征。量化特征由不同部位的、不同强度等级刺激下的、不同感知觉时效区间的、不同生理数字信号的、多个感知觉时效区间特征组成的量化曲线。
本实施例中,节点感知觉功能响应特征包括节点感知觉功能响应指数集、节点感知觉功能响应指数曲线集。其中,节点感知觉功能响应指数集又包括肌感觉上行功能响应指数、脊感觉上行功能响应指数、自主神经感知功能响应指数、脑中枢感知功能响应指数;节点感知觉功能响应指数曲线集又包括肌感觉上行功能响应指数曲线、脊感觉上行功能响应指数曲线、自主神经感知功能响应指数曲线、脑中枢感知功能响应指数曲线。
本实施例中,肌感觉上行功能响应指数和肌感觉上行功能响应指数曲线的计算方法,如下:
从多级感知觉时效区间状态特征中,提取感觉上行通路第一目标部位、不同强度等级刺激下的、不同生理数字信号的、静息基线时效区间和肌感觉上行过程区间的区间状态特征,经量化特征选择,生成肌感觉上行过程区间状态特征集(包括肌电信号的包络均方根、含氧血红蛋白浓度的平均值、皮肤电导反应SCR的包络均方根);
依次对肌感觉上行过程区间状态特征集中的、同一强度等级刺激下的每个区间状态特征进行特征相对变化量计算,生成肌感觉上行过程区间状态特征相对变化量集;
对肌感觉上行过程区间状态特征集和肌感觉上行过程区间状态特征相对变化量集中的多特征参数进行特征融合加权计算(以相对变化量集中的多特征参数为主,肌电特征的权重为0.5,含氧血红蛋白浓度特征的权重为0.3,皮肤电导反应SCR的权重为0.2),得到当前强度等级刺激下的肌感觉上行功能响应指数;
计算得到全部强度等级刺激下的肌感觉上行功能响应指数,生成肌感觉上行功能响应指数曲线。
本实施例中,脊感觉上行功能响应指数和脊感觉上行功能响应指数曲线的计算方法,如下:
从多级感知觉时效区间状态特征中,提取脊髓感觉上行节段第二目标部位、不同强度等级刺激下的、不同生理数字信号的、静息基线时效区间和脊感觉上行过程区间的区间状态特征,经量化特征选择,生成脊感觉上行过程区间状态特征集(包括肌电信号的包络均方根、含氧血红蛋白浓度的平均值、皮肤电导反应SCR的包络均方根);
依次对脊感觉上行过程区间状态特征集中的、同一强度等级刺激下的每个区间状态特征进行特征相对变化量计算,生成脊感觉上行过程区间状态特征相对变化量集;
对脊感觉上行过程区间状态特征集和脊感觉上行过程区间状态特征相对变化量集中的多特征参数进行特征融合加权计算(以相对变化量集中的多特征参数为主,肌电特征的权重为0.5,含氧血红蛋白浓度特征的权重为0.3,皮肤电导反应SCR的权重为0.2),得到当前强度等级刺激下的脊感觉上行功能响应指数;
计算得到全部强度等级刺激下的脊感觉上行功能响应指数,生成脊感觉上行功能响应指数曲线。
本实施例中,自主神经感知功能响应指数和自主神经感知功能响应指数曲线的计算方法,如下:
从多级感知觉时效区间状态特征中,提取自主神经功能第三目标部位、不同强度等级刺激下的、不同生理数字信号的、静息基线时效区间和自主神经感知过程区间的区间状态特征,经量化特征选择,生成自主神经感知过程区间状态特征集(包括心电信号的心率平均值、含氧血红蛋白浓度的平均值、皮肤电导反应SCR的包络均方根、脉搏信号的脉搏平均值);
依次对自主神经感知过程区间状态特征集中的、同一强度等级刺激下的每个区间状态特征进行特征相对变化量计算,生成自主神经感知过程区间状态特征相对变化量集;
对自主神经感知过程区间状态特征集和自主神经感知过程区间状态特征相对变化量集中的多特征参数进行特征融合加权计算(以相对变化量集中的多特征参数为主,心电特征的权重为0.4,含氧血红蛋白浓度特征的权重为0.3,皮肤电导反应SCR的权重为0.2,脉搏特征的权重为0.1),得到当前强度等级刺激下的自主神经感知功能响应指数;
计算得到全部强度等级刺激下的自主神经感知功能响应指数,生成自主神经感知功能响应指数曲线。
本实施例中,脑中枢感知功能响应指数和脑中枢感知功能响应指数曲线的计算方法,如下:
从多级感知觉时效区间状态特征中,提取大脑中枢皮质第四目标部位、不同强度等级刺激下的、不同生理数字信号的、静息基线时效区间和脑中枢感知过程区间的区间状态特征,经量化特征选择,生成脑中枢感知过程区间状态特征集(包括脑电信号的包络均方根、含氧血红蛋白浓度的平均值、皮肤电导反应SCR的包络均方根);
依次对脑中枢感知过程区间状态特征集中的、同一强度等级刺激下的每个区间状态特征进行特征相对变化量计算,生成脑中枢感知过程区间状态特征相对变化量集;
对脑中枢感知过程区间状态特征集和脑中枢感知过程区间状态特征相对变化量集中的多特征参数进行特征融合加权计算(以相对变化量集中的多特征参数为主,脑电特征的权重为0.5,含氧血红蛋白浓度特征的权重为0.3,皮肤电导反应SCR的权重为0.2),得到当前强度等级刺激下的脑中枢感知功能响应指数;
计算得到全部强度等级刺激下的脑中枢感知功能响应指数,生成脑中枢感知功能响应指数曲线。
本实施例中,感知觉功能效应特征包括感知觉完全效应指数集、感知觉完全效应指数曲线集。其中,感知觉完全效应指数集又包括感知觉预备完全效应指数、感知觉过程完全效应指数、感知觉归基完全效应指数、感知觉总体完全效应指数。感知觉完全效应指数曲线集又包括感知觉预备完全效应指数曲线、感知觉过程完全效应指数曲线、感知觉归基完全效应指数曲线、感知觉总体完全效应指数曲线。
本实施例中,感知觉预备完全效应指数和感知觉预备完全效应指数曲线的计算方法,如下:
从多级感知觉时效区间状态特征中,提取感觉上行通路第一目标部位、脊髓感觉上行节段第二目标部位、自主神经功能第三目标部位、大脑中枢皮质第四目标部位、不同强度等级刺激下的、不同生理数字信号的、静息基线时效区间和感知觉预备时效区间的区间状态特征,经量化特征选择,生成感知觉预备时效区间状态对照特征集(包括第一目标部位的肌电信号的包络均方根、含氧血红蛋白浓度的平均值、皮肤电导反应SCR的包络均方根;第二目标部位的肌电信号的包络均方根、含氧血红蛋白浓度的平均值、皮肤电导反应SCR的包络均方根;第三目标部位的心电信号的心率平均值、含氧血红蛋白浓度的平均值、皮肤电导反应SCR的包络均方根、脉搏信号的脉搏平均值;第四目标部位的脑电信号的包络均方根、含氧血红蛋白浓度的平均值、皮肤电导反应SCR的包络均方根);
依次对感知觉预备时效区间状态对照特征集中的、同一强度等级刺激下的每个区间状态特征进行特征相对变化量计算,生成感知觉预备时效区间状态特征相对变化量集;
对感知觉预备时效区间状态特征相对变化量集中的多参数进行特征融合加权计算(感知觉预备,以自主神经和脑中枢的反应为主:第四目标部位,脑电特征的权重为0.25,含氧血红蛋白浓度特征的权重为0.15,皮肤电导反应SCR的权重为0.1;第三目标部位,心电特征的权重为0.2,含氧血红蛋白浓度特征的权重为0.05,皮肤电导反应SCR的权重为0.1,脉搏特征的权重为0.05;第二目标部位,肌电特征的权重为0.05,含氧血红蛋白浓度特征的权重为0.0,皮肤电导反应SCR的权重为0.0;第一目标部位,肌电特征的权重为0.05,含氧血红蛋白浓度特征的权重为0.0,皮肤电导反应SCR的权重为0.0),得到当前强度等级刺激下的感知觉预备完全效应指数;
计算得到全部强度等级刺激下的感知觉预备完全效应指数,生成感知觉预备完全效应指数曲线。
本实施例中,感知觉过程完全效应指数和感知觉过程完全效应指数曲线的计算方法,如下:
从多级感知觉时效区间状态特征中,提取感觉上行通路第一目标部位、脊髓感觉上行节段第二目标部位、自主神经功能第三目标部位、大脑中枢皮质第四目标部位、不同强度等级刺激下的、不同生理数字信号的、静息基线时效区间和感知觉过程时效区间的区间状态特征,经量化特征选择,生成感知觉过程时效区间状态对照特征集(包括第一目标部位的肌电信号的包络均方根、含氧血红蛋白浓度的平均值、皮肤电导反应SCR的包络均方根;第二目标部位的肌电信号的包络均方根、含氧血红蛋白浓度的平均值、皮肤电导反应SCR的包络均方根;第三目标部位的心电信号的心率平均值、含氧血红蛋白浓度的平均值、皮肤电导反应SCR的包络均方根、脉搏信号的脉搏平均值;第四目标部位的脑电信号的包络均方根、含氧血红蛋白浓度的平均值、皮肤电导反应SCR的包络均方根);
依次对感知觉过程时效区间状态对照特征集中的、同一强度等级刺激下的每个区间状态特征进行特征相对变化量计算,生成感知觉过程时效区间状态特征相对变化量集;
对感知觉过程时效区间状态特征相对变化量集中的多参数进行特征融合加权计算(感知觉过程,所有节点的反应需要权重均衡:第四目标部位,脑电特征的权重为0.15,含氧血红蛋白浓度特征的权重为0.05,皮肤电导反应SCR的权重为0.05;第三目标部位,心电特征的权重为0.10,含氧血红蛋白浓度特征的权重为0.05,皮肤电导反应SCR的权重为0.05,脉搏特征的权重为0.05;第二目标部位,肌电特征的权重为0.15,含氧血红蛋白浓度特征的权重为0.05,皮肤电导反应SCR的权重为0.05;第一目标部位,肌电特征的权重为0.15,含氧血红蛋白浓度特征的权重为0.05,皮肤电导反应SCR的权重为0.05),得到当前强度等级刺激下的感知觉过程完全效应指数;
计算得到全部强度等级刺激下的感知觉过程完全效应指数,生成感知觉过程完全效应指数曲线。
本实施例中,感知觉归基完全效应指数和感知觉归基完全效应指数曲线的计算方法,如下:
从多级感知觉时效区间状态特征中,提取感觉上行通路第一目标部位、脊髓感觉上行节段第二目标部位、自主神经功能第三目标部位、大脑中枢皮质第四目标部位、不同强度等级刺激下的、不同生理数字信号的、静息基线时效区间和感知觉归基时效区间的区间状态特征,经量化特征选择,生成感知觉归基时效区间状态对照特征集(包括第一目标部位的肌电信号的包络均方根、含氧血红蛋白浓度的平均值、皮肤电导反应SCR的包络均方根;第二目标部位的肌电信号的包络均方根、含氧血红蛋白浓度的平均值、皮肤电导反应SCR的包络均方根;第三目标部位的心电信号的心率平均值、含氧血红蛋白浓度的平均值、皮肤电导反应SCR的包络均方根、脉搏信号的脉搏平均值;第四目标部位的脑电信号的包络均方根、含氧血红蛋白浓度的平均值、皮肤电导反应SCR的包络均方根);
依次对感知觉归基时效区间状态对照特征集中的、同一强度等级刺激下的每个区间状态特征进行特征相对变化量计算,生成感知觉归基时效区间状态特征相对变化量集;
对感知觉归基时效区间状态特征相对变化量集中的多参数进行特征融合加权计算(感知觉过程,以肌神经和自主神经的反应为主:第四目标部位,脑电特征的权重为0.1,含氧血红蛋白浓度特征的权重为0.0,皮肤电导反应SCR的权重为0.0;第三目标部位,心电特征的权重为0.20,含氧血红蛋白浓度特征的权重为0.1,皮肤电导反应SCR的权重为0.05,脉搏特征的权重为0.05;第二目标部位,肌电特征的权重为0.15,含氧血红蛋白浓度特征的权重为0.0,皮肤电导反应SCR的权重为0.0;第一目标部位,肌电特征的权重为0.2,含氧血红蛋白浓度特征的权重为0.05,皮肤电导反应SCR的权重为0.1),得到当前强度等级刺激下的感知觉归基完全效应指数;
计算得到全部强度等级刺激下的感知觉归基完全效应指数,生成感知觉归基完全效应指数曲线。
本实施例中,感知觉总体完全效应指数和感知觉总体完全效应指数曲线的计算方法,如下:
依次计算得到感知觉预备完全效应指数曲线、感知觉过程完全效应指数曲线和感知觉归基完全效应指数曲线;
对同一强度等级刺激下的感知觉预备完全效应指数、感知觉过程完全效应指数和感知觉归基完全效应指数进行特征融合加权计算(感知觉预备、感知觉过程和感知觉归基相关完全效应指的权重分别是0.3、0.4、0.3),得到当前强度等级刺激下的感知觉总体完全效应指数;
计算得到全部强度等级刺激下的感知觉总体完全效应指数,生成感知觉总体完全效应指数曲线。
本实施例中,特征相对变化量的计算方法,如下:
第三步,执行生成峰时效应特征量化的第二数据集的步骤。
该步骤包括分别计算出节点感知觉响应峰数值序列和节点感知觉响应峰延时序列、节点感知觉响应峰时效应序列、节点感知觉峰时效应指数和节点感知觉峰时效应指数曲线,以生成峰时效应特征量化的第二数据集。
本实施例中,节点感知觉峰时效应特征则反映了感知觉通路的各个节点对于感觉输入的最大应激水平和应激延时状况,是生物体感知觉功能的应冲表征及速度衡量指标。节点感知觉峰时效应特征包括节点感知觉响应峰数值序列、节点感知觉响应峰延时序列、节点感知觉响应峰时效应序列、节点感知觉峰时效应指数、节点感知觉峰时效应指数曲线。
本实施例中,节点感知觉响应峰数值序列和节点感知觉响应峰延时序列的计算方法,如下:
从多级感知觉时效区间状态特征中,提取第一目标部位的肌感觉上行过程区间的、第二目标部位的脊感觉上行过程区间的、第三目标部位的自主神经感知过程区间的、第四目标部位的脑中枢感知过程区间的、不同强度等级刺激下的、不同生理数字信号的、感知觉区间状态特征中的区间包络特征中的包络信号,经量化特征选择,生成生理数字信号包络特征集(包括第一目标部位的肌电信号的包络信号、含氧血红蛋白浓度的包络信号、皮肤电导反应SCR的包络信号;第二目标部位的肌电信号的包络信号、含氧血红蛋白浓度的包络信号、皮肤电导反应SCR的包络信号;第三目标部位的心电信号的包络信号、含氧血红蛋白浓度的包络信号、皮肤电导反应SCR的包络信号、脉搏信号的包络信号;第四目标部位的脑电信号的包络信号、含氧血红蛋白浓度的包络信号、皮肤电导反应SCR的包络信号);
依次计算得到第一目标部位的肌感觉上行过程区间的、第二目标部位的脊感觉上行过程区间的、第三目标部位的自主神经感知过程区间的、第四目标部位的脑中枢感知过程区间的、同一强度等级刺激下的、不同生理数字信号的包络信号的最大值和最大值对应的索引时间,得到最大值索引时间序列,生成节点感知觉响应峰数值序列;
根据最大值索引时间序列,结合刺激开始时点和刺激结束时点计算相对时间,生成节点感知觉响应峰延时序列。
本实施例中,节点感知觉响应峰时效应序列、节点感知觉峰时效应指数和节点感知觉峰时效应指数曲线的计算方法,如下:
从多级感知觉时效区间状态特征中,提取第一目标部位的肌感觉上行过程区间的、第二目标部位的脊感觉上行过程区间、第三目标部位的自主神经感知过程区间的、第四目标部位的脑中枢感知过程区间的、不同强度等级刺激下的、不同生理数字信号的、全部感知觉时效区间的、感知觉区间状态特征中的区间包络特征中的包络信号,经量化特征选择,生成生理数字信号包络特征集(包括第一目标部位的肌电信号的包络信号、含氧血红蛋白浓度的包络信号、皮肤电导反应SCR的包络信号;第二目标部位的肌电信号的包络信号、含氧血红蛋白浓度的包络信号、皮肤电导反应SCR的包络信号;第三目标部位的心电信号的包络信号、含氧血红蛋白浓度的包络信号、皮肤电导反应SCR的包络信号、脉搏信号的包络信号;第四目标部位的脑电信号的包络信号、含氧血红蛋白浓度的包络信号、皮肤电导反应SCR的包络信号);
计算得到同一强度等级刺激下的节点感知觉响应峰数值序列和节点感知觉响应峰延时序列,经峰时效应值计算,生成节点感知觉响应峰时效应序列;
对节点感知觉响应峰时效应序列中多个峰时效应值的进行特征融合加权计算(感知觉响应峰时效应,所有节点的反应需要权重均衡:第四目标部位,脑电特征的权重为0.15,含氧血红蛋白浓度特征的权重为0.05,皮肤电导反应SCR的权重为0.05;第三目标部位,心电特征的权重为0.10,含氧血红蛋白浓度特征的权重为0.05,皮肤电导反应SCR的权重为0.05,脉搏特征的权重为0.05;第二目标部位,肌电特征的权重为0.15,含氧血红蛋白浓度特征的权重为0.05,皮肤电导反应SCR的权重为0.05;第一目标部位,肌电特征的权重为0.15,含氧血红蛋白浓度特征的权重为0.05,皮肤电导反应SCR的权重为0.05),生成当前强度等级刺激下的节点感知觉峰时效应指数;
计算得到全部强度等级刺激下的节点感知觉峰时效应指数,生成节点感知觉峰时效应指数曲线。
本实施例中,峰时效应的计算方法,如下:
第四步,执行生成级联特征量化的第三数据集的步骤。
该步骤包括分别计算出肌-脊级联量化特征、肌-脊级联指数和肌-脊级联指数曲线、肌-脑级联量化特征、肌-脑级联指数和肌-脑级联指数曲线、肌-自级联量化特征、肌-自级联指数和肌-自级联指数曲线、脊-脑级联量化特征、脊-脑级联指数和脊-脑级联指数曲线、脊-自级联量化特征、脊-自级联指数和脊-自级联指数曲线、脑-自级联量化特征、脑-自级联指数和脑-自级联指数曲线,以生成级联特征量化的第三数据集。
本实施例中,节点感知觉级联特征则反映了感知觉通路的各个节点对于感觉输入的应激协同和级联变化状况,是生物体感知觉功能的神经通路传递及表征一致性的衡量指标。其中,节点感知觉级联特征包括感知觉通路级联量化特征集、感知觉通路级联指数集、感知觉通路级联曲线集。
本实施例中,感知觉通路级联量化特征集包含了感知觉通路的各个节点对于感觉输入的级联反应的全部量化特征,供临床分析提供具体详尽生理信号特征证据。感知觉通路级联量化特征集包括肌-脊级联量化特征、肌-脑级联量化特征、肌-自级联量化特征、脊-脑级联量化特征、脊-自级联量化特征、脑-自级联量化特征。其中,级联量化特征包括一个神经电生理特征和一个神经电生理特征的级联相关系数、一个血液动力学特征和一个血液动力学特征的级联相关系数、一个动态代谢动力学特征和一个动态代谢动力学特征的级联相关系数、一个神经电生理特征和一个血液动力学特征的级联相关系数、一个神经电生理特征和一个动态代谢动力学特征的级联相关系数、一个血液动力学特征和一个动态代谢动力学特征的级联相关系数。
本实施例中,感知觉通路级联指数集包括肌-脊级联指数、肌-脑级联指数、肌-自级联指数、脊-脑级联指数、脊-自级联指数、脑-自级联指数。感知觉通路级联指数曲线集包括肌-脊级联指数曲线、肌-脑级联指数曲线、肌-自级联指数曲线、脊-脑级联指数曲线、脊-自级联指数曲线、脑-自级联指数曲线。
本实施例中,肌-脊级联量化特征、肌-脊级联指数和肌-脊级联指数曲线的计算方法,如下:
从多级感知觉时效区间状态特征中,分别提取不同强度等级刺激下的、不同生理数字信号的、感觉上行通路第一目标部位的肌感觉上行过程区间和脊髓感觉上行节段第二目标部位的脊感觉上行过程区间的、区间包络特征中的包络信号,经量化特征选择,分别生成肌感觉上行生理数字包络信号集和脊感觉上行生理数字包络信号集(包括第一目标部位的肌电信号的包络信号、含氧血红蛋白浓度的包络信号、皮肤电导反应SCR的包络信号;第二目标部位的肌电信号的包络信号、含氧血红蛋白浓度的包络信号、皮肤电导反应SCR的包络信号);
分别对肌感觉上行生理数字包络信号集和脊感觉上行生理数字包络信号集中的包络信号进行去基线均值化处理,分别生成肌感觉上行生理数字相对包络信号集和脊感觉上行生理数字相对包络信号集;
依次计算同一强度等级刺激下的、肌感觉上行生理数字相对包络信号集中一包络信号和脊感觉上行生理数字相对包络信号集中一包络信号的关系特征,生成肌-脊级联量化特征;
对肌-脊级联量化特征中的多个级联特征值进行特征融合加权计算(以同类属的交叉耦合关系特征为主,即神经电生理特征-神经电生理特征的距离特征和关联特征的权重分别为0.2和0.2,血液动力学特征-血液动力学特征的距离特征和关联特征的权重分别为0.2和0.2,动态代谢动力学特征-动态代谢动力学特征的距离特征和关联特征的权重分别为0.1和0.1,其他交叉特征的距离特征和关联特征的权重都为0),得到当前强度等级刺激下的肌-脊级联指数;
计算得到全部强度等级刺激下的肌-脊级联指数,生成肌-脊级联指数曲线。
本实施例中,肌-脑级联量化特征、肌-脑级联指数和肌-脑级联指数曲线的计算方法,如下:
从多级感知觉时效区间状态特征中,分别提取不同强度等级刺激下的、不同生理数字信号的、感觉上行通路第一目标部位的肌感觉上行过程区间和大脑中枢皮质第四目标部位的脑中枢感知过程区间、区间包络特征中的包络信号,经量化特征选择,分别生成肌感觉上行生理数字包络信号集和脑中枢感知生理数字包络信号集(包括第一目标部位的肌电信号的包络信号、含氧血红蛋白浓度的包络信号、皮肤电导反应SCR的包络信号;第四目标部位的脑电信号的包络信号、含氧血红蛋白浓度的包络信号、皮肤电导反应SCR的包络信号);
分别对肌感觉上行生理数字包络信号集和脑中枢感知生理数字包络信号集中的包络信号进行去基线均值化处理,分别生成肌感觉上行生理数字相对包络信号集和脑中枢感知生理数字相对包络信号集;
依次计算同一强度等级刺激下的、肌感觉上行生理数字相对包络信号集中一包络信号和脑中枢感知生理数字相对包络信号集中一包络信号的关系特征,生成肌-脑级联量化特征;
对肌-脑级联量化特征中的多个级联特征值进行特征融合加权计算(以同类属的交叉耦合关系特征为主,即神经电生理特征-神经电生理特征的距离特征和关联特征的权重分别为0.2和0.2,血液动力学特征-血液动力学特征的距离特征和关联特征的权重分别为0.2和0.2,动态代谢动力学特征-动态代谢动力学特征的距离特征和关联特征的权重分别为0.1和0.1,其他交叉特征的距离特征和关联特征的权重都为0),得到当前强度等级刺激下的肌-脑级联指数;
计算得到全部强度等级刺激下的肌-脑级联指数,生成肌-脑级联指数曲线。
本实施例中,肌-自级联量化特征、肌-自级联指数和肌-自级联指数曲线的计算方法,如下:
从多级感知觉时效区间状态特征中,分别提取不同强度等级刺激下的、不同生理数字信号的、感觉上行通路第一目标部位的肌感觉上行过程区间和主神经功能第三目标部位的主神经功感知时效区间的、区间包络特征中的包络信号,经量化特征选择,分别生成肌感觉上行生理数字包络信号集和主神经功感知生理数字包络信号集(包括第一目标部位的肌电信号的包络信号、含氧血红蛋白浓度的包络信号、皮肤电导反应SCR的包络信号;第三目标部位的心电信号的包络信号、含氧血红蛋白浓度的包络信号、皮肤电导反应SCR的包络信号、脉搏信号的包络信号);
分别对肌感觉上行生理数字包络信号集和主神经功感知生理数字包络信号集中的包络信号进行去基线均值化处理,分别生成肌感觉上行生理数字相对包络信号集和主神经功感知生理数字相对包络信号集;
依次计算同一强度等级刺激下的、肌感觉上行生理数字相对包络信号集中一包络信号和主神经功感知生理数字相对包络信号集中一包络信号的关系特征,生成肌-自级联量化特征;
对肌-自级联量化特征中的多个级联特征值进行特征融合加权计算(以同类属的交叉耦合关系特征为主,即神经电生理特征-神经电生理特征的距离特征和关联特征的权重分别为0.2和0.2,血液动力学特征-血液动力学特征的距离特征和关联特征的权重分别为0.2和0.2,动态代谢动力学特征-动态代谢动力学特征的距离特征和关联特征的权重分别为0.1和0.1,其他交叉特征的距离特征和关联特征的权重都为0),得到当前强度等级刺激下的肌-自级联指数;
计算得到全部强度等级刺激下的肌-自级联指数,生成肌-自级联指数曲线。
本实施例中,脊-脑级联量化特征、脊-脑级联指数和脊-脑级联指数曲线的计算方法,如下:
从多级感知觉时效区间状态特征中,分别提取不同强度等级刺激下的、不同生理数字信号的、脊髓感觉上行节段第二目标部位的脊感觉上行过程区间和大脑中枢皮质第四目标部位的脑中枢感知过程区间、区间包络特征中的包络信号,经量化特征选择,分别生成脊感觉上行生理数字包络信号集和脑中枢感知生理数字包络信号集(包括第二目标部位的肌电信号的包络信号、含氧血红蛋白浓度的包络信号、皮肤电导反应SCR的包络信号;第四目标部位的脑电信号的包络信号、含氧血红蛋白浓度的包络信号、皮肤电导反应SCR的包络信号);
分别对脊感觉上行生理数字包络信号集和脑中枢感知生理数字包络信号集中的包络信号进行去基线均值化处理,分别生成脊感觉上行生理数字相对包络信号集和脑中枢感知生理数字相对包络信号集;
依次计算同一强度等级刺激下的、脊感觉上行生理数字相对包络信号集中一包络信号和脑中枢感知生理数字相对包络信号集中一包络信号的关系特征,生成脊-脑级联量化特征;
对脊-脑级联量化特征中的多个级联特征值进行特征融合加权计算(以同类属的交叉耦合关系特征为主,即神经电生理特征-神经电生理特征的距离特征和关联特征的权重分别为0.2和0.2,血液动力学特征-血液动力学特征的距离特征和关联特征的权重分别为0.2和0.2,动态代谢动力学特征-动态代谢动力学特征的距离特征和关联特征的权重分别为0.1和0.1,其他交叉特征的距离特征和关联特征的权重都为0),得到当前强度等级刺激下的脊-脑级联指数;
计算得到全部强度等级刺激下的脊-脑级联指数,生成脊-脑级联指数曲线。
本实施例中,脊-自级联量化特征、脊-自级联指数和脊-自级联指数曲线的计算方法,如下:
从多级感知觉时效区间状态特征中,分别提取不同强度等级刺激下的、不同生理数字信号的、脊髓感觉上行节段第二目标部位的脊感觉上行过程区间和主神经功能第三目标部位的主神经功感知时效区间的、区间包络特征中的包络信号,经量化特征选择,分别生成脊感觉上行生理数字包络信号集和主神经功感知生理数字包络信号集(包括第二目标部位的肌电信号的包络信号、含氧血红蛋白浓度的包络信号、皮肤电导反应SCR的包络信号;第三目标部位的心电信号的包络信号、含氧血红蛋白浓度的包络信号、皮肤电导反应SCR的包络信号、脉搏信号的包络信号);
分别对脊感觉上行生理数字包络信号集和主神经功感知生理数字包络信号集中的包络信号进行去基线均值化处理,分别生成脊感觉上行生理数字相对包络信号集和主神经功感知生理数字相对包络信号集;
依次计算同一强度等级刺激下的、脊感觉上行生理数字相对包络信号集中一包络信号和主神经功感知生理数字相对包络信号集中一包络信号的关系特征,生成脊-自级联量化特征;
对脊-自级联量化特征中的多个级联特征值进行特征融合加权计算(以同类属的交叉耦合关系特征为主,即神经电生理特征-神经电生理特征的距离特征和关联特征的权重分别为0.2和0.2,血液动力学特征-血液动力学特征的距离特征和关联特征的权重分别为0.2和0.2,动态代谢动力学特征-动态代谢动力学特征的距离特征和关联特征的权重分别为0.1和0.1,其他交叉特征的距离特征和关联特征的权重都为0),得到当前强度等级刺激下的脊-自级联指数;
计算得到全部强度等级刺激下的脊-自级联指数,生成脊-自级联指数曲线。
本实施例中,脑-自级联量化特征、脑-自级联指数和脑-自级联指数曲线的计算方法,如下:
从多级感知觉时效区间状态特征中,分别提取不同强度等级刺激下的、不同生理数字信号的、大脑中枢皮质第四目标部位的脑中枢感知过程区间和主神经功能第三目标部位的主神经功感知时效区间的、区间包络特征中的包络信号,经量化特征选择,分别生成脑中枢感知生理数字包络信号集和主神经功感知生理数字包络信号集(包括第三目标部位的心电信号的包络信号、含氧血红蛋白浓度的包络信号、皮肤电导反应SCR的包络信号、脉搏信号的包络信号;第四目标部位的脑电信号的包络信号、含氧血红蛋白浓度的包络信号、皮肤电导反应SCR的包络信号);
分别对脑中枢感知生理数字包络信号集和主神经功感知生理数字包络信号集中的包络信号进行去基线均值化处理,分别生成脑中枢感知生理数字相对包络信号集和主神经功感知生理数字相对包络信号集;
依次计算同一强度等级刺激下的、脑中枢感知生理数字相对包络信号集中一包络信号和主神经功感知生理数字相对包络信号集中一包络信号的关系特征,生成脑-自级联量化特征;
对脑-自级联量化特征中的多个级联特征值进行特征融合加权计算(以同类属的交叉耦合关系特征为主,即神经电生理特征-神经电生理特征的距离特征和关联特征的权重分别为0.2和0.2,血液动力学特征-血液动力学特征的距离特征和关联特征的权重分别为0.2和0.2,动态代谢动力学特征-动态代谢动力学特征的距离特征和关联特征的权重分别为0.1和0.1,其他交叉特征的距离特征和关联特征的权重都为0),得到当前强度等级刺激下的脑-自级联指数;
计算得到全部强度等级刺激下的脑-自级联指数,生成脑-自级联指数曲线。
本实施例中,去基线均值化处理的方法,如下:
本实施例中,关系特征至少包括关联特征和距离特征。
本实施例中,关联特征至少包括相干系数、皮尔逊相关系数、杰卡德相似系数、线性互信息系数、线性相关系数。
本实施例中,距离特征的计算方法,如下:
第五步,执行生成功能指数量化的第四数据集的步骤。
该步骤包括计算感知觉功能综合评价系数和感知觉功能综合评价系数曲线,以生成功能指数量化的第四数据集。
本实施例中,感知觉功能评价指数则是基于感知觉通路各个节点的以上三个指标体系对感知觉功能的综合评价,是生物体感知觉功能的完整程度和及健全状况的综合评价指标。感知觉功能评价指数包括感知觉功能综合评价系数、感知觉功能综合评价系数曲线、感知觉功能综合评价指数。
本实施例中,感知觉功能综合评价系数和感知觉功能综合评价系数曲线的计算方法,如下:
依次计算得到节点感知觉功能响应指数曲线集、节点感知觉峰时效应指数曲线和感知觉通路级联指数曲线集,生成感知觉功能表征特征集;
从感知觉功能表征特征集中,提取同一强度等级刺激下的节点感知觉功能响应指数、节点感知觉峰时效应指数和感知觉通路级联指数,生成感觉功能生理表征指数集(包括肌感觉上行功能响应指数、脊感觉上行功能响应指数、自主神经感知功能响应指数、脑中枢感知功能响应指数、感知觉预备完全效应指数、感知觉过程完全效应指数、感知觉归基完全效应指数、感知觉总体完全效应指数、肌-脊级联指数、肌-脑级联指数、脊-脑级联指数、肌-自级联指数、脊-自级联指数、脑-自级联指数、节点感知觉峰时效应指数);
对感觉功能生理表征指数集中的多个生理表征指数进行特征融合加权计算(所有指数的权重都一样,即取均值),生成感知觉功能综合评价系数;
计算得到全部强度等级刺激下的感知觉功能综合评价系数,生成感知觉功能综合评价系数曲线。
本实施例中,感知觉功能综合评价指数的计算方法,如下:
计算得到感知觉功能综合评价系数曲线,得到感知觉功能综合评价系数队列;
分析计算感知觉功能综合评价系数队列与刺激强度队列的关系特征,生成感知觉功能综合表征系数集;
对感知觉功能综合表征系数集的多个综合表征系数进行特征融合加权计算(所有系数的权重都一样,即取均值),得到感知觉功能综合评价指数。
P300:对所述结果数据集进行量化分析,并结合预先构建的感知觉功能指标对照数据库,生成待检测对象的感知觉神经通路多级联检测量化报告。
第一步:对节点感知觉量化特征和节点感知觉级联特征进行回归分析,确定被试对象的感知觉神经系统通路的通路完整程度和障碍部位节点。
本实施例中,对被试对象的感知觉神经通路上的每一个节点的节点感知觉量化特征(节点感知觉功能量化特征、节点感知觉功能响应特征、感知觉功能效应特征),以及节点之间的节点感知觉级联特征(感知觉通路级联量化特征集、感知觉通路级联指数集、感知觉通路级联曲线集)进行回归溯源性的分析,尤其是关注感知觉过程时效区间中的脊神经和自主神经的应激表现,识别感知觉传递过程链路中的特征曲线是否存在异常点(断点、急凸点或突凹点),确认感知觉神经系统通路的通路完整程度和障碍部位节点。
第二步:对节点感知觉峰时效应特征和节点感知觉级联特征进行交叉分析,识别被试对象的感知觉神经系统通路的功能障碍类型。
本实施例中,对被试对象的感知觉神经通路上的每一个节点的节点感知觉峰时效应特征(节点感知觉响应峰数值序列、节点感知觉响应峰延时序列、节点感知觉响应峰时效应序列、节点感知觉峰时效应指数、节点感知觉峰时效应指数曲线),以及节点之间的节点感知觉级联特征(感知觉通路级联量化特征集、感知觉通路级联指数集、感知觉通路级联曲线集)进行交叉关联性的分析,尤其是关注感知觉预备时效区间中的脑中枢神经和自主神经的应激表现,识别被试对象对检测或刺激的心理认知过程是否被激发并形成知觉效应,确认感知觉神经系统通路的功能障碍类型(器质性障碍或是功能性障碍)。
第三步:基于节点感知觉峰时效应特征、节点感知觉级联特征和感知觉功能评价指数,将被试对象与健康人群和功能障碍人群进行对比分析,识别被试对象的感知觉神经系统通路的障碍状态级别和康复治疗进展。
本实施例中,通过感知觉功能检测量化方案的执行,对健康人群和功能障碍人群的感知觉功能进行检测量化,得到健康人群和功能障碍人群的节点感知觉量化特征、节点感知觉峰时效应特征、节点感知觉级联特征和感知觉功能评价指数,结合健康人群和功能障碍人群的基本信息,预先构建得到感知觉功能指标对照数据库。
本实施例中,基于感知觉功能指标对照数据库,对比分析被试对象与健康人群和功能障碍人群在节点感知觉峰时效应特征、节点感知觉级联特征和感知觉功能评价指数的差异,识别和确认被试对象的感知觉神经系统通路的障碍状态级别和康复治疗进展。
第四步:根据感知觉神经系统通路的通路完整程度、障碍部位节点、功能障碍类型、障碍状态级别和康复治疗进展,生成被试对象的感知觉神经通路多级联检测量化报告。
本实施例中,根据感知觉神经系统通路的通路完整程度、障碍部位节点、功能障碍类型、障碍状态级别和康复治疗进展,结合被试对象的基本信息和其他情况记录,总结生成被试对象的感知觉神经通路多级联检测量化报告,辅助临床诊疗评估和康复治疗。
如图2所示,本发明实施例提供的一种感知觉神经通路多级联检测量化的系统,包括如下模块:
检测执行管理模块S100,用于根据待检测对象的基本信息,编辑、管理和执行感知觉功能检测量化方案;
信号采集处理模块S200,用于基于预先设置的检测时序提示和刺激操作,连续采集待检测对象在不同感知觉检测阶段的多级生理状态信号并进行多模信号分析处理,生成多级感知觉生理信号数据;
状态特征提取模块S300,用于根据检测时序提示和刺激操作的时点,对多级感知觉生理信号数据进行感知觉时效区间特征提取处理,生成多级感知觉时效区间状态特征;
功能量化处理模块S400,用于对多级感知觉时效区间状态特征进行量化处理,生成响应特征量化的第一数据集、峰时效应特征量化的第二数据集、级联特征量化的第三数据集以及功能指数量化的第四数据集,由第一数据集、第二数据集、第三数据集和第四数据集组成感知觉神经通路多级联检测量化的结果数据集;
分析报告处理模块S500,用于对结果数据集进行量化分析,并结合预先构建的感知觉功能指标对照数据库,生成待检测对象的感知觉神经通路多级联检测量化报告;
数据存储展示模块S600,用于检测执行管理模块、信号采集处理模块、状态特征提取模块、功能量化处理模块、分析报告处理模块中所有过程数据和/或结果数据的可视化展示和统一存储。
检测执行管理模块S100包括以下功能单元:
检测方案管理单元S110,用于感知觉功能检测量化方案的输入、设置、编辑、删除等管理,感知觉功能检测量化方案至少包括检测方案名称、检测目的目标、检测目标部位、感觉刺激方式、刺激强度队列、刺激持续时长、检测间隔时间、检测时序提示;
检测时序提示单元S120,用于根据检测目的目标确定,通过图片、语音、音频方式向待检测对象提示检测开始、刺激预备、刺激开始和刺激强度及刺激时长、刺激结束、检测结束,激发待检测对象对检测或刺激的心理认知过程并形成知觉效应,检测时序提示至少包括检测开始提示、刺激预备提示、刺激开始和刺激强度及刺激时长提示、刺激结束提示和检测结束提示;
过程执行跟踪单元S130,用于跟踪记录每次感知觉检测的开始检测、刺激预备、开始刺激、结束刺激、归基观测、停止检测、检测间隔计时等过程时间节点,启动或结束检测时序提示和刺激操作;
对象信息记录单元S140,用于编辑、记录和管理待检测对象的基本信息,基本信息至少包括姓名、性别、年龄、身高、体重、血压、健康状况、疾病历史信息和医生诊疗意见。
信号采集处理模块S200至少包括以下功能单元:
通讯管理模块单元S210,用于连接生理状态信号采集设备或传感器,获取并记录采集设备或传感器的采集参数;
数据采集记录单元S220,用于从生理状态信号采集设备或传感器中实时采集获取多级生理状态信号;
信号基础处理单元S230,用于对多级生理状态信号进行数字信号预处理,数字信号预处理至少包括A/D数模转换、重采样、重参考、降噪、去伪迹、工频陷波、低通滤波、高通滤波、带阻滤波和带通滤波;
信号矫正处理单元S240,用于对多级生理状态信号中的包含伪迹或失真的信号数据片段进行信号矫正及预测平滑处理;
信号融合处理单元S250,用于对多级生理状态信号中同一部位的、同一信号类型的、多通道的、同一强度等级刺激的生理数字信号进行数字信号融合,生成多级感知觉生理信号数据。
状态特征提取模块S300至少包括以下功能单元:
时效区间划分单元S310,用于多级感知觉生理信号数据进行感知觉时效区间划分,感知觉时效区间至少包括静息基线时效区间、感知觉预备时效区间、感知觉过程时效区间、感知觉归基时效区间、检测间歇期;
信号区间分割单元S320,用于根据感知觉时效区间,对多级感知觉生理信号数据进行感知觉时效区间信号分割;
数值特征提取单元S330,用于对感知觉时效区间信号分割后的多级感知觉生理信号数据进行区间数值特征提取,区间数值特征至少包括平均值、均方根、最大值、最小值、方差、标准差、变异系数、峰度和偏度;
功率谱特征提取单元S340,用于对感知觉时效区间信号分割后的多级感知觉生理信号数据进行区间功率谱特征提取,区间功率谱特征至少包括总功率、特征频带功率、特征频带功率占比、特征频带中心频率;
包络特征提取单元S350,用于对感知觉时效区间信号分割后的多级感知觉生理信号数据进行区间包络特征提取,区间包络特征至少包括原始信号、包络信号、归一化包络信号、包络均值、包络均方根、包络最大值、包络最小值、包络方差、包络标准差、包络变异系数、包络峰度和包络偏度;
非线性特征提取单元S360,用于对感知觉时效区间信号分割后的多级感知觉生理信号数据进行区间非线性特征提取,区间非线性特征至少包括熵特征、分形特征和复杂度特征;
区间特征整合单元S370,根据区间数值特征,区间功率谱特征、区间包络特征和区间非线性特征,整合生成多级感知觉时效区间状态特征。
功能量化处理模块S400包括以下功能单元:
量化特征选择单元S410,用于选择或指定多级感知觉时效区间状态特征中的区间特征作为感知觉神经通路相关功能量化处理的数据来源;其中,量化处理数据来源至少包含一个神经电生理特征、一个血液动力学特征和一个动态代谢动力学特征;
功能量化图景单元S420,用于可视化展示节点感知觉功能量化特征,节点感知觉功能量化特征至少包括肌感觉上行功能量化特征、脊感觉上行功能量化特征、自主神经感知功能量化特征、脑中枢感知功能量化特征;
功能响应分析单元S430,用于从多级感知觉时效区间状态特征中分析提取节点感知觉功能响应特征,节点感知觉功能响应特征至少包括节点感知觉功能响应指数集、节点感知觉功能响应指数曲线集;
功能效应分析单元S440,用于从多级感知觉时效区间状态特征中分析提取感知觉功能效应特征,感知觉功能效应特征至少包括感知觉完全效应指数集、感知觉完全效应指数曲线集;
峰时效应分析单元S450,用于从多级感知觉时效区间状态特征中分析提取节点感知觉峰时效应特征,节点感知觉峰时效应特征至少包括节点感知觉响应峰数值序列、节点感知觉响应峰延时序列、节点感知觉响应峰时效应序列、节点感知觉峰时效应指数、节点感知觉峰时效应指数曲线;
级联特征图景单元S460,用于可视化展示感知觉通路级联量化特征集,感知觉通路级联量化特征集至少包括肌-脊级联量化特征、肌-脑级联量化特征、肌-自级联量化特征、脊-脑级联量化特征、脊-自级联量化特征、脑-自级联量化特征;
级联特征分析单元S470,用于从多级感知觉时效区间状态特征中分析提取感知觉通路级联特征,感知觉通路级联特征至少包括感知觉通路级联指数集、感知觉通路级联曲线集;
评价指数提取单元S480,用于从多级感知觉时效区间状态特征中分析提取感知觉功能评价指数,感知觉功能评价指数至少包括感知觉功能综合评价系数、感知觉功能综合评价系数曲线、感知觉功能综合评价指数。
分析报告处理模块S500至少以下功能单元:
指标对照库单元S510,用于建立、存储、更新与管理健康人群和感知觉功能障碍人群的基本信息,节点感知觉量化特征、节点感知觉峰时效应特征、节点感知觉级联特征和感知觉功能评价指数构成的感知觉功能指标对照数据库;
功能回归分析单元S520,用于对节点感知觉量化特征和节点感知觉级联特征进行回归分析,确定待检测对象的感知觉神经系统通路的通路完整程度和障碍部位节点;
功能交叉分析单元S530,用于对节点感知觉峰时效应特征和节点感知觉级联特征进行交叉分析,识别待检测对象的感知觉神经系统通路的功能障碍类型;
功能对比分析单元S540,用于基于节点感知觉峰时效应特征、节点感知觉级联特征和感知觉功能评价指数,将待检测对象与健康人群和功能障碍人群进行对比分析,识别待检测对象的感知觉神经系统通路的障碍状态级别和康复治疗进展;
报告生成输出单元S550,用于根据感知觉神经系统通路的通路完整程度、障碍部位节点、功能障碍类型、障碍状态级别和康复治疗进展,生成基于待检测对象的感知觉神经通路多级联检测量化报告,并向待检测对象或系统用户进行输出。
数据存储展示模块S600包括以下功能单元:
数据可视化展示单元S610,用于系统的全部数据的可视化展示;
数据存储管理单元S620,用于系统的全部数据的统一存储和数据管理。
如图3所示,本发明实施例提供的一种感知觉神经通路多级联检测量化的装置,包括如下模组:
可视化界面M100,用于提供可视化操作界面,待检测对象的基本信息的编辑和管理,感知觉功能检测量化方案的编辑和管理,检测时序提示和检测过程执行管理,数据可视化展现和数据可视化管理;
信号采集器M200,用于连接多个生理信号采集设备或传感器,采集获取待检测对象的多级生理状态信号;
数据处理器M300,用于对所述多级生理状态信号进行多模信号分析处理,生成多级感知觉生理信号数据;根据检测时序提示和刺激操作的时点,对多级感知觉生理信号数据进行感知觉时效区间特征提取处理,生成多级感知觉时效区间状态特征;对多级感知觉时效区间状态特征进行量化处理,生成响应特征量化的第一数据集、峰时效应特征量化的第二数据集、级联特征量化的第三数据集以及功能指数量化的第四数据集,由第一数据集、第二数据集、第三数据集和第四数据集组成感知觉神经通路多级联检测量化的结果数据集;对结果数据集进行量化分析,并结合预先构建的感知觉功能指标对照数据库,生成待检测对象的感知觉神经通路多级联检测量化报告;
数据存储器M400,用于记录和存储全部的过程数据。
本发明还提供了可编程的各类处理器(FPGA、ASIC或其他集成电路),上述处理器用于运行程序,其中,上述程序运行时执行实施例中的步骤。
本发明还提供了对应的计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,上述存储器执行上述程序时执行实施例中的步骤。
虽然本发明所揭露的实施方式如上,但上述的 内容仅为便于理解本发明而采用的实施方式,并非用以限定本发明。任何本发明所属领域内的技术人员,在不脱离本发明所揭露的精神和原则的前提下,可以在实施的形式及细节上进行任何的修改与变化、等同替换等,这些都属于本发明的保护范围。因此,本发明的专利保护范围,仍须以所附的权利要求书所界定的范围为准。
Claims (80)
1.一种感知觉神经通路多级联检测量化的方法,其特征在于,所述方法包括:
基于预先设置的检测时序提示和刺激操作,连续采集待检测对象在不同感知觉检测阶段的多级生理状态信号,生成多级感知觉时效区间状态特征;
对所述多级感知觉时效区间状态特征进行量化处理,生成响应特征量化的第一数据集、峰时效应特征量化的第二数据集、级联特征量化的第三数据集以及功能指数量化的第四数据集,由所述第一数据集、所述第二数据集、所述第三数据集和所述第四数据集组成感知觉神经通路多级联检测量化的结果数据集;
对所述结果数据集进行量化分析,并结合预先构建的感知觉功能指标对照数据库,生成所述待检测对象的感知觉神经通路多级联检测量化报告。
2.根据权利要求1所述的感知觉神经通路多级联检测量化的方法,其特征在于,所述基于预先设置的检测时序提示和刺激操作,连续采集待检测对象在不同感知觉检测阶段的多级生理状态信号,生成多级感知觉时效区间状态特征的步骤包括:
根据所述待检测对象的基本信息,设计并确定感知觉功能检测量化方案并启动检测;
根据所述感知觉功能检测量化方案中预先设置的检测时序提示和刺激操作,连续采集所述待检测对象在不同感知觉检测阶段的多级生理状态信号并进行多模信号分析处理,生成多级感知觉生理信号数据;
根据所述检测时序提示和所述刺激操作的时点,对所述多级感知觉生理信号数据进行感知觉时效区间特征提取处理,生成多级感知觉时效区间状态特征。
3.根据权利要求2所述的感知觉神经通路多级联检测量化的方法,其特征在于,所述多级生理状态信号至少包括感觉上行通路第一目标部位的第一生理数字信号、脊髓感觉上行节段第二目标部位的第二生理数字信号、自主神经功能第三目标部位的第三生理数字信号、大脑中枢皮质第四目标部位的第四生理数字信号。
8.根据权利要求7所述的感知觉神经通路多级联检测量化的方法,其特征在于,所述感知觉功能检测量化方案至少包括检测方案名称、检测目的目标、检测目标部位、感觉刺激方式、刺激强度队列、刺激持续时长、检测间隔时间、检测时序提示;其中,所述感觉刺激方式至少包括温度刺激、湿觉刺激、痛觉刺激和触觉刺激,所述刺激强度队列至少包括温度刺激强度队列、湿度刺激强度队列、痛觉刺激强度队列和触觉刺激强度队列。
9.根据权利要求8所述的感知觉神经通路多级联检测量化的方法,其特征在于,所述刺激持续时长根据所述感觉刺激方式和所述刺激强度队列确定。
10.根据权利要求9所述的感知觉神经通路多级联检测量化的方法,其特征在于,所述检测间隔时间根据所述感觉刺激方式和所述刺激强度队列确定。
11.根据权利要求10所述的感知觉神经通路多级联检测量化的方法,其特征在于,所述目标刺激部位至少包括四肢、躯干,根据所述感知觉功能检测量化方案中的所述检测目的目标、所述检测目标部位和所述感觉刺激方式确定。
12.根据权利要求11所述的感知觉神经通路多级联检测量化的方法,其特征在于,所述检测时序提示是根据所述检测目的目标确定,通过图片、语音、音频方式向所述待检测对象提示检测开始、刺激预备、刺激开始和刺激强度及刺激时长、刺激结束、检测结束,激发所述待检测对象对检测或刺激的心理认知过程并形成知觉效应。
13.根据权利要求12所述的感知觉神经通路多级联检测量化的方法,其特征在于,所述检测时序提示至少包括检测开始提示、刺激预备提示、刺激开始和刺激强度及刺激时长提示、刺激结束提示和检测结束提示。
14.根据权利要求13所述的感知觉神经通路多级联检测量化的方法,其特征在于,所述多模信号分析处理至少包括数字信号预处理、信号矫正处理和信号融合处理;其中,所述数字信号预处理至少包括A/D数模转换、重采样、重参考、降噪、去伪迹、工频陷波、低通滤波、高通滤波、带阻滤波和带通滤波;所述信号矫正处理具体为对所述多级生理状态信号中的包含伪迹或失真的信号数据片段进行信号矫正及预测平滑处理;所述信号融合处理是对所述多级生理状态信号中同一部位的、同一信号类型的、多通道的、同一强度等级刺激的生理数字信号进行数字信号融合。
15.根据权利要求14所述的感知觉神经通路多级联检测量化的方法,其特征在于,所述数字信号融合至少包括提取平均叠加、加权叠加、最大振幅序列、最小方差序列、最小变异系数序列、最大变异系数序列中的任意一信号。
16.根据权利要求15所述的感知觉神经通路多级联检测量化的方法,其特征在于,所述感知觉时效区间特征提取处理至少包括感知觉时效区间划分、感知觉时效区间信号分割和感知觉时效区间特征提取。
17.根据权利要求16所述的感知觉神经通路多级联检测量化的方法,其特征在于,所述感知觉时效区间至少包括静息基线时效区间、感知觉预备时效区间、感知觉过程时效区间、感知觉归基时效区间、检测间歇期。
18.根据权利要求17所述的感知觉神经通路多级联检测量化的方法,其特征在于,所述感知觉过程时效区间至少包括肌感觉上行过程区间、脊感觉上行过程区间、自主神经感知过程区间、脑中枢感知过程区间;其中,所述过程区间至少包括神经电生理观察区间、血液动力学观察区间、动态代谢生理观察区间。
19.根据权利要求18所述的感知觉神经通路多级联检测量化的方法,其特征在于,所述感知觉时效区间信号分割具体为根据所述感知觉时效区间、所述感知觉过程时效区间和所述过程区间,对所述多级感知觉生理信号数据进行区间信号截取和提取。
21.根据权利要求20所述的感知觉神经通路多级联检测量化的方法,其特征在于,所述信号区间特征至少包括区间数值特征、区间功率谱特征、区间包络特征和区间非线性特征;其中,所述区间数值特征至少包括平均值、均方根、最大值、最小值、方差、标准差、变异系数、峰度和偏度;所述区间功率谱特征至少包括总功率、特征频带功率、特征频带功率占比、特征频带中心频率;所述区间包络特征至少包括原始信号、包络信号、归一化包络信号、包络均值、包络均方根、包络最大值、包络最小值、包络方差、包络标准差、包络变异系数、包络峰度和包络偏度。
22.根据权利要求21所述的感知觉神经通路多级联检测量化的方法,其特征在于,所述区间非线性特征至少包括熵特征、分形特征和复杂度特征;
其中,所述熵特征至少包括样本熵、近似熵、模糊熵、排列熵、多尺度熵、奇异值分解熵、小波熵、谱熵、香农熵、范围熵和香农熵;
所述分形特征至少包括Higuchi分形维数、Katz分形维数、彼得罗相分形维数、Sevcik分形维数、标准化长度密度、去趋势分析指数、Hurst指数;
所述复杂度特征至少包括关联维数、最大嵌入维数、Kolmogorov熵、李雅普诺夫指数、Lempel-Ziv复杂度、Hjorth复杂性、Hjorth移动性、Fisher信息。
23.根据权利要求22所述的感知觉神经通路多级联检测量化的方法,其特征在于,所述对所述多级感知觉时效区间状态特征进行量化处理的步骤包括,对所述多级感知觉时效区间状态特征进行量化特征选择、表征特征分析和关联特征分析,得到节点感知觉量化特征、节点感知觉峰时效应特征、节点感知觉级联特征和感知觉功能评价指数。
24.根据权利要求23所述的感知觉神经通路多级联检测量化的方法,其特征在于,所述量化特征选择具体为选择或指定所述多级感知觉时效区间状态特征中的区间特征作为感知觉神经通路相关功能量化处理的数据来源,至少包含一个神经电生理特征、一个血液动力学特征和一个动态代谢动力学特征。
25.根据权利要求24所述的感知觉神经通路多级联检测量化的方法,其特征在于,所述节点感知觉量化特征至少包括节点感知觉功能量化特征、节点感知觉功能响应特征、感知觉功能效应特征。
26.根据权利要求25所述的感知觉神经通路多级联检测量化的方法,其特征在于,所述节点感知觉功能量化特征至少包括肌感觉上行功能量化特征、脊感觉上行功能量化特征、自主神经感知功能量化特征、脑中枢感知功能量化特征。
28.根据权利要求27所述的感知觉神经通路多级联检测量化的方法,其特征在于,所述量化特征包括由不同部位的、不同强度等级刺激下的、不同感知觉时效区间的、不同生理数字信号的、多个感知觉时效区间特征组成的量化曲线。
29.根据权利要求28所述的感知觉神经通路多级联检测量化的方法,其特征在于,所述节点感知觉功能响应特征至少包括节点感知觉功能响应指数集、节点感知觉功能响应指数曲线集。
30.根据权利要求29所述的感知觉神经通路多级联检测量化的方法,其特征在于,所述节点感知觉功能响应指数集至少包括肌感觉上行功能响应指数、脊感觉上行功能响应指数、自主神经感知功能响应指数、脑中枢感知功能响应指数。
31.根据权利要求30所述的感知觉神经通路多级联检测量化的方法,其特征在于,所述节点感知觉功能响应指数曲线集至少包括肌感觉上行功能响应指数曲线、脊感觉上行功能响应指数曲线、自主神经感知功能响应指数曲线、脑中枢感知功能响应指数曲线。
32.根据权利要求31所述的感知觉神经通路多级联检测量化的方法,其特征在于,所述感知觉功能效应特征至少包括感知觉完全效应指数集、感知觉完全效应指数曲线集。
33.根据权利要求32所述的感知觉神经通路多级联检测量化的方法,其特征在于,所述感知觉完全效应指数集至少包括感知觉预备完全效应指数、感知觉过程完全效应指数、感知觉归基完全效应指数、感知觉总体完全效应指数。
34.根据权利要求33所述的感知觉神经通路多级联检测量化的方法,其特征在于,所述感知觉完全效应指数曲线集至少包括感知觉预备完全效应指数曲线、感知觉过程完全效应指数曲线、感知觉归基完全效应指数曲线、感知觉总体完全效应指数曲线。
35.根据权利要求34所述的感知觉神经通路多级联检测量化的方法,其特征在于,所述节点感知觉峰时效应特征至少包括节点感知觉响应峰数值序列、节点感知觉响应峰延时序列、节点感知觉响应峰时效应序列、节点感知觉峰时效应指数、节点感知觉峰时效应指数曲线。
36.根据权利要求35所述的感知觉神经通路多级联检测量化的方法,其特征在于,所述节点感知觉级联特征至少包括感知觉通路级联量化特征集、感知觉通路级联指数集、感知觉通路级联曲线集。
37.根据权利要求36所述的感知觉神经通路多级联检测量化的方法,其特征在于,所述感知觉通路级联量化特征集至少包括肌-脊级联量化特征、肌-脑级联量化特征、肌-自级联量化特征、脊-脑级联量化特征、脊-自级联量化特征、脑-自级联量化特征。
38.根据权利要求37所述的感知觉神经通路多级联检测量化的方法,其特征在于,所述级联量化特征至少包括:
一个神经电生理特征和一个神经电生理特征的级联相关系数;一个血液动力学特征和一个血液动力学特征的级联相关系数;一个动态代谢动力学特征和一个动态代谢动力学特征的级联相关系数;一个神经电生理特征和一个血液动力学特征的级联相关系数;一个神经电生理特征和一个动态代谢动力学特征的级联相关系数;一个血液动力学特征和一个动态代谢动力学特征的级联相关系数。
39.根据权利要求38所述的感知觉神经通路多级联检测量化的方法,其特征在于,所述感知觉通路级联指数集至少包括肌-脊级联指数、肌-脑级联指数、肌-自级联指数、脊-脑级联指数、脊-自级联指数、脑-自级联指数。
40.根据权利要求39所述的感知觉神经通路多级联检测量化的方法,其特征在于,所述感知觉通路级联指数曲线集至少包括肌-脊级联指数曲线、肌-脑级联指数曲线、肌-自级联指数曲线、脊-脑级联指数曲线、脊-自级联指数曲线、脑-自级联指数曲线。
41.根据权利要求40所述的感知觉神经通路多级联检测量化的方法,其特征在于,所述感知觉功能评价指数至少包括感知觉功能综合评价系数、感知觉功能综合评价系数曲线、感知觉功能综合评价指数。
42.根据权利要求41所述的感知觉神经通路多级联检测量化的方法,其特征在于,所述生成响应特征量化的第一数据集的步骤包括分别计算出所述肌感觉上行功能响应指数和所述肌感觉上行功能响应指数曲线、所述脊感觉上行功能响应指数和所述脊感觉上行功能响应指数曲线、所述自主神经感知功能响应指数和所述自主神经感知功能响应指数曲线、所述脑中枢感知功能响应指数和所述脑中枢感知功能响应指数曲线、所述感知觉预备完全效应指数和所述感知觉预备完全效应指数曲线、所述感知觉过程完全效应指数和所述感知觉过程完全效应指数曲线、所述感知觉归基完全效应指数和所述感知觉归基完全效应指数曲线、所述感知觉总体完全效应指数和所述感知觉总体完全效应指数曲线。
43.根据权利要求42所述的感知觉神经通路多级联检测量化的方法,其特征在于,所述肌感觉上行功能响应指数和所述肌感觉上行功能响应指数曲线的计算步骤具体为:
从所述多级感知觉时效区间状态特征中,提取感觉上行通路所述第一目标部位、不同强度等级刺激下的、不同生理数字信号的、所述静息基线时效区间和所述肌感觉上行过程区间的区间状态特征,经所述量化特征选择,生成肌感觉上行过程区间状态特征集;
依次对所述肌感觉上行过程区间状态特征集中的、同一强度等级刺激下的每个区间状态特征进行特征相对变化量计算,生成肌感觉上行过程区间状态特征相对变化量集;
对所述肌感觉上行过程区间状态特征集和所述肌感觉上行过程区间状态特征相对变化量集中的多特征参数进行特征融合加权计算,得到当前强度等级刺激下的所述肌感觉上行功能响应指数;
计算得到全部强度等级刺激下的所述肌感觉上行功能响应指数,生成所述肌感觉上行功能响应指数曲线。
44.根据权利要求43所述的感知觉神经通路多级联检测量化的方法,其特征在于,所述脊感觉上行功能响应指数和所述脊感觉上行功能响应指数曲线的计算步骤具体为:
从所述多级感知觉时效区间状态特征中,提取脊髓感觉上行节段所述第二目标部位、不同强度等级刺激下的、不同生理数字信号的、所述静息基线时效区间和所述脊感觉上行过程区间的区间状态特征,经所述量化特征选择,生成脊感觉上行过程区间状态特征集;
依次对所述脊感觉上行过程区间状态特征集中的、同一强度等级刺激下的每个区间状态特征进行特征相对变化量计算,生成脊感觉上行过程区间状态特征相对变化量集;
对所述脊感觉上行过程区间状态特征集和所述脊感觉上行过程区间状态特征相对变化量集中的多特征参数进行特征融合加权计算,得到当前强度等级刺激下的所述脊感觉上行功能响应指数;
计算得到全部强度等级刺激下的所述脊感觉上行功能响应指数,生成所述脊感觉上行功能响应指数曲线。
45.根据权利要求44所述的感知觉神经通路多级联检测量化的方法,其特征在于,所述自主神经感知功能响应指数和所述自主神经感知功能响应指数曲线的计算步骤具体为:
从所述多级感知觉时效区间状态特征中,提取自主神经功能所述第三目标部位、不同强度等级刺激下的、不同生理数字信号的、所述静息基线时效区间和所述自主神经感知过程区间的区间状态特征,经所述量化特征选择,生成自主神经感知过程区间状态特征集;
依次对所述自主神经感知过程区间状态特征集中的、同一强度等级刺激下的每个区间状态特征进行特征相对变化量计算,生成自主神经感知过程区间状态特征相对变化量集;
对所述自主神经感知过程区间状态特征集和所述自主神经感知过程区间状态特征相对变化量集中的多特征参数进行特征融合加权计算,得到当前强度等级刺激下的所述自主神经感知功能响应指数;
计算得到全部强度等级刺激下的所述自主神经感知功能响应指数,生成所述自主神经感知功能响应指数曲线。
46.根据权利要求45所述的感知觉神经通路多级联检测量化的方法,其特征在于,所述脑中枢感知功能响应指数和所述脑中枢感知功能响应指数曲线的计算步骤具体为:
从所述多级感知觉时效区间状态特征中,提取大脑中枢皮质所述第四目标部位、不同强度等级刺激下的、不同生理数字信号的、所述静息基线时效区间和所述脑中枢感知过程区间的区间状态特征,经所述量化特征选择,生成脑中枢感知过程区间状态特征集;
依次对所述脑中枢感知过程区间状态特征集中的、同一强度等级刺激下的每个区间状态特征进行特征相对变化量计算,生成脑中枢感知过程区间状态特征相对变化量集;
对所述脑中枢感知过程区间状态特征集和所述脑中枢感知过程区间状态特征相对变化量集中的多特征参数进行特征融合加权计算,得到当前强度等级刺激下的所述脑中枢感知功能响应指数;
计算得到全部强度等级刺激下的所述脑中枢感知功能响应指数,生成所述脑中枢感知功能响应指数曲线。
47.根据权利要求46所述的感知觉神经通路多级联检测量化的方法,其特征在于,所述感知觉预备完全效应指数和所述感知觉预备完全效应指数曲线的计算步骤具体为:
从所述多级感知觉时效区间状态特征中,提取感觉上行通路所述第一目标部位、脊髓感觉上行节段所述第二目标部位、自主神经功能所述第三目标部位、大脑中枢皮质所述第四目标部位、不同强度等级刺激下的、不同生理数字信号的、所述静息基线时效区间和所述感知觉预备时效区间的区间状态特征,经所述量化特征选择,生成感知觉预备时效区间状态对照特征集;
依次对所述感知觉预备时效区间状态对照特征集中的、同一强度等级刺激下的每个区间状态特征进行特征相对变化量计算,生成感知觉预备时效区间状态特征相对变化量集;
对所述感知觉预备时效区间状态特征相对变化量集中的多参数进行特征融合加权计算,得到当前强度等级刺激下的所述感知觉预备完全效应指数;
计算得到全部强度等级刺激下的所述感知觉预备完全效应指数,生成所述感知觉预备完全效应指数曲线。
48.根据权利要求47所述的感知觉神经通路多级联检测量化的方法,其特征在于,所述感知觉过程完全效应指数和所述感知觉过程完全效应指数曲线的计算步骤具体为:
从所述多级感知觉时效区间状态特征中,提取感觉上行通路所述第一目标部位、脊髓感觉上行节段所述第二目标部位、自主神经功能所述第三目标部位、大脑中枢皮质所述第四目标部位、不同强度等级刺激下的、不同生理数字信号的、所述静息基线时效区间和所述感知觉过程时效区间的区间状态特征,经所述量化特征选择,生成感知觉过程时效区间状态对照特征集;
依次对所述感知觉过程时效区间状态对照特征集中的、同一强度等级刺激下的每个区间状态特征进行特征相对变化量计算,生成感知觉过程时效区间状态特征相对变化量集;
对所述感知觉过程时效区间状态特征相对变化量集中的多参数进行特征融合加权计算,得到当前强度等级刺激下的所述感知觉过程完全效应指数;
计算得到全部强度等级刺激下的所述感知觉过程完全效应指数,生成所述感知觉过程完全效应指数曲线。
49.根据权利要求48所述的感知觉神经通路多级联检测量化的方法,其特征在于,所述感知觉归基完全效应指数和所述感知觉归基完全效应指数曲线的计算步骤具体为:
从所述多级感知觉时效区间状态特征中,提取感觉上行通路所述第一目标部位、脊髓感觉上行节段所述第二目标部位、自主神经功能所述第三目标部位、大脑中枢皮质所述第四目标部位、不同强度等级刺激下的、不同生理数字信号的、所述静息基线时效区间和所述感知觉归基时效区间的区间状态特征,经所述量化特征选择,生成感知觉归基时效区间状态对照特征集;
依次对所述感知觉归基时效区间状态对照特征集中的、同一强度等级刺激下的每个区间状态特征进行特征相对变化量计算,生成感知觉归基时效区间状态特征相对变化量集;
对所述感知觉归基时效区间状态特征相对变化量集中的多参数进行特征融合加权计算,得到当前强度等级刺激下的所述感知觉归基完全效应指数;
计算得到全部强度等级刺激下的所述感知觉归基完全效应指数,生成所述感知觉归基完全效应指数曲线。
50.根据权利要求49所述的感知觉神经通路多级联检测量化的方法,其特征在于,所述感知觉总体完全效应指数和所述感知觉总体完全效应指数曲线的计算步骤具体为:
依次计算得到所述感知觉预备完全效应指数曲线、所述感知觉过程完全效应指数曲线和所述感知觉归基完全效应指数曲线;
对同一强度等级刺激下的所述感知觉预备完全效应指数、所述感知觉过程完全效应指数和所述感知觉归基完全效应指数进行特征融合加权计算,得到当前强度等级刺激下的所述感知觉总体完全效应指数;
计算得到全部强度等级刺激下的所述感知觉总体完全效应指数,生成所述感知觉总体完全效应指数曲线。
52.根据权利要求51所述的感知觉神经通路多级联检测量化的方法,其特征在于,生成峰时效应特征量化的第二数据集的步骤包括分别计算出所述节点感知觉响应峰数值序列和所述节点感知觉响应峰延时序列、所述节点感知觉响应峰时效应序列、所述节点感知觉峰时效应指数和所述节点感知觉峰时效应指数曲线。
53.根据权利要求52所述的感知觉神经通路多级联检测量化的方法,其特征在于,所述节点感知觉响应峰数值序列和所述节点感知觉响应峰延时序列的计算步骤具体为:
从所述多级感知觉时效区间状态特征中,提取所述第一目标部位的所述肌感觉上行过程区间的、所述第二目标部位的所述脊感觉上行过程区间的、所述第三目标部位的所述自主神经感知过程区间的、所述第四目标部位的所述脑中枢感知过程区间的、不同强度等级刺激下的、不同生理数字信号的、所述感知觉区间状态特征中的所述区间包络特征中的包络信号,经所述量化特征选择,生成生理数字信号包络特征集;
依次计算得到所述第一目标部位的所述肌感觉上行过程区间的、所述第二目标部位的所述脊感觉上行过程区间的、所述第三目标部位的所述自主神经感知过程区间的、所述第四目标部位的所述脑中枢感知过程区间的、同一强度等级刺激下的、不同生理数字信号的包络信号的最大值和最大值对应的索引时间,得到最大值索引时间序列,生成所述节点感知觉响应峰数值序列;
根据所述最大值索引时间序列,结合刺激开始时点和刺激结束时点计算相对时间,生成所述节点感知觉响应峰延时序列。
54.根据权利要求53所述的感知觉神经通路多级联检测量化的方法,其特征在于,所述节点感知觉响应峰时效应序列、所述节点感知觉峰时效应指数和所述节点感知觉峰时效应指数曲线的计算步骤具体为:
从所述多级感知觉时效区间状态特征中,提取所述第一目标部位的所述肌感觉上行过程区间的、所述第二目标部位的所述脊感觉上行过程区间、所述第三目标部位的所述自主神经感知过程区间的、所述第四目标部位的所述脑中枢感知过程区间的、不同强度等级刺激下的、不同生理数字信号的、全部所述感知觉时效区间的、所述感知觉区间状态特征中的所述区间包络特征中的包络信号,经所述量化特征选择,生成生理数字信号包络特征集;
计算得到同一强度等级刺激下的所述节点感知觉响应峰数值序列和所述节点感知觉响应峰延时序列,经峰时效应值计算,生成所述节点感知觉响应峰时效应序列;
对所述节点感知觉响应峰时效应序列中多个峰时效应值的进行特征融合加权计算,生成当前强度等级刺激下的所述节点感知觉峰时效应指数;
计算得到全部强度等级刺激下的所述节点感知觉峰时效应指数,生成所述节点感知觉峰时效应指数曲线。
56.根据权利要求55所述的感知觉神经通路多级联检测量化的方法,其特征在于,生成级联特征量化的第三数据集的步骤包括分别计算出所述肌-脊级联量化特征、所述肌-脊级联指数和所述肌-脊级联指数曲线、所述肌-脑级联量化特征、所述肌-脑级联指数和所述肌-脑级联指数曲线、所述肌-自级联量化特征、所述肌-自级联指数和所述肌-自级联指数曲线、所述脊-脑级联量化特征、所述脊-脑级联指数和所述脊-脑级联指数曲线、所述脊-自级联量化特征、所述脊-自级联指数和所述脊-自级联指数曲线、所述脑-自级联量化特征、所述脑-自级联指数和所述脑-自级联指数曲线。
57.根据权利要求56所述的感知觉神经通路多级联检测量化的方法,其特征在于,所述肌-脊级联量化特征、所述肌-脊级联指数和所述肌-脊级联指数曲线的计算步骤具体为:
从所述多级感知觉时效区间状态特征中,分别提取不同强度等级刺激下的、不同生理数字信号的、感觉上行通路所述第一目标部位的所述肌感觉上行过程区间和脊髓感觉上行节段所述第二目标部位的所述脊感觉上行过程区间的、所述区间包络特征中的包络信号,经所述量化特征选择,分别生成肌感觉上行生理数字包络信号集和脊感觉上行生理数字包络信号集;
分别对所述肌感觉上行生理数字包络信号集和所述脊感觉上行生理数字包络信号集中的包络信号进行去基线均值化处理,分别生成肌感觉上行生理数字相对包络信号集和脊感觉上行生理数字相对包络信号集;
依次计算同一强度等级刺激下的、所述肌感觉上行生理数字相对包络信号集中一包络信号和所述脊感觉上行生理数字相对包络信号集中一包络信号的关系特征,生成所述肌-脊级联量化特征;
对所述肌-脊级联量化特征中的多个级联特征值进行特征融合加权计算,得到当前强度等级刺激下的所述肌-脊级联指数;
计算得到全部强度等级刺激下的所述肌-脊级联指数,生成所述肌-脊级联指数曲线。
58.根据权利要求57所述的感知觉神经通路多级联检测量化的方法,其特征在于,所述肌-脑级联量化特征、所述肌-脑级联指数和所述肌-脑级联指数曲线的计算步骤具体为:
从所述多级感知觉时效区间状态特征中,分别提取不同强度等级刺激下的、不同生理数字信号的、感觉上行通路所述第一目标部位的所述肌感觉上行过程区间和大脑中枢皮质所述第四目标部位的所述脑中枢感知过程区间、所述区间包络特征中的包络信号,经所述量化特征选择,分别生成肌感觉上行生理数字包络信号集和脑中枢感知生理数字包络信号集;
分别对所述肌感觉上行生理数字包络信号集和所述脑中枢感知生理数字包络信号集中的包络信号进行去基线均值化处理,分别生成肌感觉上行生理数字相对包络信号集和脑中枢感知生理数字相对包络信号集;
依次计算同一强度等级刺激下的、所述肌感觉上行生理数字相对包络信号集中一包络信号和所述脑中枢感知生理数字相对包络信号集中一包络信号的关系特征,生成所述肌-脑级联量化特征;
对所述肌-脑级联量化特征中的多个级联特征值进行特征融合加权计算,得到当前强度等级刺激下的所述肌-脑级联指数;
计算得到全部强度等级刺激下的所述肌-脑级联指数,生成所述肌-脑级联指数曲线。
59.根据权利要求58所述的感知觉神经通路多级联检测量化的方法,其特征在于,所述肌-自级联量化特征、所述肌-自级联指数和所述肌-自级联指数曲线的计算步骤具体为:
从所述多级感知觉时效区间状态特征中,分别提取不同强度等级刺激下的、不同生理数字信号的、感觉上行通路所述第一目标部位的所述肌感觉上行过程区间和主神经功能所述第三目标部位的所述主神经功感知时效区间的、所述区间包络特征中的包络信号,经所述量化特征选择,分别生成肌感觉上行生理数字包络信号集和主神经功感知生理数字包络信号集;
分别对所述肌感觉上行生理数字包络信号集和所述主神经功感知生理数字包络信号集中的包络信号进行去基线均值化处理,分别生成肌感觉上行生理数字相对包络信号集和主神经功感知生理数字相对包络信号集;
依次计算同一强度等级刺激下的、所述肌感觉上行生理数字相对包络信号集中一包络信号和所述主神经功感知生理数字相对包络信号集中一包络信号的关系特征,生成所述肌-自级联量化特征;
对所述肌-自级联量化特征中的多个级联特征值进行特征融合加权计算,得到当前强度等级刺激下的所述肌-自级联指数;
计算得到全部强度等级刺激下的所述肌-自级联指数,生成所述肌-自级联指数曲线。
60.根据权利要求59所述的感知觉神经通路多级联检测量化的方法,其特征在于,所述脊-脑级联量化特征、所述脊-脑级联指数和所述脊-脑级联指数曲线的计算步骤具体为:
从所述多级感知觉时效区间状态特征中,分别提取不同强度等级刺激下的、不同生理数字信号的、脊髓感觉上行节段所述第二目标部位的所述脊感觉上行过程区间和大脑中枢皮质所述第四目标部位的所述脑中枢感知过程区间、所述区间包络特征中的包络信号,经所述量化特征选择,分别生成脊感觉上行生理数字包络信号集和脑中枢感知生理数字包络信号集;
分别对所述脊感觉上行生理数字包络信号集和所述脑中枢感知生理数字包络信号集中的包络信号进行去基线均值化处理,分别生成脊感觉上行生理数字相对包络信号集和脑中枢感知生理数字相对包络信号集;
依次计算同一强度等级刺激下的、所述脊感觉上行生理数字相对包络信号集中一包络信号和所述脑中枢感知生理数字相对包络信号集中一包络信号的关系特征,生成所述脊-脑级联量化特征;
对所述脊-脑级联量化特征中的多个级联特征值进行特征融合加权计算,得到当前强度等级刺激下的所述脊-脑级联指数;
计算得到全部强度等级刺激下的所述脊-脑级联指数,生成所述脊-脑级联指数曲线。
61.根据权利要求60所述的感知觉神经通路多级联检测量化的方法,其特征在于,所述脊-自级联量化特征、所述脊-自级联指数和所述脊-自级联指数曲线的计算步骤具体为:
从所述多级感知觉时效区间状态特征中,分别提取不同强度等级刺激下的、不同生理数字信号的、脊髓感觉上行节段所述第二目标部位的所述脊感觉上行过程区间和主神经功能所述第三目标部位的所述主神经功感知时效区间的、所述区间包络特征中的包络信号,经所述量化特征选择,分别生成脊感觉上行生理数字包络信号集和主神经功感知生理数字包络信号集;
分别对所述脊感觉上行生理数字包络信号集和所述主神经功感知生理数字包络信号集中的包络信号进行去基线均值化处理,分别生成脊感觉上行生理数字相对包络信号集和主神经功感知生理数字相对包络信号集;
依次计算同一强度等级刺激下的、所述脊感觉上行生理数字相对包络信号集中一包络信号和所述主神经功感知生理数字相对包络信号集中一包络信号的关系特征,生成所述脊-自级联量化特征;
对所述脊-自级联量化特征中的多个级联特征值进行特征融合加权计算,得到当前强度等级刺激下的所述脊-自级联指数;
计算得到全部强度等级刺激下的所述脊-自级联指数,生成所述脊-自级联指数曲线。
62.根据权利要求61所述的感知觉神经通路多级联检测量化的方法,其特征在于,所述脑-自级联量化特征、所述脑-自级联指数和所述脑-自级联指数曲线的计算步骤具体为:
从所述多级感知觉时效区间状态特征中,分别提取不同强度等级刺激下的、不同生理数字信号的、大脑中枢皮质所述第四目标部位的所述脑中枢感知过程区间和主神经功能所述第三目标部位的所述主神经功感知时效区间的、所述区间包络特征中的包络信号,经所述量化特征选择,分别生成脑中枢感知生理数字包络信号集和主神经功感知生理数字包络信号集;
分别对所述脑中枢感知生理数字包络信号集和所述主神经功感知生理数字包络信号集中的包络信号进行去基线均值化处理,分别生成脑中枢感知生理数字相对包络信号集和主神经功感知生理数字相对包络信号集;
依次计算同一强度等级刺激下的、所述脑中枢感知生理数字相对包络信号集中一包络信号和所述主神经功感知生理数字相对包络信号集中一包络信号的关系特征,生成所述脑-自级联量化特征;
对所述脑-自级联量化特征中的多个级联特征值进行特征融合加权计算,得到当前强度等级刺激下的所述脑-自级联指数;
计算得到全部强度等级刺激下的所述脑-自级联指数,生成所述脑-自级联指数曲线。
64.根据权利要求63所述的感知觉神经通路多级联检测量化的方法,其特征在于,所述关系特征至少包括关联特征和距离特征。
65.根据权利要求64所述的感知觉神经通路多级联检测量化的方法,其特征在于,所述关联特征至少包括相干系数、皮尔逊相关系数、杰卡德相似系数、线性互信息系数、线性相关系数。
67.根据权利要求66所述的感知觉神经通路多级联检测量化的方法,其特征在于,生成功能指数量化的第四数据集的步骤包括计算感知觉功能综合评价系数和所述感知觉功能综合评价系数曲线,具体为:
依次计算得到所述节点感知觉功能响应指数曲线集、所述节点感知觉峰时效应指数曲线和所述感知觉通路级联指数曲线集,生成感知觉功能表征特征集;
从所述感知觉功能表征特征集中,提取同一强度等级刺激下的节点感知觉功能响应指数、节点感知觉峰时效应指数和感知觉通路级联指数,生成感觉功能生理表征指数集;
对感觉功能生理表征指数集中的多个生理表征指数进行特征融合加权计算,生成所述感知觉功能综合评价系数;
计算得到全部强度等级刺激下的所述感知觉功能综合评价系数,生成所述感知觉功能综合评价系数曲线。
68.根据权利要求67所述的感知觉神经通路多级联检测量化的方法,其特征在于,所述感觉功能生理表征指数集至少包括肌感觉上行功能响应指数、脊感觉上行功能响应指数、自主神经感知功能响应指数、脑中枢感知功能响应指数、感知觉预备完全效应指数、感知觉过程完全效应指数、感知觉归基完全效应指数、感知觉总体完全效应指数、肌-脊级联指数、肌-自级联指数、肌-脑级联指数、脊-脑级联指数、脊-自级联指数、脑-自级联指数、节点感知觉峰时效应指数。
69.根据权利要求68所述的感知觉神经通路多级联检测量化的方法,其特征在于,所述感知觉功能综合评价指数的计算方法,如下:
计算得到所述感知觉功能综合评价系数曲线,得到感知觉功能综合评价系数队列;
分析计算所述感知觉功能综合评价系数队列与所述刺激强度队列的关系特征,生成感知觉功能综合表征系数集;
对所述感知觉功能综合表征系数集的多个综合表征系数进行特征融合加权计算,得到所述感知觉功能综合评价指数。
70.根据权利要求69所述的感知觉神经通路多级联检测量化的方法,其特征在于,所述对所述结果数据集进行量化分析,并结合预先构建的感知觉功能指标对照数据库,生成所述待检测对象的感知觉神经通路多级联检测量化报告,还包括如下步骤:
对所述节点感知觉量化特征和所述节点感知觉级联特征进行回归分析,确定所述待检测对象的感知觉神经系统通路的通路完整程度和障碍部位节点;
对所述节点感知觉峰时效应特征和所述节点感知觉级联特征进行交叉分析,识别所述待检测对象的感知觉神经系统通路的功能障碍类型;
通过所述感知觉功能检测量化方案的执行,对健康人群和功能障碍人群的感知觉功能进行检测和量化,得到健康人群和功能障碍人群的所述节点感知觉量化特征、所述节点感知觉峰时效应特征、所述节点感知觉级联特征和所述感知觉功能评价指数,结合健康人群和功能障碍人群的基本信息,预先构建得到所述感知觉功能指标对照数据库;
基于所述感知觉功能指标对照数据库,对比分析所述待检测对象与健康人群和功能障碍人群在所述节点感知觉峰时效应特征、所述节点感知觉级联特征和所述感知觉功能评价指数的差异,识别和确认所述待检测对象的感知觉神经系统通路的障碍状态级别和康复治疗进展;
根据所述感知觉神经系统通路的所述通路完整程度、所述障碍部位节点、所述功能障碍类型、所述障碍状态级别和所述康复治疗进展,生成所述待检测对象的所述感知觉神经通路多级联检测量化报告。
71.一种感知觉神经通路多级联检测量化的系统,其特征在于,所述系统包括如下模块:
检测执行管理模块,用于根据待检测对象的基本信息,编辑、管理和执行感知觉功能检测量化方案;
信号采集处理模块,用于基于预先设置的检测时序提示和刺激操作,连续采集所述待检测对象在不同感知觉检测阶段的多级生理状态信号并进行多模信号分析处理,生成多级感知觉生理信号数据;
状态特征提取模块,用于根据所述检测时序提示和所述刺激操作的时点,对所述多级感知觉生理信号数据进行感知觉时效区间特征提取处理,生成多级感知觉时效区间状态特征;
功能量化处理模块,用于对所述多级感知觉时效区间状态特征进行量化处理,生成响应特征量化的第一数据集、峰时效应特征量化的第二数据集、级联特征量化的第三数据集以及功能指数量化的第四数据集,由所述第一数据集、所述第二数据集、所述第三数据集和所述第四数据集组成感知觉神经通路多级联检测量化的结果数据集;
分析报告处理模块,用于对所述结果数据集进行量化分析,并结合预先构建的感知觉功能指标对照数据库,生成所述待检测对象的感知觉神经通路多级联检测量化报告;
数据存储展示模块,用于所述检测执行管理模块、所述信号采集处理模块、所述状态特征提取模块、所述功能量化处理模块、所述分析报告处理模块中所有过程数据和/或结果数据的可视化展示和统一存储。
72.根据权利要求71所述的感知觉神经通路多级联检测量化的系统,其特征在于,所述检测执行管理模块包括以下功能单元:
检测方案管理单元,用于所述感知觉功能检测量化方案的输入、设置、编辑、删除管理,所述感知觉功能检测量化方案至少包括检测方案名称、检测目的目标、检测目标部位、感觉刺激方式、刺激强度队列、刺激持续时长、检测间隔时间、检测时序提示;
检测时序提示单元,用于根据所述检测目的目标确定,通过图片、语音、音频方式向所述待检测对象提示检测开始、刺激预备、刺激开始和刺激强度及刺激时长、刺激结束、检测结束,激发所述待检测对象对检测或刺激的心理认知过程并形成知觉效应,所述检测时序提示至少包括检测开始提示、刺激预备提示、刺激开始和刺激强度及刺激时长提示、刺激结束提示和检测结束提示;
过程执行跟踪单元,用于跟踪记录每次感知觉检测的开始检测、刺激预备、开始刺激、结束刺激、归基观测、停止检测、检测间隔计时的过程时间节点,启动或结束检测时序提示和刺激操作;
对象信息记录单元,用于编辑、记录和管理所述待检测对象的所述基本信息,所述基本信息至少包括姓名、性别、年龄、身高、体重、血压、健康状况、疾病历史信息和医生诊疗意见。
73.根据权利要求72所述的感知觉神经通路多级联检测量化的系统,其特征在于,所述信号采集处理模块至少包括以下功能单元:
通讯管理模块单元,用于连接生理状态信号采集设备或传感器,获取并记录采集所述设备或传感器的采集参数;
数据采集记录单元,用于从所述生理状态信号采集设备或传感器中实时采集获取所述多级生理状态信号;
信号基础处理单元,用于对所述多级生理状态信号进行数字信号预处理,所述数字信号预处理至少包括A/D数模转换、重采样、重参考、降噪、去伪迹、工频陷波、低通滤波、高通滤波、带阻滤波和带通滤波;
信号矫正处理单元,用于对所述多级生理状态信号中的包含伪迹或失真的信号数据片段进行信号矫正及预测平滑处理;
信号融合处理单元,用于对所述多级生理状态信号中同一部位的、同一信号类型的、多通道的、同一强度等级刺激的生理数字信号进行数字信号融合,生成所述多级感知觉生理信号数据。
74.根据权利要求73所述的感知觉神经通路多级联检测量化的系统,其特征在于,所述状态特征提取模块至少包括以下功能单元:
时效区间划分单元,用于所述多级感知觉生理信号数据进行感知觉时效区间划分,所述感知觉时效区间至少包括静息基线时效区间、感知觉预备时效区间、感知觉过程时效区间、感知觉归基时效区间、检测间歇期;
信号区间分割单元,用于根据所述感知觉时效区间,对所述多级感知觉生理信号数据进行感知觉时效区间信号分割;
数值特征提取单元,用于对感知觉时效区间信号分割后的所述多级感知觉生理信号数据进行区间数值特征提取,所述区间数值特征至少包括平均值、均方根、最大值、最小值、方差、标准差、变异系数、峰度和偏度;
功率谱特征提取单元,用于对感知觉时效区间信号分割后的所述多级感知觉生理信号数据进行区间功率谱特征提取,所述区间功率谱特征至少包括总功率、特征频带功率、特征频带功率占比、特征频带中心频率;
包络特征提取单元,用于对感知觉时效区间信号分割后的所述多级感知觉生理信号数据进行区间包络特征提取,所述区间包络特征至少包括原始信号、包络信号、归一化包络信号、包络均值、包络均方根、包络最大值、包络最小值、包络方差、包络标准差、包络变异系数、包络峰度和包络偏度;
非线性特征提取单元,用于对感知觉时效区间信号分割后的所述多级感知觉生理信号数据进行区间非线性特征提取,所述区间非线性特征至少包括熵特征、分形特征和复杂度特征;
区间特征整合单元,根据所述区间数值特征、所述区间功率谱特征、所述区间包络特征和所述区间非线性特征,整合生成所述多级感知觉时效区间状态特征。
75.根据权利要求74所述的感知觉神经通路多级联检测量化的系统,其特征在于,所述功能量化处理模块包括以下功能单元:
量化特征选择单元,用于选择或指定所述多级感知觉时效区间状态特征中的区间特征作为感知觉神经通路相关功能量化处理的数据来源,至少包含一个神经电生理特征、一个血液动力学特征和一个动态代谢动力学特征;
功能量化图景单元,用于可视化展示节点感知觉功能量化特征,所述节点感知觉功能量化特征至少包括肌感觉上行功能量化特征、脊感觉上行功能量化特征、自主神经感知功能量化特征、脑中枢感知功能量化特征;
功能响应分析单元,用于从所述多级感知觉时效区间状态特征中分析提取节点感知觉功能响应特征,所述节点感知觉功能响应特征至少包括节点感知觉功能响应指数集、节点感知觉功能响应指数曲线集;
功能效应分析单元,用于从所述多级感知觉时效区间状态特征中分析提取感知觉功能效应特征,所述感知觉功能效应特征至少包括感知觉完全效应指数集、感知觉完全效应指数曲线集;
峰时效应分析单元,用于从所述多级感知觉时效区间状态特征中分析提取节点感知觉峰时效应特征,所述节点感知觉峰时效应特征至少包括节点感知觉响应峰数值序列、节点感知觉响应峰延时序列、节点感知觉响应峰时效应序列、节点感知觉峰时效应指数、节点感知觉峰时效应指数曲线;
级联特征图景单元,用于可视化展示感知觉通路级联量化特征集,所述感知觉通路级联量化特征集至少包括肌-脊级联量化特征、肌-脑级联量化特征、肌-自级联量化特征、脊-脑级联量化特征、脊-自级联量化特征、脑-自级联量化特征;
级联特征分析单元,用于从所述多级感知觉时效区间状态特征中分析提取感知觉通路级联特征,所述感知觉通路级联特征至少包括感知觉通路级联指数集、感知觉通路级联曲线集;
评价指数提取单元,用于从所述多级感知觉时效区间状态特征中分析提取感知觉功能评价指数,所述感知觉功能评价指数至少包括感知觉功能综合评价系数、感知觉功能综合评价系数曲线、感知觉功能综合评价指数。
76.根据权利要求75所述的感知觉神经通路多级联检测量化的系统,其特征在于,所述分析报告处理模块至少以下功能单元:
指标对照库单元,用于建立、存储、更新与管理健康人群和感知觉功能障碍人群的基本信息,节点感知觉量化特征、节点感知觉峰时效应特征、节点感知觉级联特征和感知觉功能评价指数构成的感知觉功能指标对照数据库;
功能回归分析单元,用于对所述节点感知觉量化特征和所述节点感知觉级联特征进行回归分析,确定所述待检测对象的感知觉神经系统通路的通路完整程度和障碍部位节点;
功能交叉分析单元,用于对所述节点感知觉峰时效应特征和所述节点感知觉级联特征进行交叉分析,识别所述待检测对象的感知觉神经系统通路的功能障碍类型;
功能对比分析单元,用于基于所述节点感知觉峰时效应特征、所述节点感知觉级联特征和所述感知觉功能评价指数,将所述待检测对象与健康人群和功能障碍人群进行对比分析,识别所述待检测对象的感知觉神经系统通路的障碍状态级别和康复治疗进展;
报告生成输出单元,用于根据感知觉神经系统通路的所述通路完整程度、所述障碍部位节点、所述功能障碍类型、所述障碍状态级别和所述康复治疗进展,生成基于所述待检测对象的感知觉神经通路多级联检测量化报告,并向所述待检测对象或系统用户进行输出。
77.根据权利要求76所述的感知觉神经通路多级联检测量化的系统,其特征在于,所述数据存储展示模块包括以下功能单元:
数据可视化展示单元,用于所述系统的全部数据的可视化展示;
数据存储管理单元,用于所述系统的全部数据的统一存储和数据管理。
78.一种感知觉神经通路多级联检测量化的装置,其特征在于,所述装置包括如下模组:
可视化界面,用于提供可视化操作界面,待检测对象的基本信息的编辑和管理,感知觉功能检测量化方案的编辑和管理,检测时序提示和检测过程执行管理,数据可视化展现和数据可视化管理;
信号采集器,用于连接多个生理信号采集设备或传感器,采集获取所述待检测对象的多级生理状态信号;
数据处理器,用于对所述多级生理状态信号进行多模信号分析处理,生成多级感知觉生理信号数据;根据所述检测时序提示和刺激操作的时点,对所述多级感知觉生理信号数据进行感知觉时效区间特征提取处理,生成多级感知觉时效区间状态特征;对所述多级感知觉时效区间状态特征进行量化处理,生成响应特征量化的第一数据集、峰时效应特征量化的第二数据集、级联特征量化的第三数据集以及功能指数量化的第四数据集,由所述第一数据集、所述第二数据集、所述第三数据集和所述第四数据集组成感知觉神经通路多级联检测量化的结果数据集;对所述结果数据集进行量化分析,并结合预先构建的感知觉功能指标对照数据库,生成所述待检测对象的感知觉神经通路多级联检测量化报告;
数据存储器,用于记录和存储全部的过程数据。
79.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序实现如权利要求1-70任一项所述方法的步骤。
80.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行实现如权利要求1-70任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211429703.7A CN115486819B (zh) | 2022-11-15 | 2022-11-15 | 一种感知觉神经通路多级联检测量化的方法、系统和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211429703.7A CN115486819B (zh) | 2022-11-15 | 2022-11-15 | 一种感知觉神经通路多级联检测量化的方法、系统和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115486819A true CN115486819A (zh) | 2022-12-20 |
CN115486819B CN115486819B (zh) | 2023-03-24 |
Family
ID=85115716
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211429703.7A Active CN115486819B (zh) | 2022-11-15 | 2022-11-15 | 一种感知觉神经通路多级联检测量化的方法、系统和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115486819B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117860207A (zh) * | 2024-03-13 | 2024-04-12 | 长春理工大学 | 基于数据分析的视频非接触测量疼痛识别方法及系统 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030018247A1 (en) * | 2001-06-29 | 2003-01-23 | George Gonzalez | Process for testing and treating aberrant sensory afferents and motors efferents |
CA2709670A1 (en) * | 2010-08-12 | 2012-02-12 | David B. Ross | A method for assessing abnormal sensations in humans |
CN102596143A (zh) * | 2009-08-26 | 2012-07-18 | 堪萨斯大学 | 用于刺激机械感觉神经末梢的装置、系统和方法 |
CN102892351A (zh) * | 2010-05-17 | 2013-01-23 | 朴钟殷 | 神经机能检查装置 |
US20130218029A1 (en) * | 2012-02-16 | 2013-08-22 | Pacesetter, Inc. | System and method for assessing renal artery nerve density |
CN206138166U (zh) * | 2016-07-29 | 2017-05-03 | 丁青艾 | 具有植物神经调节功能的智能血管保护仪 |
US20180127832A1 (en) * | 2009-12-09 | 2018-05-10 | Veracyte, Inc. | Algorithms for Disease Diagnostics |
CN108777171A (zh) * | 2018-06-06 | 2018-11-09 | 姜涵予 | 一种评测感觉状态的方法及装置 |
US20190232046A1 (en) * | 2018-01-30 | 2019-08-01 | Apex Neuro Inc. | Devices and methods for delivering mechanical stimulation to nerve, mechanoreceptor, and cell targets |
CN110974176A (zh) * | 2019-12-20 | 2020-04-10 | 首都医科大学附属北京同仁医院 | 一种咽部感觉神经电流感觉阈值测定方法及设备 |
CN111759300A (zh) * | 2020-06-24 | 2020-10-13 | 中国医学科学院阜外医院 | 神经诊断或治疗设备、心电检测系统和交感神经监测系统及其应用 |
US20220008726A1 (en) * | 2020-07-09 | 2022-01-13 | Medtronic, Inc. | Analyzing ecap signals |
EP4021286A1 (en) * | 2019-08-30 | 2022-07-06 | CJShine Technology Company Ltd. | Real-time pain detection and pain management system |
CN114748080A (zh) * | 2022-06-17 | 2022-07-15 | 安徽星辰智跃科技有限责任公司 | 一种感觉运动功能的检测量化方法和系统 |
CN115299887A (zh) * | 2022-10-10 | 2022-11-08 | 安徽星辰智跃科技有限责任公司 | 一种动态代谢功能的检测量化方法和系统 |
CN115315754A (zh) * | 2020-01-17 | 2022-11-08 | 无限生物制药公司 | 关注药物或该药物的等效物质的适应症的预测方法、预测装置和预测程序 |
-
2022
- 2022-11-15 CN CN202211429703.7A patent/CN115486819B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030018247A1 (en) * | 2001-06-29 | 2003-01-23 | George Gonzalez | Process for testing and treating aberrant sensory afferents and motors efferents |
CN102596143A (zh) * | 2009-08-26 | 2012-07-18 | 堪萨斯大学 | 用于刺激机械感觉神经末梢的装置、系统和方法 |
US20180127832A1 (en) * | 2009-12-09 | 2018-05-10 | Veracyte, Inc. | Algorithms for Disease Diagnostics |
CN102892351A (zh) * | 2010-05-17 | 2013-01-23 | 朴钟殷 | 神经机能检查装置 |
CA2709670A1 (en) * | 2010-08-12 | 2012-02-12 | David B. Ross | A method for assessing abnormal sensations in humans |
US20130218029A1 (en) * | 2012-02-16 | 2013-08-22 | Pacesetter, Inc. | System and method for assessing renal artery nerve density |
CN206138166U (zh) * | 2016-07-29 | 2017-05-03 | 丁青艾 | 具有植物神经调节功能的智能血管保护仪 |
US20190232046A1 (en) * | 2018-01-30 | 2019-08-01 | Apex Neuro Inc. | Devices and methods for delivering mechanical stimulation to nerve, mechanoreceptor, and cell targets |
CN108777171A (zh) * | 2018-06-06 | 2018-11-09 | 姜涵予 | 一种评测感觉状态的方法及装置 |
EP4021286A1 (en) * | 2019-08-30 | 2022-07-06 | CJShine Technology Company Ltd. | Real-time pain detection and pain management system |
CN110974176A (zh) * | 2019-12-20 | 2020-04-10 | 首都医科大学附属北京同仁医院 | 一种咽部感觉神经电流感觉阈值测定方法及设备 |
CN115315754A (zh) * | 2020-01-17 | 2022-11-08 | 无限生物制药公司 | 关注药物或该药物的等效物质的适应症的预测方法、预测装置和预测程序 |
CN111759300A (zh) * | 2020-06-24 | 2020-10-13 | 中国医学科学院阜外医院 | 神经诊断或治疗设备、心电检测系统和交感神经监测系统及其应用 |
US20220008726A1 (en) * | 2020-07-09 | 2022-01-13 | Medtronic, Inc. | Analyzing ecap signals |
CN114748080A (zh) * | 2022-06-17 | 2022-07-15 | 安徽星辰智跃科技有限责任公司 | 一种感觉运动功能的检测量化方法和系统 |
CN115299887A (zh) * | 2022-10-10 | 2022-11-08 | 安徽星辰智跃科技有限责任公司 | 一种动态代谢功能的检测量化方法和系统 |
Non-Patent Citations (4)
Title |
---|
P BOADAS-VAELLO等: "Neuroplasticity of ascending and descending pathways after somatosensory system injury: reviewing knowledge to identify neuropathic pain therapeutic targets", 《SPINAL CORD》 * |
宋颖超: "人脑躯体感觉系统痛觉和触觉信息加工处理的前馈和反馈通路研究", 《中国优秀硕士学位论文全文数据库基础科学辑》 * |
蒋昊翔 等: "痉挛型脑性瘫痪患儿运动感觉传导通路损伤与临床运动功能的相关性研究", 《中华医学会放射学分会第十三届全国磁共振学术大会暨海外华人磁共振2013年会、国际医学磁共振学会论坛》 * |
韩浩: "高颈段椎管肿瘤的临床特点及预后分析", 《中国优秀硕士学位论文全文数据库 医药卫生科技辑》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117860207A (zh) * | 2024-03-13 | 2024-04-12 | 长春理工大学 | 基于数据分析的视频非接触测量疼痛识别方法及系统 |
CN117860207B (zh) * | 2024-03-13 | 2024-05-10 | 长春理工大学 | 基于数据分析的视频非接触测量疼痛识别方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115486819B (zh) | 2023-03-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2017016086A1 (zh) | 基于生理信息的抑郁症评估系统及其评估方法 | |
CN114748080B (zh) | 一种感觉运动功能的检测量化方法和系统 | |
Restrepo-Agudelo et al. | Improving surface EMG burst detection in infrahyoid muscles during swallowing using digital filters and discrete wavelet analysis | |
US20220022809A1 (en) | Systems and methods to detect and treat obstructive sleep apnea and upper airway obstruction | |
Poh | Continuous assessment of epileptic seizures with wrist-worn biosensors | |
CN115251852B (zh) | 一种体温调节功能的检测量化方法和系统 | |
CN115486819B (zh) | 一种感知觉神经通路多级联检测量化的方法、系统和装置 | |
CN114648040A (zh) | 生命体征多生理信号提取、融合分析方法 | |
CN115607802A (zh) | 一种自主神经功能调节及干预的方法、系统和装置 | |
CN115486818B (zh) | 一种运动神经通路检测量化的方法、系统和装置 | |
Desai et al. | Electrodermal activity (EDA) for treatment of neurological and psychiatric disorder patients: a review | |
CN114587288A (zh) | 一种睡眠监测方法、装置以及设备 | |
CN115486820B (zh) | 一种针灸疗效及生理效应检测量化的方法、系统和装置 | |
WO2021054186A1 (ja) | 行動タスク評価システムおよび行動タスク評価方法 | |
Zhang et al. | EEG feature extraction and analysis under drowsy state based on energy and sample entropy | |
CN116369853A (zh) | 一种基于脑机交互技术的嗅觉功能标准化评估装置及方法 | |
Farhan et al. | Linear analysis of ECG data variability to assess the autonomic nervous system in two different body positions | |
CN115969330A (zh) | 一种睡眠情绪活跃水平检测量化的方法、系统和装置 | |
TWI516247B (zh) | 居家式憂鬱傾向生理訊號之情緒分析方法 | |
Robles et al. | Stress detection from surface electromyography using convolutional neural networks | |
CN114903445A (zh) | 一种心脑血管疾病智能监测预警系统 | |
KR20140104662A (ko) | 게임을 이용한 자기 조절능력 측정 방법 | |
Ide et al. | Workplace stress estimation method based on multivariate analysis of physiological indices | |
Aravind et al. | ECG Classification and Arrhythmia Detection Using Wavelet Transform and Convolutional Neural Network | |
US20200229756A1 (en) | System and method for diagnosing sleep disorders |
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 |