CN115500844A - 脑波信号的分析方法、装置、存储介质及电子设备 - Google Patents
脑波信号的分析方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN115500844A CN115500844A CN202211343688.4A CN202211343688A CN115500844A CN 115500844 A CN115500844 A CN 115500844A CN 202211343688 A CN202211343688 A CN 202211343688A CN 115500844 A CN115500844 A CN 115500844A
- Authority
- CN
- China
- Prior art keywords
- brain wave
- wave signals
- analysis result
- detected
- module
- 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 243
- 238000000034 method Methods 0.000 title claims description 42
- 238000004458 analytical method Methods 0.000 claims abstract description 163
- 230000036541 health Effects 0.000 claims abstract description 89
- 230000001575 pathological effect Effects 0.000 claims abstract description 12
- 238000012545 processing Methods 0.000 claims description 44
- 238000007781 pre-processing Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 11
- 230000002159 abnormal effect Effects 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 8
- 230000011218 segmentation Effects 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 5
- 238000012935 Averaging Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 201000010099 disease Diseases 0.000 description 18
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 18
- 238000007726 management method Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 8
- 238000001514 detection method Methods 0.000 description 8
- 230000008520 organization Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000007246 mechanism Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 230000006378 damage Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000011282 treatment Methods 0.000 description 4
- 238000013475 authorization Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 230000006866 deterioration Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000002618 waking effect Effects 0.000 description 3
- 208000024172 Cardiovascular disease Diseases 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 230000001684 chronic effect Effects 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000000284 resting effect Effects 0.000 description 2
- 206010020751 Hypersensitivity Diseases 0.000 description 1
- 208000026935 allergic disease Diseases 0.000 description 1
- 230000007815 allergy Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000004397 blinking Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 208000026106 cerebrovascular disease Diseases 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 230000003920 cognitive function Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000005713 exacerbation Effects 0.000 description 1
- 230000004424 eye movement Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011369 optimal treatment Methods 0.000 description 1
- 230000004962 physiological condition Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or 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
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Pathology (AREA)
- Animal Behavior & Ethology (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychology (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本公开提供了脑波信号的分析方法、装置、存储介质及电子设备,涉及计算机技术领域,尤其涉及车联网领域。具体实现方案为:获取待测对象在多个场景下的脑波信号,其中,多个场景至少包括休息场景和非休息场景;对多个场景下的脑波信号进行联合分析,得到初始分析结果;基于初始分析结果以及待测对象的对象信息对待测对象的健康状况进行分析,得到目标分析结果,其中,对象信息至少包括待测对象的生理信息和病理信息。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及车联网领域,具体涉及脑波信号的分析方法、装置、存储介质及电子设备。
背景技术
随着生活节奏增快、压力增大,许多人面临着慢性心脑血管等疾病的困扰。然而,这类疾病潜伏期长,隐蔽性好,通过日常观察和体验不易发现,而长期的、针对脑部信息的精准跟踪有利于发现上述疾病,以提前干预,降低疾病对人体的伤害。
相关技术中,可通过定期体检或定向体检的方式来检测脑波信号,进而及时发现疾病。但定期体检或定向体检的成本较高,而且,通常并不是实时体检,而是每隔一段时间(例如,半年或一年)才会体检,从而无法及时发现疾病。
另外,相关技术中,还可通过被动治疗的方式来发现病症,并及时干预。然而,当患者发生病痛时,通常患者的疾病已经比较严重,可能错过了最佳的治疗时间。
而且,相关技术中,在分析脑波信号时,通常是在单一场景下分析的,例如,在患者处于休息状态或睡眠状态下采集脑波信号。而其他场景下的脑波信号,在对患者的健康状况进行分析时,也能起到一定的作用。因此,场景单一下的脑波分析无法准确地分析出患者的健康状况。
发明内容
本公开提供了一种脑波信号的分析方法、装置、存储介质及电子设备。
根据本公开的一方面,提供了一种脑波信号的分析方法,包括:获取待测对象在多个场景下的脑波信号,其中,多个场景至少包括休息场景和非休息场景;对多个场景下的脑波信号进行联合分析,得到初始分析结果;基于初始分析结果以及待测对象的对象信息对待测对象的健康状况进行分析,得到目标分析结果,其中,对象信息至少包括待测对象的生理信息和病理信息。
根据本公开的另一方面,还提供了一种脑波信号的分析装置,包括:获取模块,用于获取待测对象在多个场景下的脑波信号,其中,多个场景至少包括休息场景和非休息场景;联合分析模块,用于对多个场景下的脑波信号进行联合分析,得到初始分析结果;健康分析模块,用于基于初始分析结果以及待测对象的对象信息对待测对象的健康状况进行分析,得到目标分析结果,其中,对象信息至少包括待测对象的生理信息和病理信息。
根据本公开的另一方面,还提供了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中,存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行上述的脑波信号的分析方法。
根据本公开的另一方面,还提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,计算机指令用于使计算机执行上述的脑波信号的分析方法。
根据本公开的另一方面,还提供了一种计算机程序产品,包括计算机程序,计算机程序在被处理器执行时实现根据上述的脑波信号的分析方法。
由上述内容可知,本公开采用对多个场景下的脑波信号进行分析的方式来对待测对象的健康状况进行分析。在该过程中,采集到的多个脑波信号是多个场景下的,因此,相较于相关技术中,对单一场景下的脑波信号进行分析的方案,本公开可提升脑波信号分析的全面性,从而提升脑波分析的准确度,进而提升待测对象的健康状况的分析准确度。此外,在本公开中,可在休息场景和非休息场景中进行,无需待测对象去专门的机构进行检查,不仅降低了待测对象的检测成本,还降低了待测对象的负担。另外,在对待测对象的健康状况进行分析时,不仅考虑了对脑波信号的分析结果,还考虑了待测对象的生理信息和病理信息,从而使得健康状况的分析结果更加准确。
由此可见,本公开所提供的方案达到了提升脑波信号分析的全面性的目的,从而实现了提升待测对象的健康状况的分析准确度的效果,进而解决了由于相关技术中脑波信号的采集场景单一,脑波信号不全面所导致的健康状况分析的准确性差的问题。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开实施例的脑波信号的分析方法的流程图;
图2是根据本公开实施例的脑波信号的分析系统的框图;
图3是根据本公开实施例的脑波信号的分析装置的示意图;
图4是用来实现本公开实施例的脑波信号的分析方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
实施例1
根据本公开的一方面,提供了一种脑波信号的分析方法,如图1所示,该方法包括如下步骤:
步骤S102,获取待测对象在多个场景下的脑波信号,其中,多个场景至少包括休息场景和非休息场景。
在步骤S102中,待测对象可以为具有慢性心脑血管等疾病的患者,也可以为非患者。上述的多个场景中的休息场景可以是待测对象处于休息状态的场景,例如,睡眠场景、按摩场景等;上述的非休息场景为待测对象需集中注意力的场景,例如,车辆驾驶场景、工作办公场景、家务劳动场景、体育锻炼场景等。
需要说明的是,在本实施例中,可通过脑波采集装置采集待测对象的脑波信号,其中,不同场景下的脑波采集装置可以不同,例如,在睡眠场景中,脑波采集装置为枕头;而在体育锻炼场景中,脑波采集装置可以为帽子。另外,不同场景下的脑波采集装置也可以相同,例如,在睡眠场景和车辆驾驶场景中,脑波采集装置均为枕头。
此外,还需要说明的是,在本公开所提供的方案中,可以采集待测对象在多个场景下的脑波信号,即采用本公开所提供的方案,待测对象无需到专门的机构进行体检或者脑波检测,可在实际的生活、工作或学习中实时检测脑波信号,对于潜伏期长、隐蔽性强的疾病而言,本公开所提供的方案降低了待测对象的检测成本,还降低了待测对象的负担,避免了相关技术中,脑波信号的采集所存在的时间成本高、经济成本高的问题,也避免了疾病的干预时间的延误。
另外,通过步骤S102,采集到的多个脑波信号是多个场景下的,因此,相较于相关技术中,对单一场景下的脑波信号进行分析的方案,本公开可提升脑波信号分析的全面性,从而提升脑波分析的准确度,进而提升待测对象的健康状况的分析准确度。
步骤S104,对多个场景下的脑波信号进行联合分析,得到初始分析结果。
在步骤S104中,对多个场景下的脑波信号进行联合分析,可以是对多个场景下的脑波信号进行合并处理,得到合并后的脑波信号,然后再对合并后的脑波信号进行分析,以得到初始分析结果。其中,初始分析结果表征待测对象的健康状况是否存在异常,即待测对象是否具有疾病。
需要说明的是,待测对象处于不同的状态时,其对应的脑波信号的组成是不同的,例如,在待测对象处于清醒状态下,脑波信号以高频β波为主;在待测对象处于睡眠状态下,脑波信号以α波、θ波等慢波为主。因此,收集完整的快波和慢波,对于准确、及时诊断定位出病源问题至关重要。即通过对多个场景下的脑波信号进行联合分析,能够提升待测对象的健康状况分析的准确度。
步骤S106,基于初始分析结果以及待测对象的对象信息对待测对象的健康状况进行分析,得到目标分析结果。
在步骤S106中,待测对象的对象信息可以包括待测对象的生理信息和病理信息,其中,生理信息包括但不限于性别、年龄、血型等,病理信息包括但不限于疾病史、过敏史等。另外,上述的目标分析结果表征对待测对象的健康状况进行分析的最终分析结果。
另外,在得到目标分析结果之后,专业的保健机构还可基于上述的目标分析结果来生成健康预警提示信息,以提醒待测对象在健康状况异常时及时就诊;专业的保健机构还可基于上述的目标分析结果来生成干扰策略,从而能够避免疾病的恶化。
需要说明的是,在对待测对象的健康状况进行分析时,不仅考虑了对脑波信号的分析结果,还考虑了待测对象的对象信息,从而使得健康状况的分析结果更加准确。
基于上述步骤S102至步骤S106所限定的方案,可以获知,采用对多个场景下的脑波信号进行分析的方式来对待测对象的健康状况进行分析,通过获取待测对象在多个场景下的脑波信号,并对多个场景下的脑波信号进行联合分析,得到初始分析结果,然后,基于初始分析结果以及待测对象的对象信息对待测对象的健康状况进行分析,得到目标分析结果。其中,多个场景至少包括休息场景和非休息场景,其中,对象信息至少包括待测对象的生理信息和病理信息。
容易注意到的是,在上述过程中,采集到的多个脑波信号是多个场景下的,因此,相较于相关技术中,对单一场景下的脑波信号进行分析的方案,本公开可提升脑波信号分析的全面性,从而提升脑波分析的准确度,进而提升待测对象的健康状况的分析准确度。此外,在本公开中,可在休息场景和非休息场景中进行,无需待测对象去专门的机构进行检查,不仅降低了待测对象的检测成本,还降低了待测对象的负担。另外,在对待测对象的健康状况进行分析时,不仅考虑了对脑波信号的分析结果,还考虑了待测对象的生理信息和病理信息,从而使得健康状况的分析结果更加准确。
由此可见,本公开所提供的方案达到了提升脑波信号分析的全面性的目的,从而实现了提升待测对象的健康状况的分析准确度的效果,进而解决了由于相关技术中脑波信号的采集场景单一,脑波信号不全面所导致的健康状况分析的准确性差的问题。
实施例2
根据本公开的一方面,提供了一种脑波信号的分析方法,在实施例中,对上述实施例1所限定的各个步骤进行详细说明。
在对脑波信号的分析方法的各个步骤进行解释之前,首先介绍下脑波信号的分析系统。如图2所示,图2示出了一种可选的脑波信号的分析系统的框图,该系统可作为实施例1所提供方法的执行主体。由图2可知,该系统包括:数据采集系统、数据加工系统以及数据终端系统。
可选的,由图2可知,数据采集系统包括车辆端采集装置和室内端采集装置,其中,车辆端采集装置基于车座椅头枕,采集日常用车、清醒场景下的快波(即β波),其中,快波主要与待测对象的认知推理以及紧张状态等相关;室内端采集装置基于枕头,采集睡眠、休息场景下的慢波(例如,α波),其中,慢波主要与待测对象的睡眠、潜意识、放松状态等相关。
需要说明的是,上述的车辆端采集装置和室内端采集装置设置有柔性电极片,该柔性电极片内配置干电极,用于脑电波信号的采集。柔性电极片体量小,便携可拆卸、健康安全舒适,安装在车座椅头枕和家用枕头中,干电极具备高敏感导电特性,可采集到μV(微伏)级别信号,但并不干扰影响个体,个体甚至感知不到它的存在。
可选的,数据加工系统用于储存、加工家端数据和车端数据采集的脑波信号。该数据加工系统可实现脑波信号的数据处理以及数据存储功能,该数据加工系统包括数据存储云平台以及数据加工平台。其中,数据存储云平台可通过购买或者租赁公有云来存储数据采集系统所采集到的脑波信号。数据加工平台的主体为EEG(Electroencephalogram,脑电图)脑电处理方式程序,内置自动分析引擎,可定期对采集到的EEG数据进行程式化处理。
可选的,数据终端系统至少包括机构端系统和用户端系统,数据终端系统可以以网页或者应用程序的方式存在,其用于在移动\PC\网页等端口可视化的显示待测对象的健康状况,并可供数据终端系统对应的客户检索查阅。数据终端系统对应的客户群体可以是个人客户,例如,待测对象或者车主个人;数据终端系统对应的客户群体还可以是机构客户,例如,与待测对象签约的保健医院等。其中,不同的客户群体,其可获取数据的权限是不同的,例如,对于用户端客户,其可拥有全部数据权限;而对于机构端客户,其拥有部分数据查阅权限,而且,该部分数据权限与待测对象向该机构端客户开放权限的程度有关。
另外,待测对象可通过用户端系统向机构端系统授权权限,而机构端系统可生成健康预警或者健康管理策略,并将健康预警或者健康管理策略发送至用户端系统,以供用户查阅。
以下结合具体的实施例1的具体方法进行解释说明。
在一种可选的实施例中,脑波信号的分析系统中的数据采集系统执行步骤S102,即数据采集系统获取待测对象在多个场景下的脑波信号。
具体的,数据采集系统通过位于车辆驾驶场景中的目标车辆的第一脑波采集装置,采集待测对象在不同驾驶状态下的第一脑波信号;并通过位于休息场景中的第二脑波采集装置,采集待测对象在休息场景下的第二脑波信号。其中,非休息场景至少包括车辆驾驶场景。
可选的,上述的第一脑波采集装置为车端采集装置,第二脑波采集装置为室内端采集装置,在本实施例中,第一脑波采集装置可以为车辆上的座椅枕头,第二脑波采集装置可以为睡眠枕头。在车座椅头枕和家里的枕头上安装便携脑电波信号采集装置,两端装置联通,车座椅头枕(即第一脑波采集装置)负责采集日常、清醒状态下脑电数据;而家里的枕头(即第二脑波采集装置)采集睡眠、休息状态下脑电数据。两种状态下的生理数据采集都是在日常生活无痛、无干扰地自动采集数据,
另外,上述采集到的第一脑波信号为待测对象在不同驾驶状态下的脑波信号,例如,在急刹车、拐弯、直行、高速行驶等行驶状态下的脑波信号。
需要说明的是,通过采集待测对象应对不同场景时的脑波信号,能够更加准确、全面地获取到脑波信号,进而提升了健康状况分析的准确度。此外,由于在不同场景下均能实时采集到待测对象的脑波信号,待测对象无需进入到专门机构进行检测,不仅降低了脑波信号的采集成本,还降低了待测对象的负担,提升了对脑波信号进行分析的便利性。
在一种可选的实施例中,如图1所示,在获取到待测对象在多个场景下的脑波信号之后,数据加工系统执行步骤S104,即可对多个场景下的脑波信号进行联合分析,得到初始分析结果。
具体的,数据加工系统对第一脑波信号和第二脑波信号进行合并处理,得到合并后的脑波信号,然后,对合并后的脑波信号进行预处理,得到预处理后的脑波信号,并对预处理后的脑波信号进行分析,得到初始分析结果。
可选的,数据加工系统首先将第一脑波信号和第二脑波信号存储在共有云中,以便于后续其他客户端调用该脑波信号。然后,数据加工系统可将一段时间检测到的第一脑波信号和第二脑波信号进行合并处理,例如,数据加工系统自动将上一个或者将当月所有采集到的脑波信号进行合并处理。
在实际应用中,数据采集系统采集到的脑波可能存在瑕疵,例如,采集到的脑波信号中具有噪音。为了提高脑波信号分析的准确度,进而提升待测对象的健康状况分析的准确度,数据加工系统对合并后的脑波信号进行预处理,进而再对预处理后的脑波信号进行分析,即可得到初始分析结果。
需要说明的是,对第一脑波信号和第二脑波信号进行合并处理,能够得到完整的快波和慢波,对于准确、及时诊断定位出病源问题至关重要。而对脑波信号进行预处理,可以避免脑波信号中的瑕疵对脑波分析结果的影响,进而提升待测对象的健康状况分析的准确度,即通过对第一脑波信号和第二脑波信号进行联合分析,能够提升待测对象的健康状况分析的准确度。
在对合并后的脑波信号进行预处理,得到预处理后的脑波信号的过程中,数据加工系统可采用如下步骤对合并后的脑波信号进行预处理:
步骤S1,对合并后的脑波信号进行去噪处理,得到去噪后的脑波信号。
需要说明的是,由于脑波信号的采集场景比较复杂,包括休息场景(例如,卧室)、车辆驾驶场景(如车辆行驶场景、驻车场景),因外部及待测对象自身的生理情况(如高速驾驶时精神较紧张、眨眼等动作)会造成大量噪音,因此,需要过滤掉脑波信号中的噪音,以对合并后的脑波信号进行矫正伪迹处理,例如,矫正眼动伪迹。其中,数据加工系统可采用不同场景所对应的过滤模型,来有针对性地合并后的脑波信号进行去噪处理,例如,使用车辆驾驶场景的过滤模型过滤合并后的脑波信号中的第一脑波信号,使用休息场景的过滤模型过滤合并后的脑波信号中的第二脑波信号。
步骤S2,按照预设时间段对去噪后的脑波信号进行分段处理,得到多个时间段所对应的脑波信号。
在该步骤中,数据加工系统可根据检测检测需求选取适当监测脑电波的时段,如N200、或者P300等。
步骤S3,对多个时间段所对应的脑波信号转换为数字信号,得到转换后的脑波信号。
在该步骤中,数据加工系统可将连续的脑波信号转为数字信号,同时也可排除市电50Hz对脑波信号的干扰。
步骤S4,对转换后的脑波信号进行基线矫正,得到矫正后的脑波信号。
在该步骤中,数据加工系统可选取EEG分段前1/10-1/5过程内的波为基线,并基于该基线对脑波信号进行调整,以消除脑波信号相对于基线的偏离。
步骤S5,对矫正后的脑波信号进行平均化处理,得到预处理后的脑波信号。
在该步骤中,数据加工系统可对待测对象处于睡眠时、清醒用车时2个场景和时段的脑波信号进行叠加平均处理。
需要说明的是,通过上述步骤对脑波信号进行预处理,可以避免脑波信号中的瑕疵对脑波分析结果的影响,进而提升待测对象的健康状况分析的准确度,即通过对第一脑波信号和第二脑波信号进行联合分析,能够提升待测对象的健康状况分析的准确度。
在一种可选的实施例中,如图1所示,在得到初始分析结果之后,脑波信号的分析系统中的数据终端系统执行步骤S106,即数据终端系统基于初始分析结果以及待测对象的对象信息对待测对象的健康状况进行分析,得到目标分析结果。
具体的,数据终端系统发送初始分析结果至预设平台,并获取预设平台对待测对象的对象信息和初始分析结果进行分析的目标分析结果。其中,预设平台为具有待测对象授予的目标权限,目标权限至少包括获取对象信息的权限及初始分析结果的权限。
需要说明的是,上述的预设平台可以为与待测对象签约的保健机构的平台,其中,保健机构所获得的权限必须基于待测对象的授权。而与待测对象签约的保健机构可争取获得待测对象的信任和充分授权,借以收集数据,以便在客户到访诊疗时,能够提供更针对性的高质量服务,以拉高服务水平、收入水平。
可选的,预设平台可获取到的对象信息可以包括但不限于性别、年龄、血型、疾病史、脑认知功能数据(依托于脑电波采集)等信息。另外,待测对象可设定数据传输频率,例如,待测对象可选择每月、每季度、每半年等的方式来向预设平台传输数据。健康状况异常的待测对象还可调高上述数据传输频率至每周、每日,以便能及时、实时跟踪监控健康数据。
需要说明的是,在对待测对象的健康状况进行分析时,不仅考虑了对脑波信号的分析结果,还考虑了待测对象的对象信息,从而使得健康状况的分析结果更加准确。而且,预设平台仅能获取到待测对象授权的数据信息,从而保证的待测对象的数据信息的安全。
进一步的,在目标分析结果表征待测对象的健康状况处于异常状态时,脑波信号的分析系统可获取预设平台基于待测对象的对象信息和初始分析结果所生成的健康管理策略。
可选的,在完成对脑波信号的数据处理的基础上,脑波信号的分析系统结合预设平台已有的待测对象的对象信息,如疾病史、年龄等数据,可生成健康预警或健康管理策略(例如,就诊建议)。如果保健机构读取出某用户数据异常,可以提前为其安排检查或治疗。在此期间信息流转快速闭环,无耽误和阻滞,确保用户健康管理得到最好保障。
需要说明的是,引入专业保健机构的权威病理判断,将脑波信号与待测对象的基础信息结合分析用户的健康状态(即对象信息),进一步提高了健康状况分析的准确度。另外,保健机构可对待测对象的病例提供健康管理策略,从而可避免病情恶化,危害待测对象的生命。
另外,脑波信号的分析系统还可发送初始分析结果和/或健康管理策略至目标终端设备,并在目标终端设备中以可视化形式展示初始分析结果和/或健康管理策略。
需要说明的是,上述的初始分析结果、目标分析结果及健康管理策略均可存储在共有云上,以便于待测对象通过目标终端设备查询,或者保健机构查询。另外,待测对象可通过目标终端设备查询上述的初始分析结果和健康管理策略,从而使待测对象能够及时了解自身的健康状况,并在健康状况异常时,基于健康管理策略自救或者就诊,从而降低疾病的恶化对人体的伤害。
由上述内容可知,本公开所提供的方案可实现健康数据加工及数据管理,精密脑电数据的采集、转化、授权使用等环节,涉及到复杂的数据分析引擎、数据管理办法。该方案中的数据采集可全面的覆盖多场景(睡眠、驾驶等),覆盖多种波形数据,从而提升脑波信号分析的全面性,进而提升待测对象的健康状况的分析准确度。而且,数据采集成本低,用户无需特意采数体验,仅在日常中即完成数据采集,节约时间和经济成本。另外,采用本公开所提供的方案,在数据采集过程中,用户体验更好,全程在自然状态下、无干扰,不会造成用户紧张和负担。最后,在本公开所提供的方案中,监控更及时敏捷、有效,数据联通保健机构,发现问卷及时干预,避免损失疾病恶化对人体造成损伤。
实施例3
根据本公开的一方面,还提供了一种脑波信号的分析装置,如图3所示,该装置包括:获取模块301、联合分析模块303以及健康分析模块305。
其中,获取模块301,用于获取待测对象在多个场景下的脑波信号,其中,多个场景至少包括休息场景和非休息场景;联合分析模块303,用于对多个场景下的脑波信号进行联合分析,得到初始分析结果;健康分析模块305,用于基于初始分析结果以及待测对象的对象信息对待测对象的健康状况进行分析,得到目标分析结果,其中,对象信息至少包括待测对象的生理信息和病理信息。
可选的,获取模块包括:第一采集模块以及第二采集模块。其中,第一采集模块,用于通过位于车辆驾驶场景中的目标车辆的第一脑波采集装置,采集待测对象在不同驾驶状态下的第一脑波信号,其中,非休息场景至少包括车辆驾驶场景;第二采集模块,用于通过位于休息场景中的第二脑波采集装置,采集待测对象在休息场景下的第二脑波信号。
可选的,联合分析模块包括:合并模块、预处理模块以及第一分析模块。其中,合并模块,用于对第一脑波信号和第二脑波信号进行合并处理,得到合并后的脑波信号;预处理模块,用于对合并后的脑波信号进行预处理,得到预处理后的脑波信号;第一分析模块,用于对预处理后的脑波信号进行分析,得到初始分析结果。
可选的,健康分析模块包括:第一发送模块以及第二分析模块。其中,第一发送模块,用于发送初始分析结果至预设平台,其中,预设平台为具有待测对象授予的目标权限,目标权限至少包括获取对象信息的权限及初始分析结果的权限;第二分析模块,用于获取预设平台对待测对象的对象信息和初始分析结果进行分析的目标分析结果。
可选的,脑波信号的分析装置还包括:第一获取模块,用于在目标分析结果表征待测对象的健康状况处于异常状态时,获取预设平台基于待测对象的对象信息和初始分析结果所生成的健康管理策略。
可选的,脑波信号的分析装置还包括:第二发送模块,用于发送初始分析结果和/或健康管理策略至目标终端设备,并在目标终端设备中以可视化形式展示初始分析结果和/或健康管理策略。
可选的,预处理模块包括:去噪模块、分段模块、转换模块、矫正模块以及第一处理模块。其中,去噪模块,用于对合并后的脑波信号进行去噪处理,得到去噪后的脑波信号;分段模块,用于按照预设时间段对去噪后的脑波信号进行分段处理,得到多个时间段所对应的脑波信号;转换模块,用于对多个时间段所对应的脑波信号转换为数字信号,得到转换后的脑波信号;矫正模块,用于对转换后的脑波信号进行基线矫正,得到矫正后的脑波信号;第一处理模块,用于对矫正后的脑波信号进行平均化处理,得到预处理后的脑波信号。
实施例4
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图4示出了可以用来实施本公开的实施例的示例电子设备400的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图4所示,设备400包括计算单元401,其可以根据存储在只读存储器(ROM)402中的计算机程序或者从存储单元408加载到随机访问存储器(RAM)403中的计算机程序,来执行各种适当的动作和处理。在RAM 403中,还可存储设备400操作所需的各种程序和数据。计算单元401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
设备400中的多个部件连接至I/O接口405,包括:输入单元406,例如键盘、鼠标等;输出单元407,例如各种类型的显示器、扬声器等;存储单元408,例如磁盘、光盘等;以及通信单元409,例如网卡、调制解调器、无线通信收发机等。通信单元409允许设备400通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元401可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元401的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元401执行上文所描述的各个方法和处理,例如脑波信号的分析方法。例如,在一些实施例中,脑波信号的分析方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元408。在一些实施例中,计算机程序的部分或者全部可以经由ROM 402和/或通信单元409而被载入和/或安装到设备400上。当计算机程序加载到RAM 403并由计算单元401执行时,可以执行上文描述的脑波信号的分析方法的一个或多个步骤。备选地,在其他实施例中,计算单元401可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行脑波信号的分析方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (17)
1.一种脑波信号的分析方法,包括:
获取待测对象在多个场景下的脑波信号,其中,所述多个场景至少包括休息场景和非休息场景;
对所述多个场景下的脑波信号进行联合分析,得到初始分析结果;
基于所述初始分析结果以及所述待测对象的对象信息对所述待测对象的健康状况进行分析,得到目标分析结果,其中,所述对象信息至少包括所述待测对象的生理信息和病理信息。
2.根据权利要求1所述的方法,其中,获取待测对象在多个场景下的脑波信号,包括:
通过位于车辆驾驶场景中的目标车辆的第一脑波采集装置,采集所述待测对象在不同驾驶状态下的第一脑波信号,其中,所述非休息场景至少包括所述车辆驾驶场景;
通过位于所述休息场景中的第二脑波采集装置,采集所述待测对象在所述休息场景下的第二脑波信号。
3.根据权利要求2所述的方法,其中,对所述多个场景下的脑波信号进行联合分析,得到初始分析结果,包括:
对所述第一脑波信号和所述第二脑波信号进行合并处理,得到合并后的脑波信号;
对所述合并后的脑波信号进行预处理,得到预处理后的脑波信号;
对所述预处理后的脑波信号进行分析,得到所述初始分析结果。
4.根据权利要求1所述的方法,其中,基于所述初始分析结果以及所述待测对象的对象信息对所述待测对象的健康状况进行分析,得到目标分析结果,包括:
发送所述初始分析结果至预设平台,其中,所述预设平台为具有所述待测对象授予的目标权限,所述目标权限至少包括获取所述对象信息的权限及所述初始分析结果的权限;
获取所述预设平台对所述待测对象的对象信息和所述初始分析结果进行分析的目标分析结果。
5.根据权利要求4所述的方法,所述方法还包括:
在所述目标分析结果表征所述待测对象的健康状况处于异常状态时,获取所述预设平台基于所述待测对象的对象信息和所述初始分析结果所生成的健康管理策略。
6.根据权利要求5所述的方法,所述方法还包括:
发送所述初始分析结果和/或所述健康管理策略至目标终端设备,并在所述目标终端设备中以可视化形式展示所述初始分析结果和/或所述健康管理策略。
7.根据权利要求3所述的方法,其中,对所述合并后的脑波信号进行预处理,得到预处理后的脑波信号,包括:
对所述合并后的脑波信号进行去噪处理,得到去噪后的脑波信号;
按照预设时间段对所述去噪后的脑波信号进行分段处理,得到多个时间段所对应的脑波信号;
对所述多个时间段所对应的脑波信号转换为数字信号,得到转换后的脑波信号;
对所述转换后的脑波信号进行基线矫正,得到矫正后的脑波信号;
对所述矫正后的脑波信号进行平均化处理,得到所述预处理后的脑波信号。
8.一种脑波信号的分析装置,包括:
获取模块,用于获取待测对象在多个场景下的脑波信号,其中,所述多个场景至少包括休息场景和非休息场景;
联合分析模块,用于对所述多个场景下的脑波信号进行联合分析,得到初始分析结果;
健康分析模块,用于基于所述初始分析结果以及所述待测对象的对象信息对所述待测对象的健康状况进行分析,得到目标分析结果,其中,所述对象信息至少包括所述待测对象的生理信息和病理信息。
9.根据权利要求8所述的装置,其中,所述获取模块包括:
第一采集模块,用于通过位于车辆驾驶场景中的目标车辆的第一脑波采集装置,采集所述待测对象在不同驾驶状态下的第一脑波信号,其中,所述非休息场景至少包括所述车辆驾驶场景;
第二采集模块,用于通过位于所述休息场景中的第二脑波采集装置,采集所述待测对象在所述休息场景下的第二脑波信号。
10.根据权利要求9所述的装置,其中,所述联合分析模块包括:
合并模块,用于对所述第一脑波信号和所述第二脑波信号进行合并处理,得到合并后的脑波信号;
预处理模块,用于对所述合并后的脑波信号进行预处理,得到预处理后的脑波信号;
第一分析模块,用于对所述预处理后的脑波信号进行分析,得到所述初始分析结果。
11.根据权利要求8所述的装置,其中,所述健康分析模块包括:
第一发送模块,用于发送所述初始分析结果至预设平台,其中,所述预设平台为具有所述待测对象授予的目标权限,所述目标权限至少包括获取所述对象信息的权限及所述初始分析结果的权限;
第二分析模块,用于获取所述预设平台对所述待测对象的对象信息和所述初始分析结果进行分析的目标分析结果。
12.根据权利要求11所述的装置,所述装置还包括:
第一获取模块,用于在所述目标分析结果表征所述待测对象的健康状况处于异常状态时,获取所述预设平台基于所述待测对象的对象信息和所述初始分析结果所生成的健康管理策略。
13.根据权利要求12所述的装置,所述装置还包括:
第二发送模块,用于发送所述初始分析结果和/或所述健康管理策略至目标终端设备,并在所述目标终端设备中以可视化形式展示所述初始分析结果和/或所述健康管理策略。
14.根据权利要求10所述的装置,其中,所述预处理模块包括:
去噪模块,用于对所述合并后的脑波信号进行去噪处理,得到去噪后的脑波信号;
分段模块,用于按照预设时间段对所述去噪后的脑波信号进行分段处理,得到多个时间段所对应的脑波信号;
转换模块,用于对所述多个时间段所对应的脑波信号转换为数字信号,得到转换后的脑波信号;
矫正模块,用于对所述转换后的脑波信号进行基线矫正,得到矫正后的脑波信号;
第一处理模块,用于对所述矫正后的脑波信号进行平均化处理,得到所述预处理后的脑波信号。
15.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至7中任一项所述的脑波信号的分析方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,计算机指令用于使计算机执行根据权利要求1至7中任一项所述的脑波信号的分析方法。
17.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1至7中任一项所述的脑波信号的分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211343688.4A CN115500844A (zh) | 2022-10-31 | 2022-10-31 | 脑波信号的分析方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211343688.4A CN115500844A (zh) | 2022-10-31 | 2022-10-31 | 脑波信号的分析方法、装置、存储介质及电子设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115500844A true CN115500844A (zh) | 2022-12-23 |
Family
ID=84512727
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211343688.4A Pending CN115500844A (zh) | 2022-10-31 | 2022-10-31 | 脑波信号的分析方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115500844A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170042439A1 (en) * | 2014-02-14 | 2017-02-16 | National University Of Singapore | System, device and methods for brainwave-based technologies |
US20180140256A1 (en) * | 2016-11-21 | 2018-05-24 | International Business Machines Corporation | Brain Wave Processing for Diagnosis of a Subject |
CN114334125A (zh) * | 2021-11-30 | 2022-04-12 | 安徽科大讯飞医疗信息技术有限公司 | 诊断预测方法及相关装置、电子设备和存储介质 |
-
2022
- 2022-10-31 CN CN202211343688.4A patent/CN115500844A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170042439A1 (en) * | 2014-02-14 | 2017-02-16 | National University Of Singapore | System, device and methods for brainwave-based technologies |
US20180140256A1 (en) * | 2016-11-21 | 2018-05-24 | International Business Machines Corporation | Brain Wave Processing for Diagnosis of a Subject |
CN114334125A (zh) * | 2021-11-30 | 2022-04-12 | 安徽科大讯飞医疗信息技术有限公司 | 诊断预测方法及相关装置、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11337633B1 (en) | Method and system for electrode impedance measurement | |
RU2768581C2 (ru) | Устройства, системы и способы для прогнозирования, скрининга и контроля энцефалопатии/делирия | |
JP5203215B2 (ja) | 脳波(eeg)測定値を使って抑うつおよびその他の気分障害を分析し、評価するシステムおよび方法 | |
US9072482B2 (en) | Method and apparatus for automatic seizure monitoring | |
AU2009222024B2 (en) | Field-deployable concussion detector | |
Zhu et al. | Methodological approaches and recommendations for functional near-infrared spectroscopy applications in HF/E research | |
US20140142448A1 (en) | Apparatus and methods for remote cardiac disease management | |
US20100286549A1 (en) | System and Method for Assessing Efficacy of Therapeutic Agents | |
Fan et al. | Assessment of mental workload based on multi-physiological signals | |
AU2017323663A1 (en) | System and method for generating electromagnetic treatment protocols | |
CN115251852B (zh) | 一种体温调节功能的检测量化方法和系统 | |
CN113558640A (zh) | 基于脑电特征的最小意识状态程度的评估方法 | |
Wang et al. | Oscillatory potentials in patients with birdshot chorioretinopathy | |
CN116186502B (zh) | 一种多模态视觉神经功能检测方法及其系统 | |
CN116682556A (zh) | 临床多源数据康复监测方法 | |
JP2022532697A (ja) | 死亡およびその他の状態の予測、スクリーニングおよびモニタリングのための装置、システムおよび方法 | |
Hegde et al. | A review on ECG signal processing and HRV analysis | |
CN115500844A (zh) | 脑波信号的分析方法、装置、存储介质及电子设备 | |
Erkuş et al. | Detection of abnormalities in heart rate using multiple Fourier transforms | |
Zhang et al. | An ECG intelligent monitoring system with MSP430 microcontroller | |
CN107480452B (zh) | 多用户情绪监控方法、装置、设备以及存储介质 | |
Cannard et al. | BrainBeats as an Open-Source EEGLAB Plugin to Jointly Analyze EEG and Cardiovascular Signals. | |
Panerai et al. | COHmax: an algorithm to maximise coherence in estimates of dynamic cerebral autoregulation | |
CN110974215B (zh) | 基于无线心电监护传感器组的预警系统及方法 | |
Cannard et al. | Author Spotlight: Advancing the Study of Brain-Heart Interplay with a Comprehensive EEGLAB Plugin for Multimodal Signal Analysis |
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 |