CN115670483A - 一种患者意识障碍程度监测预警系统及方法 - Google Patents
一种患者意识障碍程度监测预警系统及方法 Download PDFInfo
- Publication number
- CN115670483A CN115670483A CN202211397629.5A CN202211397629A CN115670483A CN 115670483 A CN115670483 A CN 115670483A CN 202211397629 A CN202211397629 A CN 202211397629A CN 115670483 A CN115670483 A CN 115670483A
- Authority
- CN
- China
- Prior art keywords
- evoked potential
- nonlinear characteristic
- early warning
- calculating
- monitoring
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims abstract description 24
- 230000000763 evoking effect Effects 0.000 claims abstract description 49
- 230000006698 induction Effects 0.000 claims abstract description 14
- 238000012545 processing Methods 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 7
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 238000005311 autocorrelation function Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 230000000638 stimulation Effects 0.000 claims description 3
- 230000037361 pathway Effects 0.000 claims 2
- 108010076504 Protein Sorting Signals Proteins 0.000 abstract description 7
- 208000022540 Consciousness disease Diseases 0.000 abstract description 3
- 230000009466 transformation Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 206010010071 Coma Diseases 0.000 description 2
- 208000013159 conscious disturbance Diseases 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000033001 locomotion Effects 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 241000773293 Rappaport Species 0.000 description 1
- 230000037007 arousal Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000005714 functional activity Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明涉及一种患者意识障碍程度监测预警系统及方法。所述监测预警系统包括采集模块、监测模块以及预警模块，监测模块将监测数据按频率分段，得到不同通道不同频率分段的多组诱发电位信号；计算非诱发期不同频率分段不同通道的第一非线性特征值；计算诱发期不同频率分段不同通道的第二非线性特征值；计算第一非线性特征值与第二非线性特征值的变化值，将诱发电位信号中变化值超过预设阈值的诱发电位信号重新组合，计算组合后的诱发电位信号的第三非线性特征值。本发明还涉及监测预警方法。本发明通过二次计算非线性特征值，将原始的脑电信号序列进行了筛选，减少了各种噪声以及伪迹的影响。使得整个脑电信号更加适合采用Lempel‑Ziv复杂度进行表征。
Description
技术领域
本发明涉及一种患者意识障碍程度监测预警系统及方法。
背景技术
意识障碍是指人对周围环境及自身状态的识别和觉察能力出现障碍，多是由于高级神经中枢功能活动(意识、感觉和运动)受损引起的。意识障碍是一种在临床上比较常见的疾病。临床大多数学科和医务人员经常遇到有意识障碍的患者，特别是神经内科、神经外科、急诊科、重症监室等，几乎所有重症患者均有一时或持续性的意识障碍。
患者意识障碍程度越深，其恢复的可能性就越低，因此对患者意识障碍水平进行准确的判定就显得非常重要。目前，临床上对于意识障碍程度和预后判定主要依赖量表(包括GCS、Rappaport昏迷量表、JFK昏迷恢复量表等)及临床经验，通过检查眼睛、言语和运动三方面刺激所引起的反应进行综合评价，此方法与病情变化的相关性较好，简单易行，但有时对病情变化不敏感，不能确切反映临床实际情况或失之笼统，故往往带有一定主观性和不可预测性。例如，植物状态的诊断关键是对患者觉知能力的准确判断，而判定患者觉知能力的依据来自床边行为检查。但是，觉知是指被观察者的主观体验，理论上这种主观体验不等同于被观察者的行为表现；而且，对于严重意识障碍患者而言，行为判断本身在操作上的准确性也不易保证，因为患者籍以交流的运动表达系统本身可能存在损伤，同时其觉醒水平极易波动。由于存在这些理论上和实际操作上的问题，植物状态患者的误诊率很高，有报道称高达43％，亟需更加客观和科学的评定方法。
发明内容
本发明的目的是为解决现有技术的不足，提供了一种患者意识障碍程度监测预警系统，所述监测预警系统包括以下模块：
采集模块：所述采集模块通过脑电电极接触人体，采集获得人体脑电信号，将人体脑电信号按照通道分别进行处理，得到多通道的监测数据；
监测模块：所述监测模块将监测数据按频率分段，得到不同通道不同频率分段的多组诱发电位信号；
计算非诱发期不同频率分段不同通道的第一非线性特征值；
计算诱发期不同频率分段不同通道的第二非线性特征值；
计算第一非线性特征值与第二非线性特征值的变化值，将诱发电位信号中变化值超过预设阈值的诱发电位信号重新组合，计算组合后的诱发电位信号的第三非线性特征值；
预警模块：根据设定的预警阈值，当第三非线性特征值超出预警阈值时启动报警。
所述频率按照以下方式进行分段：δ频带为0.5Hz～4Hz，θ频带为4Hz～8Hz，α频带为8Hz～13Hz，β频带为13Hz～30Hz。
所述通道选自FP1、FP2、F3、F4、C3、C4、P3、P4、O1、O2、F7、F8、T3、T4、T5、T6中的一种或几种。
所述采集模块包括脑电信号处理模块：
获得参考信号REF(n)，参考信号长度大概为诱发电位信号长度的50-100倍；采集目标诱发电位信号X(n)；通过IIR干扰相消算法，得到最接近诱发电位信号；
最接近诱发电位信号EP(n)的计算公示如下：
EP(n)＝X(n)-REF(n)
其中x(n)为综合信号，REF(n)为参考信号，
X(n)和REF(n)为自相关函数，所以：
R(m)＝X(n)·REF(n)
其中m为参考信号的序列的活动点数(从左到右)，则最大自相关的序列为REFM(n)，“·”为相关运算符，R(m)为相关系数组；
求得最大相关系数的值为：
R＝MAX[R(m)]
自适应关系矩阵公示如下：
EP(n)＝S(n)-W*REFM(n)
其中，W为调节矩阵。REFM(n)是最大相关参考序列，通过调节W矩阵可使EP(n)获得最佳值，S(n)为采集到的刺激信号数据序列；
根据公式：
W＝∑S(n)*REFM(n)/∑[REFM(n)]2
求出w的值后，
按照下述公式
EP(n)＝S(n)-W*REFM(n)
对干扰实现相互消除，可得最接近诱发电位信号EP(n)。
所述采集模块还包括小波变换处理模块，所述将分段诱发电位信号进行小波变换、加窗处理，得到分段诱发电位数据。
一种患者意识障碍程度监测预警方法，所述监测预警方法包括以下步骤：
通过脑电电极接触人体，采集获得人体脑电信号，将人体脑电信号按照通道分别进行处理，得到多通道的监测数据；
将监测数据按频率分段，得到不同通道不同频率分段的多组诱发电位信号；
计算非诱发期不同频率分段不同通道的第一非线性特征值；
计算诱发期不同频率分段不同通道的第二非线性特征值；
计算第一非线性特征值与第二非线性特征值的变化值，将诱发电位信号中变化值超过预设阈值的诱发电位信号重新组合，计算组合后的诱发电位信号的第三非线性特征值；
预警模块：根据设定的预警阈值，当第三非线性特征值超出预警阈值时启动报警。
所述频率按照以下方式进行分段：δ频带为0.5Hz～4Hz，θ频带为4Hz～8Hz，α频带为8Hz～13Hz，β频带为13Hz～30Hz。
所述通道选自FP1、FP2、F3、F4、C3、C4、P3、P4、O1、O2、F7、F8、T3、T4、T5、T6中的一种或几种。
本发明通过二次计算非线性特征值，将原始的脑电信号序列进行了筛选，减少了各种噪声以及伪迹的影响。使得整个脑电信号更加适合采用Lempel-Ziv复杂度进行表征。
参考以下详细说明更易于理解本申请的上述以及其他特征、方面和优点。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例，对本发明实施例的技术方案进行清楚、完整地描述。显然，所描述的实例是本发明的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
除非另作定义，此处使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明专利申请说明书以及权利要求书中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。同样，“一个”或者“一”等类似词语也不表示数量限制，而是表示存在至少一个。
一种患者意识障碍程度监测预警系统，所述监测预警系统包括以下模块：
采集模块：所述采集模块通过脑电电极接触人体，采集获得人体脑电信号，将人体脑电信号按照通道分别进行处理，得到多通道的监测数据；根据美国neuro公司当40导采集系统，通道包括FP1、FP2、F3、F4、C3、C4、P3、P4、O1、O2、F7、F8、T3、T4、T5、T6，一般来说，实际监测中会采用上述所有通道进行监测。
监测模块：所述监测模块将监测数据按频率分段，所述频率按照以下方式进行分段：δ频带为0.5Hz～4Hz，θ频带为4Hz～8Hz，α频带为8Hz～13Hz，β频带为13Hz～30Hz。
得到不同通道不同频率分段的多组诱发电位信号；计算非诱发期不同频率分段不同通道的第一非线性特征值；计算诱发期不同频率分段不同通道的第二非线性特征值；计算第一非线性特征值与第二非线性特征值的变化值，将诱发电位信号中变化值超过预设阈值的诱发电位信号重新组合，计算组合后的诱发电位信号的第三非线性特征值；
具体地，本发明的非线性特征值的计算采用的是Lempel-Ziv复杂度算法计算得到。计算Lempel-Ziv复杂度时需要对原始信号进行粗粒化处理，本发明是采用多尺度下对二值化方法进行处理：
计算整个原始脑电信号序列对平均值，再以平均值为界，将原始脑电信号序列分为2个区间，然后分别对这2个区间进行求平均值，并将这2个区间再次划分，最终得到4个区间；
如果脑电信号序列对第一个点对值比平均值大，则该点记为1，反之则为0；
首点对取值方法与传统二值法相同。对于脑电信号序列对第二个点以及之后个点，二值化对结果由其和前一个点的比较决定，如果增大到了另一个区间，则该点二值化的值为1，如果减少到了另一个区间，则该点二值化的值为0，如果处理同一区间内部，那么该点的二值化的取值与前一点一致。
本发明通过二次计算非线性特征值，将原始的脑电信号序列进行了筛选，减少了各种噪声以及伪迹的影响。使得整个脑电信号更加适合采用Lempel-Ziv复杂度进行表征。
预警模块：根据设定的预警阈值，当第三非线性特征值超出预警阈值时启动报警。
所述采集模块包括脑电信号处理模块：
获得参考信号REF(n)，参考信号长度大概为诱发电位信号长度的50-100倍；采集目标诱发电位信号X(n)；通过IIR干扰相消算法，得到最接近诱发电位信号；
最接近诱发电位信号EP(n)的计算公示如下：
EP(n)＝X(n)-REF(n)
其中x(n)为综合信号，REF(n)为参考信号，
X(n)和REF(n)为自相关函数，所以：
R(m)＝X(n)·REF(n)
其中m为参考信号的序列的活动点数(从左到右)，则最大自相关的序列为REFM(n)，“·”为相关运算符，R(m)为相关系数组；
求得最大相关系数的值为：
R＝MAX[R(m)]
自适应关系矩阵公示如下：
EP(n)＝S(n)-W*REFM(n)
其中，W为调节矩阵。REFM(n)是最大相关参考序列，通过调节W矩阵可使EP(n)获得最佳值，S(n)为采集到的刺激信号数据序列；
根据公式：
W＝∑S(n)*REFM(n)/∑[REFM(n)]2
求出w的值后，
按照下述公式
EP(n)＝S(n)-W*REFM(n)
对干扰实现相互消除，可得最接近诱发电位信号EP(n)。
所述采集模块还包括小波变换处理模块，所述将分段诱发电位信号进行小波变换、加窗处理，得到分段诱发电位数据。
小波变换(wavelet transform，WT)是一种新的变换分析方法，它继承和发展了短时傅立叶变换局部化的思想，同时又克服了窗口大小不随频率变化等缺点，能够提供一个随频率改变的“时间-频率”窗口，是进行信号时频分析和处理的理想工具。它的主要特点是通过变换能够充分突出问题某些方面的特征，能对时间(空间)频率的局部化分析，通过伸缩平移运算对信号(函数)逐步进行多尺度细化，最终达到高频处时间细分，低频处频率细分，能自动适应时频信号分析的要求，从而可聚焦到信号的任意细节，解决了Fourier变换的困难问题，成为继Fourier变换以来在科学方法上的重大突破。
在信号处理中，可以说加窗处理是一个必经的过程，因为我们的计算机只能处理有限长度的信号，因此原始信号X(t)要以T(采样时间)截断，即有限化，成为XT(t)后再进一步处理，这个过程序就是加窗处理，对于非整周期采样的情况，必须考虑如何减少加窗时造成的泄漏误差，主要的措施是使用合理的加窗函数，使信号截断的锐角钝化，从而使频谱的扩散减到最少。
一种患者意识障碍程度监测预警方法，所述监测预警方法包括以下步骤：
通过脑电电极接触人体，采集获得人体脑电信号，将人体脑电信号按照通道分别进行处理，得到多通道的监测数据；
将监测数据按频率分段，得到不同通道不同频率分段的多组诱发电位信号；
计算非诱发期不同频率分段不同通道的第一非线性特征值；
计算诱发期不同频率分段不同通道的第二非线性特征值；
计算第一非线性特征值与第二非线性特征值的变化值，将诱发电位信号中变化值超过预设阈值的诱发电位信号重新组合，计算组合后的诱发电位信号的第三非线性特征值；
预警模块：根据设定的预警阈值，当第三非线性特征值超出预警阈值时启动报警。
所述频率按照以下方式进行分段：δ频带为0.5Hz～4Hz，θ频带为4Hz～8Hz，α频带为8Hz～13Hz，β频带为13Hz～30Hz。
所述通道选自FP1、FP2、F3、F4、C3、C4、P3、P4、O1、O2、F7、F8、T3、T4、T5、T6中的一种或几种。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点，对于本领域技术人员而言，显然本发明不限于上述示范性实施条例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。
Claims (8)
1.一种患者意识障碍程度监测预警系统，其特征在于，所述监测预警系统包括以下模块：
采集模块：所述采集模块通过脑电电极接触人体，采集获得人体脑电信号，将人体脑电信号按照通道分别进行处理，得到多通道的监测数据；
监测模块：所述监测模块将监测数据按频率分段，得到不同通道不同频率分段的多组诱发电位信号；
计算非诱发期不同频率分段不同通道的第一非线性特征值；
计算诱发期不同频率分段不同通道的第二非线性特征值；
计算第一非线性特征值与第二非线性特征值的变化值，将诱发电位信号中变化值超过预设阈值的诱发电位信号重新组合，计算组合后的诱发电位信号的第三非线性特征值；
预警模块：根据设定的预警阈值，当第三非线性特征值超出预警阈值时启动报警。
2.根据权利要求1所述的一种患者意识障碍程度监测预警系统，其特征在于，所述频率按照以下方式进行分段：δ频带为0.5Hz～4Hz，θ频带为4Hz～8Hz，α频带为8Hz～13Hz，β频带为13Hz～30Hz。
3.根据权利要求1所述的一种患者意识障碍程度监测预警系统，其特征在于，所述通道选自FP1、FP2、F3、F4、C3、C4、P3、P4、O1、O2、F7、F8、T3、T4、T5、T6中的一种或几种。
4.根据权利要求1所述的一种患者意识障碍程度监测预警系统，其特征在于，所述采集模块包括脑电信号处理模块：
获得参考信号REF(n)，参考信号长度大概为诱发电位信号长度的50-100倍；采集目标诱发电位信号X(n)；通过IIR干扰相消算法，得到最接近诱发电位信号；
最接近诱发电位信号EP(n)的计算公示如下：
EP(n)＝X(n)-REF(n)
其中x(n)为综合信号，REF(n)为参考信号，
X(n)和REF(n)为自相关函数，所以：
R(m)＝X(n)·REF(n)
其中m为参考信号的序列的活动点数(从左到右)，则最大自相关的序列为REFM(n)，“·”为相关运算符，R(m)为相关系数组；
求得最大相关系数的值为：
R＝MAX[R(m)]
自适应关系矩阵公示如下：
EP(n)＝S(n)-W* REFM (n)
其中，W为调节矩阵。REFM(n)是最大相关参考序列，通过调节W矩阵可使EP(n)获得最佳值，S(n)为采集到的刺激信号数据序列；
根据公式：
W＝∑S(n)*REFM(n)/∑[REFM(n)]2
求出w的值后，
按照下述公式
EP(n)＝S(n)-W*REFM(n)
对干扰实现相互消除，可得最接近诱发电位信号EP(n)。
5.根据权利要求1所述的一种患者意识障碍程度监测预警系统，其特征在于，所述采集模块还包括小波变换处理模块，所述将分段诱发电位信号进行小波变换、加窗处理，得到分段诱发电位数据。
6.一种患者意识障碍程度监测预警方法，其特征在于，所述监测预警方法包括以下步骤：
通过脑电电极接触人体，采集获得人体脑电信号，将人体脑电信号按照通道分别进行处理，得到多通道的监测数据；
将监测数据按频率分段，得到不同通道不同频率分段的多组诱发电位信号；
计算非诱发期不同频率分段不同通道的第一非线性特征值；
计算诱发期不同频率分段不同通道的第二非线性特征值；
计算第一非线性特征值与第二非线性特征值的变化值，将诱发电位信号中变化值超过预设阈值的诱发电位信号重新组合，计算组合后的诱发电位信号的第三非线性特征值；
预警模块：根据设定的预警阈值，当第三非线性特征值超出预警阈值时启动报警。
7.根据权利要求6所述的一种患者意识障碍程度监测预警方法，其特征在于，所述频率按照以下方式进行分段：δ频带为0.5Hz～4Hz，θ频带为4Hz～8Hz，α频带为8Hz～13Hz，β频带为13Hz～30Hz。
8.根据权利要求6所述的一种患者意识障碍程度监测预警方法，其特征在于，所述通道选自FP1、FP2、F3、F4、C3、C4、P3、P4、O1、O2、F7、F8、T3、T4、T5、T6中的一种或几种。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211397629.5A CN115670483A (zh) | 2022-11-09 | 2022-11-09 | 一种患者意识障碍程度监测预警系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211397629.5A CN115670483A (zh) | 2022-11-09 | 2022-11-09 | 一种患者意识障碍程度监测预警系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115670483A true CN115670483A (zh) | 2023-02-03 |
Family
ID=85050617
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211397629.5A Pending CN115670483A (zh) | 2022-11-09 | 2022-11-09 | 一种患者意识障碍程度监测预警系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115670483A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117497150A (zh) * | 2023-11-08 | 2024-02-02 | 首都医科大学附属北京天坛医院 | 一种症状检测方法及系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006122349A1 (en) * | 2005-05-17 | 2006-11-23 | Compumedics Medical Innovations Pty Ltd | Method and apparatus for monitoring consciousness during anaesthesia |
| US20120277548A1 (en) * | 2009-08-14 | 2012-11-01 | David Burton | Anaesthesia and consciousness depth monitoring system |
| CN105249963A (zh) * | 2015-11-16 | 2016-01-20 | 陕西师范大学 | 基于样本熵的n400诱发电位测谎方法 |
| US20160045128A1 (en) * | 2013-04-12 | 2016-02-18 | Commissariat A L'energie Atomique Et Aux Energies Alternatives | Methods to monitor consciousness |
| CN110269611A (zh) * | 2019-07-31 | 2019-09-24 | 上海诺诚电气股份有限公司 | 患者意识障碍程度监测、预警系统及方法 |
| CN110613446A (zh) * | 2019-09-30 | 2019-12-27 | 京东方科技集团股份有限公司 | 一种信号处理方法及装置 |
| CN113116306A (zh) * | 2021-04-21 | 2021-07-16 | 复旦大学 | 一种基于听觉诱发脑电信号分析的意识障碍辅助诊断系统 |
| CN113598790A (zh) * | 2021-07-13 | 2021-11-05 | 杭州电子科技大学 | 基于听觉刺激的意识障碍脑功能网络的意识评估方法 |
| CN113712574A (zh) * | 2021-09-03 | 2021-11-30 | 上海诺诚电气股份有限公司 | 一种脑电生物反馈得康复方法及系统 |
-
2022
- 2022-11-09 CN CN202211397629.5A patent/CN115670483A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006122349A1 (en) * | 2005-05-17 | 2006-11-23 | Compumedics Medical Innovations Pty Ltd | Method and apparatus for monitoring consciousness during anaesthesia |
| US20120277548A1 (en) * | 2009-08-14 | 2012-11-01 | David Burton | Anaesthesia and consciousness depth monitoring system |
| US20160045128A1 (en) * | 2013-04-12 | 2016-02-18 | Commissariat A L'energie Atomique Et Aux Energies Alternatives | Methods to monitor consciousness |
| CN105249963A (zh) * | 2015-11-16 | 2016-01-20 | 陕西师范大学 | 基于样本熵的n400诱发电位测谎方法 |
| CN110269611A (zh) * | 2019-07-31 | 2019-09-24 | 上海诺诚电气股份有限公司 | 患者意识障碍程度监测、预警系统及方法 |
| CN110613446A (zh) * | 2019-09-30 | 2019-12-27 | 京东方科技集团股份有限公司 | 一种信号处理方法及装置 |
| CN113116306A (zh) * | 2021-04-21 | 2021-07-16 | 复旦大学 | 一种基于听觉诱发脑电信号分析的意识障碍辅助诊断系统 |
| CN113598790A (zh) * | 2021-07-13 | 2021-11-05 | 杭州电子科技大学 | 基于听觉刺激的意识障碍脑功能网络的意识评估方法 |
| CN113712574A (zh) * | 2021-09-03 | 2021-11-30 | 上海诺诚电气股份有限公司 | 一种脑电生物反馈得康复方法及系统 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117497150A (zh) * | 2023-11-08 | 2024-02-02 | 首都医科大学附属北京天坛医院 | 一种症状检测方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Pezard et al. | Investigation of non-linear properties of multichannel EEG in the early stages of Parkinson's disease | |
| CA2201694C (en) | Alertness and drowsiness detection and tracking system | |
| US6801803B2 (en) | Method and apparatus for determining the cerebral state of a patient with fast response | |
| Abásolo et al. | Analysis of regularity in the EEG background activity of Alzheimer's disease patients with Approximate Entropy | |
| EP1328193B1 (en) | Apparatus for determining the cerebral state of a patient with fast response | |
| US8798735B1 (en) | Method and apparatus for the estimation of anesthetic depth using wavelet analysis of the electroencephalogram | |
| EP1880667B1 (en) | Detection of focal epileptiform activity | |
| EP1665981A1 (en) | Identification of a dominant signal component in a biosignal | |
| KR101400362B1 (ko) | 마취 심도 측정 방법 및 장치 | |
| US20080167569A1 (en) | Processing of Physiological Signal Data in Patient Monitoring | |
| US8600493B2 (en) | Method, apparatus and computer program product for automatic seizure monitoring | |
| KR101535352B1 (ko) | 전두엽 뇌파를 이용한 우울증 심도 측정 방법 | |
| EP1854404A2 (en) | Monitoring of the state of the central nervous system of a subjet | |
| KR20180109529A (ko) | 치매 진단 장치 및 방법과 어플리케이션 | |
| US20050137494A1 (en) | Method and apparatus for determining the cerebral state of a patient using generalized spectral entropy of the EEG signal | |
| CN115670483A (zh) | 一种患者意识障碍程度监测预警系统及方法 | |
| Sai et al. | Objective identification of pain due to uterine contraction during the first stage of labour using continuous EEG signals and SVM | |
| KR20120131027A (ko) | 뇌파의 뇌활성도 및 마취심도 분석장치 및 분석방법 | |
| Yadav et al. | Variational mode decomposition-based seizure classification using Bayesian regularized shallow neural network | |
| CN117898743A (zh) | 一种脑电信号预处理方法、系统和终端设备 | |
| Sulistyono et al. | Analysis of EEG-based stroke severity groups clustering using k-means | |
| Mirzaei et al. | Spectral entropy for epileptic seizures detection | |
| Follis et al. | Variability analysis of epileptic EEG using the maximal overlap discrete wavelet transform | |
| Vahaplar et al. | Entropy in dichotic listening EEEG recordings | |
| Mehta et al. | Wavelet analysis as a potential tool for seizure detection |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230203 |
|
| RJ01 | Rejection of invention patent application after publication |