CN117918861B - 一种癫痫患者单通道脑电信号的实时检测系统 - Google Patents
一种癫痫患者单通道脑电信号的实时检测系统 Download PDFInfo
- Publication number
- CN117918861B CN117918861B CN202410322510.4A CN202410322510A CN117918861B CN 117918861 B CN117918861 B CN 117918861B CN 202410322510 A CN202410322510 A CN 202410322510A CN 117918861 B CN117918861 B CN 117918861B
- Authority
- CN
- China
- Prior art keywords
- slope
- power
- standard
- module
- electroencephalogram signal
- 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.)
- Active
Links
- 210000004556 brain Anatomy 0.000 title claims abstract description 62
- 230000001037 epileptic effect Effects 0.000 title claims abstract description 52
- 238000011897 real-time detection Methods 0.000 title claims abstract description 28
- 238000005259 measurement Methods 0.000 claims abstract description 55
- 238000012545 processing Methods 0.000 claims abstract description 38
- 238000006243 chemical reaction Methods 0.000 claims abstract description 16
- 238000001514 detection method Methods 0.000 claims abstract description 16
- 238000000605 extraction Methods 0.000 claims description 35
- 238000005070 sampling Methods 0.000 claims description 25
- 230000003595 spectral effect Effects 0.000 claims description 10
- 230000002397 epileptogenic effect Effects 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 abstract description 5
- 230000035945 sensitivity Effects 0.000 abstract description 5
- 238000000034 method Methods 0.000 description 18
- 230000000638 stimulation Effects 0.000 description 13
- 206010010904 Convulsion Diseases 0.000 description 11
- WVTKBKWTSCPRNU-KYJUHHDHSA-N (+)-Tetrandrine Chemical compound C([C@H]1C=2C=C(C(=CC=2CCN1C)OC)O1)C(C=C2)=CC=C2OC(=C2)C(OC)=CC=C2C[C@@H]2N(C)CCC3=CC(OC)=C(OC)C1=C23 WVTKBKWTSCPRNU-KYJUHHDHSA-N 0.000 description 8
- 241000700159 Rattus Species 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 5
- 206010015037 epilepsy Diseases 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 208000028329 epileptic seizure Diseases 0.000 description 4
- 239000007924 injection Substances 0.000 description 4
- 238000002347 injection Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- WVTKBKWTSCPRNU-UHFFFAOYSA-N rac-Tetrandrin Natural products O1C(C(=CC=2CCN3C)OC)=CC=2C3CC(C=C2)=CC=C2OC(=C2)C(OC)=CC=C2CC2N(C)CCC3=CC(OC)=C(OC)C1=C23 WVTKBKWTSCPRNU-UHFFFAOYSA-N 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000001154 acute effect Effects 0.000 description 2
- 230000003321 amplification Effects 0.000 description 2
- 210000003050 axon Anatomy 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- BTCSSZJGUNDROE-UHFFFAOYSA-N gamma-aminobutyric acid Chemical compound NCCCC(O)=O BTCSSZJGUNDROE-UHFFFAOYSA-N 0.000 description 2
- 210000001879 hippocampal ca1 region Anatomy 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OGNSCSPNOLGXSM-UHFFFAOYSA-N (+/-)-DABA Natural products NCCC(N)C(O)=O OGNSCSPNOLGXSM-UHFFFAOYSA-N 0.000 description 1
- 206010001497 Agitation Diseases 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 102000027484 GABAA receptors Human genes 0.000 description 1
- 108091008681 GABAA receptors Proteins 0.000 description 1
- 241000735234 Ligustrum Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- LHNKBXRFNPMIBR-UHFFFAOYSA-N Picrotoxin Natural products CC(C)(O)C1(O)C2OC(=O)C1C3(O)C4OC4C5C(=O)OC2C35C LHNKBXRFNPMIBR-UHFFFAOYSA-N 0.000 description 1
- 238000012443 analytical study Methods 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000002051 biphasic effect Effects 0.000 description 1
- 230000002490 cerebral effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 229960003692 gamma aminobutyric acid Drugs 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 239000007928 intraperitoneal injection Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000000653 nervous system Anatomy 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- VJKUPQSHOVKBCO-AHMKVGDJSA-N picrotoxin Chemical compound O=C([C@@]12O[C@@H]1C[C@]1(O)[C@@]32C)O[C@@H]3[C@H]2[C@@H](C(=C)C)[C@@H]1C(=O)O2.O=C([C@@]12O[C@@H]1C[C@]1(O)[C@@]32C)O[C@@H]3[C@H]2[C@@H](C(C)(O)C)[C@@H]1C(=O)O2 VJKUPQSHOVKBCO-AHMKVGDJSA-N 0.000 description 1
- 239000002464 receptor antagonist Substances 0.000 description 1
- 229940044551 receptor antagonist Drugs 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 239000003053 toxin Substances 0.000 description 1
- 231100000765 toxin Toxicity 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
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
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
- A61B5/372—Analysis of electroencephalograms
-
- 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
- A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
- A61B5/4094—Diagnosing or monitoring seizure diseases, e.g. epilepsy
-
- 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
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Psychiatry (AREA)
- Neurology (AREA)
- Physiology (AREA)
- Neurosurgery (AREA)
- Psychology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- Mathematical Physics (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本申请涉及一种癫痫患者单通道脑电信号的实时检测系统。所述系统包括斜率处理模块用于获取待测脑电信号在时域空间的第一斜率并将第一斜率与标准斜率进行比较，得到第一比较结果；频域转换模块用于基于第一比较结果确定待测脑电信号的测量时间窗，并对测量时间窗内的待测脑电信号快速傅里叶变换，得到对应的频域信息；功率处理模块用于基于频域信息获取测量时间窗待测脑电信号的第一功率，并将第一功率与标准功率比较，得到第二比较结果；结果标记模块用于根据第二比较结果对测量时间窗内的待测脑电信号进行标记。采用本系统能够解决由于场电位中的大幅值低频慢波与小幅值高频快波引起的脑电信号误检问题，提高了脑电信号检测的灵敏度和特异性。
Description
技术领域
本申请涉及脑电信号检测与调控技术领域，特别是涉及一种癫痫患者单通道脑电信号的实时检测系统。
背景技术
癫痫是大脑神经系统的常见疾病之一。脑电信号作为研究癫痫疾病的重要工具，它所实时反映的发作信息是其它生理学方法所不能提供的。
目前，在癫痫患者的脑电信号的分析研究中已经研究并开发了多种癫痫自动检测方法，包括利用机器学习、卷积神经网络、小波变换法等。这些方法虽然准确率较高，但是设计方法比较复杂，计算量较大，难以在简易便携的闭环电刺激系统中应用。还有一些方法更为简单，例如，利用癫痫发作时场电位中伴有高频大幅值棘波的特点，一些研究人员开发出了基于棘波斜率、棘波幅值之和等的自动检测癫痫发作的方法。此外，一些基于频域分析的方法，例如短时傅里叶分析等，也被开发出来用于检测癫痫信号。不过，这些方法均存灵敏度和特异性较差的问题，尤其当脑电信号中出现低频大幅值慢波或高频小幅值快波时。
发明内容
基于此，有必要针对上述技术问题，提供一种能够克服现有技术中的不足，实现对癫痫患者单通道脑电信号实时检测的癫痫患者单通道脑电信号的实时检测系统。
第一方面，本申请提供了一种癫痫患者单通道脑电信号的实时检测系统。所述系统包括：
斜率处理模块，用于获取待测脑电信号在时域空间的第一斜率，并将所述第一斜率与标准脑电信号在时域空间的标准斜率进行比较，得到第一比较结果；
频域转换模块，用于基于所述第一比较结果确定待测脑电信号的测量时间窗的位置和宽度，并对所述测量时间窗内的待测脑电信号进行快速傅里叶变换，得到所述测量时间窗内的待测脑电信号的频域信息；
功率处理模块，用于基于所述频域信息，获取设定频率范围内所述测量时间窗内的待测脑电信号的第一功率，并将所述第一功率与标准脑电信号在频域空间上的标准功率进行比较，得到第二比较结果；
结果标记模块，用于根据所述第二比较结果，对所述测量时间窗内的待测脑电信号进行标记。
在其中一个实施例中，所述斜率处理模块包括标准斜率提取模块，所述标准斜率提取模块用于：
对所述标准脑电信号进行一阶差分，得到所述待测脑电信号的一阶差分数据；
计算所述一阶差分数据的斜率平均值和斜率标准差，并将所述斜率平均值和多倍的所述斜率标准差进行求和，得到所述标准脑电信号在时域空间的标准斜率。
在其中一个实施例中，所述斜率处理模块还包括第一斜率提取模块以及斜率比较模块：
所述第一斜率提取模块，用于对所述待测脑电信号进行一阶差分，得到所述待测脑电信号的第一斜率；
所述斜率比较模块，用于将所述第一斜率与所述标准斜率进行比较，得到所述第一比较结果。
在其中一个实施例中，所述第一比较结果包括所述第一斜率大于等于所述标准斜率或者所述第一斜率小于所述标准斜率，所述频域转换模块还用于：
基于所述第一比较结果确定待测脑电信号的测量时间窗的位置和宽度；
若所述第一斜率大于等于所述标准斜率，则将所述待测脑电信号的当前采样点作为所述测量时间窗的起点，并划定所述测量时间窗的宽度为第一宽度；
若所述第一斜率小于所述标准斜率，则获取新的待测脑电信号在时域空间的第一斜率，直至所述第一斜率大于等于所述标准斜率。
在其中一个实施例中，所述功率处理模块包括标准功率提取模块，所述标准功率提取模块用于：
对所述标准脑电信号进行短时傅里叶变换，获取所述标准脑电信号在频域空间上所述设定频率范围内的平均功率；
计算所述平均功率的功率平均值和功率标准差，并将所述功率平均值和多倍的所述功率标准差进行求和，得到所述标准脑电信号在频域空间的标准功率。
在其中一个实施例中，所述频域信息包括所述测量时间窗内的待测脑电信号的功率谱密度，所述功率处理模块还包括第一功率提取模块以及功率比较模块：
所述第一功率提取模块，用于根据所述功率谱密度，计算设定频率范围内所述测量时间窗内的待测脑电信号的第一功率；
所述功率比较模块，用于将所述第一功率与所述标准功率进行比较，得到所述第二比较结果。
在其中一个实施例中，所述第二比较结果包括所述第一功率大于等于所述标准功率或者所述第一功率小于所述标准功率，所述结果标记模块还用于：
根据所述第二比较结果，确定所述测量时间窗内的待测脑电信号的癫痫检测结果；
若所述第一功率大于等于所述标准功率，则将所述测量时间窗内的待测脑电信号标记为癫痫发生信号；
若所述第一功率小于所述标准功率，则获取新的待测脑电信号在时域空间的第一斜率。
在其中一个实施例中，所述系统还包括刺激生成模块，用于根据所述癫痫发生信号生成电刺激序列。
在其中一个实施例中，所述系统还包括脑电信号放大模块，用于采集原始脑电信号并对所述原始脑电信号进行滤波放大，得到预处理后的脑电信号。
在其中一个实施例中，所述系统还包括脑电信号采样模块，用于对所述预处理后的脑电信号进行模数转换采样，得到所述待测脑电信号。
上述癫痫患者单通道脑电信号的实时检测系统，通过联合计算脑电信号在时域空间的斜率信息与频域空间的功率信息两个指标，有效解决了现有技术中由于场电位中出现的大幅值低频慢波与小幅值高频快波引起的脑电信号误检问题，提高了脑电信号检测的灵敏度和特异性。并且通过设置标准斜率进行初步判断，根据初步判断的第一比较结果对脑电信号进行频域空间的处理，相比于现有技术中对脑电信号进行全程时频分析的方法相比，大大减少了计算量，提高了检测速度。
附图说明
图1为一个实施例中癫痫患者单通道脑电信号的实时检测系统的应用环境图；
图2为一个实施例中癫痫患者单通道脑电信号的实时检测系统的结构框图；
图3为一个示例实施例中癫痫患者单通道脑电信号的实时检测系统的结构框图；
图4为一个示例实施例中标准脑电信号进行短时傅里叶变换后得到的时频图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
除非另作定义，本申请所涉及的技术术语或者科学术语应当为本申请所属技术领域内具有一般技能的人士所理解的通常意义。本申请所涉及的“一”、“一个”、“一种”、“该”等类似词语并不表示数量限制，可表示单数或复数。本申请所涉及的术语“包括”、“包含”、“具有”以及它们任何变形，意图在于覆盖不排他的包含；例如包含了一系列步骤或模块（单元）的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可以还包括没有列出的步骤或单元，或可以还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。本申请所涉及的“连接”、“相连”、“耦接”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电气的连接，不管是直接的还是间接的。本申请所涉及的“多个”是指两个或两个以上。“和/或”描述关联对象的关联关系，表示可以存在三种关系，例如，“A和/或B”可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。本申请所涉及的术语“第一”、“第二”、“第三”等仅仅是区别类似的对象，不代表针对对象的特定排序。
本申请实施例提供的癫痫患者单通道脑电信号的实时检测系统，应用于如图1所示的应用环境中。其中，终端11与服务器12通信连接，所述服务器12上搭载有所述癫痫患者单通道脑电信号的实时检测系统。终端11将获取到的癫痫患者的单通道脑电信号通过服务器12传送至所述癫痫患者单通道脑电信号的实时检测系统中，由该系统对待测脑电信号进行信号处理，得到待测脑电信号的癫痫检测结果。数据存储系统13可以存储该系统需要处理的相关数据。数据存储系统13可以集成在服务器12上，也可以放在云上或其他网络服务器上。其中，终端11可以但不限于是各种金属电极丝、电极片以及头戴电极等。服务器12可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个实施例中，如图2所示，提供了一种癫痫患者单通道脑电信号的实时检测系统，所述系统包括斜率处理模块20、频域转换模块21、功率处理模块22以及结果标记模块23。
斜率处理模块20，用于获取待测脑电信号在时域空间的第一斜率，并将所述第一斜率与标准脑电信号在时域空间的标准斜率进行比较，得到第一比较结果。
其中，标准脑电信号为人工选取的包含至少三次癫痫发作期的脑电信号，通过将待测脑电信号在时域空间的第一斜率与标准脑电信号在时域空间的标准斜率进行比较，对待测脑电信号是否为癫痫发生信号进行初步判断，得到第一比较结果。
频域转换模块21，用于基于所述第一比较结果确定待测脑电信号的测量时间窗的位置和宽度，并对所述测量时间窗内的待测脑电信号进行快速傅里叶变换，得到所述测量时间窗内的待测脑电信号的频域信息。
功率处理模块22，用于基于所述频域信息，获取设定频率范围内所述测量时间窗内的待测脑电信号的第一功率，并将所述第一功率与标准脑电信号在频域空间上的标准功率进行比较，得到第二比较结果。
其中，根据标准脑电信号在频域空间上的信号曲线绘制的时间-频率图（时频图），所述设定频率范围为在所述时频图中信号曲线存在急速变化的频率区间。
具体地，对标准脑电信号进行时域-频域转换，得到标准脑电信号在设定频率范围内频域空间上的标准功率。同时根据测量时间窗内的待测脑电信号的频域信息，获取设定频率范围内所述测量时间窗内的待测脑电信号的第一功率，将第一功率与标准功率进行比较，对待测脑电信号是否为癫痫发生信号进行二次判断，得到第二比较结果。
结果标记模块23，用于根据所述第二比较结果，对所述测量时间窗内的待测脑电信号进行标记。
上述癫痫患者单通道脑电信号的实时检测系统中，通过联合计算脑电信号在时域空间的斜率信息与频域空间的功率信息两个指标，有效解决了现有技术中由于场电位中出现的大幅值低频慢波与小幅值高频快波引起的脑电信号误检问题，提高了脑电信号检测的灵敏度和特异性。并且通过设置标准斜率进行初步判断，根据初步判断的第一比较结果对脑电信号进行频域空间的处理，相比于现有技术中对脑电信号进行全程时频分析的方法相比，大大减少了计算量，提高了检测速度。
在一个实施例中，所述系统还包括脑电信号放大模块24，用于采集原始脑电信号并对所述原始脑电信号进行滤波放大，得到预处理后的脑电信号。
更进一步地，所述系统还包括脑电信号采样模块25，用于对所述预处理后的脑电信号进行模数转换采样，得到所述待测脑电信号。
在本实施例中，通过设置脑电信号放大模块24以及脑电信号采样模块25对原始脑电信号进行预处理和采样，得到能够被斜率处理模块20检测处理的待测脑电信号。
在一个实施例中，所述斜率处理模块20包括标准斜率提取模块201，所述标准斜率提取模块201用于：
对所述标准脑电信号进行一阶差分，得到所述待测脑电信号的一阶差分数据；计算所述一阶差分数据的斜率平均值和斜率标准差，并将所述斜率平均值和多倍的所述斜率标准差进行求和，得到所述标准脑电信号在时域空间的标准斜率。
具体地，对所述标准脑电信号x（t）进行一阶差分，得到所述待测脑电信号的一阶差分数据DIFF：
，
其中，x（t）表示包含至少三次癫痫发作期的标准脑电信号，Δt为相邻采样点之间的时间间隔，即采样率的倒数。
计算所述一阶差分数据DIFF的斜率平均值和斜率标准差，并将所述斜率平均值和多倍的所述斜率标准差进行求和，得到所述标准脑电信号在时域空间的标准斜率H1：
，
其中，mean（DIFF）表示斜率平均值，std（DIFF）表示斜率标准差，k1为斜率系数，取值范围为3～5。
在本实施例中，通过标准斜率提取模块201求取标准脑电信号一阶差分数据的斜率平均值和斜率标准差，求得标准脑电信号在时域空间的标准斜率，提高标准斜率的精确度，从而提高待测脑电信号在时域空间中第一斜率与标准斜率的第一比较结果的准确率。
更进一步地，所述斜率处理模块20还包括第一斜率提取模块202以及斜率比较模块203：
所述第一斜率提取模块202，用于对所述待测脑电信号进行一阶差分，得到所述待测脑电信号的第一斜率。
所述斜率比较模块203，用于将所述第一斜率与所述标准斜率进行比较，得到所述第一比较结果。
其中，所述第一比较结果包括所述第一斜率大于等于所述标准斜率或者所述第一斜率小于所述标准斜率。在本实施例中，通过第一斜率提取模块202对待测脑电信号进行一阶差分得到第一斜率，将第一斜率大于等于所述标准斜率的待测脑电信号筛选为具有大幅值的脑电信号波形，将这些大幅值的场电位波动初步判定为癫痫活动。
在一个实施例中，所述频域转换模块21还用于：
基于所述第一比较结果确定待测脑电信号的测量时间窗的位置和宽度；若所述第一斜率大于等于所述标准斜率，则将所述待测脑电信号的当前采样点作为所述测量时间窗的起点，并划定所述测量时间窗的宽度为第一宽度；若所述第一斜率小于所述标准斜率，则获取新的待测脑电信号在时域空间的第一斜率，直至所述第一斜率大于等于所述标准斜率。
具体地，在第一斜率大于等于所述标准斜率时，确定待测脑电信号中的测量时间窗，对测量时间窗内的待测脑电信号进行快速傅里叶变化，得到测量时间窗内的待测脑电信号的频域信息。若第一斜率小于所述标准斜率，说明当前的待测脑电信号中不存在属于癫痫发作期的信号，因此需要重新获取新的待测脑电信号以及对应的第一斜率，从而实现待测脑电信号的初步筛选，提高系统的实时检测效率。
在一个实施例中，所述功率处理模块22包括标准功率提取模块221，所述标准功率提取模块221用于：
对所述标准脑电信号进行短时傅里叶变换，获取所述标准脑电信号在频域空间上所述设定频率范围内的平均功率；计算所述平均功率的功率平均值和功率标准差，并将所述功率平均值和多倍的所述功率标准差进行求和，得到所述标准脑电信号在频域空间的标准功率。
具体地，对所述标准脑电信号进行短时傅里叶变换：
，
其中，STFT(t，f)表示短时傅里叶变换，x(t)表示包含至少3次癫痫发作期的标准脑电信号，h（t-τ）表示窗函数，τ表示窗口长度。
根据STFT绘制时间-频率图（时频图），横轴为时间，纵轴为频率，色块显示标准脑电信号x(t)在采样时刻t处、频率段f处的功率。根据时频图中色块显示的信息选择适当的设定频率范围为f1-f2。
获取所述标准脑电信号在频域空间上所述设定频率范围f1-f2内的平均功率X(t)：
，
其中，X(t)是关于时间t的函数，表示在采样时刻t时标准脑电信号在设定频率范围f1-f2内的平均功率。
计算所述平均功率X(t)的功率平均值和功率标准差，并将所述功率平均值和多倍的所述功率标准差进行求和，得到所述标准脑电信号在频域空间的标准功率H2：
，
其中，mean（X（t））表示功率平均值，std（X（t））表示功率标准差，k2为功率系数，取值范围为1～3。
在本实施例中，通过求取标准脑电信号在设定频率范围内频域空间的功率平均值和功率标准差，求得标准脑电信号在频域空间的标准功率，提高标准功率的精确度，从而提高待测脑电信号在频域空间中第一功率与标准功率的第二比较结果的准确率，解决了待测脑电信号中由于小幅值高频快波引起的误检问题。
更进一步地，所述频域信息包括所述测量时间窗内的待测脑电信号的功率谱密度。所述功率处理模块22还用包括第一功率提取模块222以及功率比较模块223：
所述第一功率提取模块222，用于根据所述功率谱密度，计算设定频率范围内所述测量时间窗内的待测脑电信号的第一功率。
所述功率比较模块223，用于将所述第一功率与所述标准功率进行比较，得到所述第二比较结果。
具体地，频域转换模块21计算得到测量时间窗内的待测脑电信号的功率谱密度PSD：
，
其中，F(k)表示对宽度为w的测量时间窗内的待测脑电信号进行的快速傅里叶变换，N表示宽度为w的测量时间窗内待测脑电信号的采样点个数。
第一功率提取模块222根据所述功率谱密度PSD，计算设定频率范围f1-f2内所述测量时间窗内的待测脑电信号的第一功率P：
，
功率比较模块223将所述第一功率P与所述标准功率H2进行比较，得到所述第二比较结果。其中，所述第二比较结果包括所述第一功率大于等于所述标准功率或者所述第一功率小于所述标准功率。
在本实施例中，通过第一功率提取模块222和功率比较模块223对待测脑电信号在频域进行功率谱的分析，进一步确认根据第一比较结果筛选的大幅值的场电位波动是否属于高频连续的大幅值脑电信号波，解决待测脑电信号由于场电位中出现的大幅值低频慢波引起的误检问题，提高系统实时检测的灵敏度和特异性。
在一个实施例中，所述结果标记模块23还用于：
根据所述第二比较结果，确定所述测量时间窗内的待测脑电信号的癫痫检测结果；若所述第一功率大于等于所述标准功率，则将所述测量时间窗内的待测脑电信号标记为癫痫发生信号；若所述第一功率小于所述标准功率，则获取新的待测脑电信号在时域空间的第一斜率。
具体地，在第一功率大于等于标准功率时，说明该待测时间窗内的待测脑电信号为癫痫发生信号，对其进行标记。若第一功率小于标准功率，说明该待测时间窗内的待测脑电信号为正常信号，此时需要获取新的待测脑电信号以及该待测脑电信号在时域空间中的第一斜率重新进行初步筛选。通过本实施例，实现了癫痫患者的单通道脑电信号的实时检测。
在其中一个实施例中，所述系统还包括刺激生成模块26，用于根据所述癫痫发生信号生成电刺激序列。
具体地，在本系统中还设置了刺激生成模块26，当检测到一次癫痫发生信号时，结果标记模块23向刺激生成模块26发送控制信号，刺激生成模块26会根据所述癫痫发生信号生成电刺激序列，所述电刺激序列的生成参数包括但不限于刺激波形、刺激强度、刺激频率、刺激持续时间等。
在本实施例中，通过在系统中设置刺激生成模块26，实现癫痫患者单通道脑电信号的实时检测系统的闭环控制。
在一个示例实施例中，如图3所示，提供一种癫痫患者单通道脑电信号的实时检测系统，具体包括：脑电信号放大模块24、脑电信号采样模块25、斜率处理模块20、频域转换模块21、功率处理模块22、结果标记模块23以及刺激生成模块26。其中，斜率处理模块20包括标准斜率提取模块201、第一斜率提取模块202以及斜率比较模块203。功率处理模块22包括标准功率提取模块221、第一功率提取模块222以及功率比较模块223。
在利用该系统进行实时检测之前，需要构建癫痫信号源，获取包含癫痫信号的待测脑电数据。在本示例实施例中，利用印防己毒素（picrotoxin，PTX）构建急性动物癫痫模型，诱发癫痫活动。印防己毒素PTX是γ-氨基丁酸（GABAA）的受体拮抗剂，可以阻断GABAA受体的通道电流，减弱GABAA的抑制作用从而诱发神经元群体的过度兴奋，引起癫痫活动。
成年大鼠于腹腔注射乌拉坦麻醉后，固定于大鼠脑立体定位仪上进行脑部电极放置：将用作记录电极的金属电极丝植入到大鼠的海马CA1区，用于采集神经元群体的放电活动信号；将同芯双极的刺激电极放置在CA1区的输入轴突Schaffer侧支，用于施加电刺激。
将浓度为4mM的印防己毒素PTX局部注射于记录电极周围的海马CA1区；注射时，将印防己毒素PTX缓慢推入，每3～5 min注射0.5μL，同时观察记录到的CA1区局部场电位的变化，当能稳定诱发癫痫样的放电活动时停止注射，每只大鼠的PTX注射总量为2～2.5μL。
利用脑电信号放大模块24对记录电极实时采集到的大鼠的原始脑电信号进行滤波放大，得到预处理后的脑电信号，并将预处理后的脑电信号发送至脑电信号采样模块25。其中滤波范围设置为0.3～5000赫兹，放大倍数设置为100倍，以使显示并处理的脑电信号为mV量级脑电信号。
脑电信号采样模块25对预处理后的脑电信号进行A/D模数转换采样，将模拟脑电信号转换为离散的数字信号，得到待测脑电信号。其中A/D模数转换的采样频率设置为20k赫兹。
在同一次实验中，经某一种致痫剂诱导的癫痫放电活动具有相似的特征。例如，本示例实施例中采用印防己毒素PTX诱导的急性癫痫模型中，癫痫发作信号通常表现为高频连续的大幅值棘波，因此采集一段包括至少三次高频连续大幅值棘波的脑电信号作为标准脑电信号x（t）。
首先，将标准脑电信号x（t）输入到斜率处理模块20中的标准斜率提取模块201，利用标准斜率提取模块201对标准脑电信号x（t）进行一阶差分，得到待测脑电信号的一阶差分数据，Δt为相邻采样点之间的时间间隔。并对计算得到的一阶差分数据DIFF的斜率平均值和多倍的斜率标准差进行求和，得到标准脑电信号在时域空间的标准斜率H1：/>，其中，mean（DIFF）表示斜率平均值，std（DIFF）表示斜率标准差，k1为斜率系数，取值范围为3～5，在本示例实施例中k1取5。
其次，将标准脑电信号x（t）输入到功率处理模块22中的标准功率提取模块221中，利用标准功率提取模块221对标准脑电信号进行短时傅里叶变换，其中，STFT(t，f)表示短时傅里叶变换，h(t-τ)表示窗函数，τ表示窗口长度，本示例实施例中窗口长度τ包含1024个采样点，对应约50ms的脑电信号（采样率为20000Hz），与癫痫样活动中第一个多波的持续时间相近。根据STFT绘制得到时频图，如图4所示，在较高频率段（大于50Hz）癫痫发作期与癫痫发作间期的功率存在显著差异，因此，在示例实施例中，设定频率范围f1-f2，f1和f2分别选择60Hz和70Hz作为目标频率段。获取所述标准脑电信号在频域空间上所述设定频率范围60Hz-70Hz内的平均功率X(t)。将计算得到的平均功率X(t)的功率平均值和多倍的功率标准差进行求和，得到标准脑电信号在频域空间的标准功率H2：/>，其中，mean（X（t））表示功率平均值，std（X（t））表示功率标准差，k2为功率系数，取值范围为1～3，在本示例实施例中k2取3。
接着，将待测脑电信号输入斜率处理模块20中的第一斜率提取模块202，利用第一斜率提取模块202对待测脑电信号进行一阶差分，得到待测脑电信号的第一斜率K。斜率处理模块20中的斜率比较模块203将第一斜率K与标准斜率H1进行比较，得到第一比较结果。
频域转换模块21在第一比较结果为第一斜率K大于等于标准斜率H1时，将待测脑电信号的当前采样点作为测量时间窗的起点，并划定测量时间窗的宽度为第一宽度w=0.5s，对应的采样点个数为10000。对测量时间窗内待测脑电信号进行快速傅里叶变换，得到测量时间窗内的待测脑电信号的功率谱密度PSD。
功率处理模块22中的第一功率提取模块222根据功率谱密度PSD，计算设定频率范围60Hz-70Hz内测量时间窗的待测脑电信号的第一功率。功率处理模块22中的功率比较模块223将第一功率P与标准功率H2进行比较，得到第二比较结果。
结果标记模块23在第二比较结果为第一功率P大于等于标准功率H2时，将测量时间窗内的待测脑电信号标记为癫痫发生信号。由刺激生成模块26根据癫痫发生信号生成电刺激序列，该电刺激序列产生的电刺激可以作用于大鼠CA1区输入轴突Schaffer侧支的刺激电极上，完成闭环控制。在本实施例中，电刺激序列被设置的刺激波形为先负后正的双相方波脉冲，脉冲宽度为0.1 ms，刺激强度为0.3 mA，刺激频率为100 Hz，刺激持续时间为0.3s。
在上述各实施例中各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器（Read-OnlyMemory，ROM）、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器（ReRAM）、磁变存储器（Magnetoresistive Random Access Memory，MRAM）、铁电存储器（Ferroelectric Random Access Memory，FRAM）、相变存储器（Phase Change Memory，PCM）、石墨烯存储器等。易失性存储器可包括随机存取存储器（Random Access Memory，RAM）或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器（Static Random AccessMemory，SRAM）或动态随机存取存储器（Dynamic RandomAccess Memory，DRAM）等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种癫痫患者单通道脑电信号的实时检测系统，其特征在于，所述系统包括：
斜率处理模块，用于获取待测脑电信号在时域空间的第一斜率，并将所述第一斜率与标准脑电信号在时域空间的标准斜率进行比较，得到第一比较结果；
频域转换模块，用于基于所述第一比较结果确定待测脑电信号的测量时间窗的位置和宽度，并对所述测量时间窗内的待测脑电信号进行快速傅里叶变换，得到所述测量时间窗内的待测脑电信号的频域信息；
功率处理模块，用于基于所述频域信息，获取设定频率范围内所述测量时间窗内的待测脑电信号的第一功率，并将所述第一功率与标准脑电信号在频域空间上的标准功率进行比较，得到第二比较结果；
结果标记模块，用于根据所述第二比较结果，对所述测量时间窗内的待测脑电信号进行标记。
2.根据权利要求1所述的癫痫患者单通道脑电信号的实时检测系统，其特征在于，所述斜率处理模块包括标准斜率提取模块，所述标准斜率提取模块用于：
对所述标准脑电信号进行一阶差分，得到所述待测脑电信号的一阶差分数据；
计算所述一阶差分数据的斜率平均值和斜率标准差，并将所述斜率平均值和多倍的所述斜率标准差进行求和，得到所述标准脑电信号在时域空间的标准斜率。
3.根据权利要求2所述的癫痫患者单通道脑电信号的实时检测系统，其特征在于，所述斜率处理模块还包括第一斜率提取模块以及斜率比较模块：
所述第一斜率提取模块，用于对所述待测脑电信号进行一阶差分，得到所述待测脑电信号的第一斜率；
所述斜率比较模块，用于将所述第一斜率与所述标准斜率进行比较，得到所述第一比较结果。
4.根据权利要求1所述的癫痫患者单通道脑电信号的实时检测系统，其特征在于，所述第一比较结果包括所述第一斜率大于等于所述标准斜率或者所述第一斜率小于所述标准斜率，所述频域转换模块还用于：
基于所述第一比较结果确定待测脑电信号的测量时间窗的位置和宽度；
若所述第一斜率大于等于所述标准斜率，则将所述待测脑电信号的当前采样点作为所述测量时间窗的起点，并划定所述测量时间窗的宽度为第一宽度；
若所述第一斜率小于所述标准斜率，则获取新的待测脑电信号在时域空间的第一斜率，直至所述第一斜率大于等于所述标准斜率。
5.根据权利要求1所述的癫痫患者单通道脑电信号的实时检测系统，其特征在于，所述功率处理模块包括标准功率提取模块，所述标准功率提取模块用于：
对所述标准脑电信号进行短时傅里叶变换，获取所述标准脑电信号在频域空间上所述设定频率范围内的平均功率；
计算所述平均功率的功率平均值和功率标准差，并将所述功率平均值和多倍的所述功率标准差进行求和，得到所述标准脑电信号在频域空间的标准功率。
6.根据权利要求5所述的癫痫患者单通道脑电信号的实时检测系统，其特征在于，所述频域信息包括所述测量时间窗内的待测脑电信号的功率谱密度，所述功率处理模块还包括第一功率提取模块以及功率比较模块：
所述第一功率提取模块，用于根据所述功率谱密度，计算设定频率范围内所述测量时间窗内的待测脑电信号的第一功率；
所述功率比较模块，用于将所述第一功率与所述标准功率进行比较，得到所述第二比较结果。
7.根据权利要求1所述的癫痫患者单通道脑电信号的实时检测系统，其特征在于，所述第二比较结果包括所述第一功率大于等于所述标准功率或者所述第一功率小于所述标准功率，所述结果标记模块还用于：
根据所述第二比较结果，确定所述测量时间窗内的待测脑电信号的癫痫检测结果；
若所述第一功率大于等于所述标准功率，则将所述测量时间窗内的待测脑电信号标记为癫痫发生信号；
若所述第一功率小于所述标准功率，则获取新的待测脑电信号在时域空间的第一斜率。
8.根据权利要求7所述的癫痫患者单通道脑电信号的实时检测系统，其特征在于，所述系统还包括刺激生成模块，用于根据所述癫痫发生信号生成电刺激序列。
9.根据权利要求1所述的癫痫患者单通道脑电信号的实时检测系统，其特征在于，所述系统还包括脑电信号放大模块，用于采集原始脑电信号并对所述原始脑电信号进行滤波放大，得到预处理后的脑电信号。
10.根据权利要求9所述的癫痫患者单通道脑电信号的实时检测系统，其特征在于，所述系统还包括脑电信号采样模块，用于对所述预处理后的脑电信号进行模数转换采样，得到所述待测脑电信号。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410322510.4A CN117918861B (zh) | 2024-03-20 | 2024-03-20 | 一种癫痫患者单通道脑电信号的实时检测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410322510.4A CN117918861B (zh) | 2024-03-20 | 2024-03-20 | 一种癫痫患者单通道脑电信号的实时检测系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117918861A CN117918861A (zh) | 2024-04-26 |
| CN117918861B true CN117918861B (zh) | 2024-06-04 |
Family
ID=90754142
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410322510.4A Active CN117918861B (zh) | 2024-03-20 | 2024-03-20 | 一种癫痫患者单通道脑电信号的实时检测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117918861B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103876736A (zh) * | 2014-04-11 | 2014-06-25 | 北京工业大学 | 一种基于功率谱划分的复杂度谱脑电预测和诊断方法 |
| CN108577834A (zh) * | 2018-05-17 | 2018-09-28 | 西安交通大学 | 一种用于癫痫间期棘波自动检测的方法 |
| CN110477910A (zh) * | 2019-08-14 | 2019-11-22 | 深圳先进技术研究院 | 癫痫发作预测装置、终端设备以及计算机可读存储介质 |
| CN111643076A (zh) * | 2020-05-13 | 2020-09-11 | 杭州电子科技大学 | 一种基于多通道脑电信号的bect棘波智能检测方法 |
| CN115708670A (zh) * | 2022-12-01 | 2023-02-24 | 北京邮电大学 | 基于单导联的多种致痫病理标志物分析的soz定位方法 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080021340A1 (en) * | 2006-07-19 | 2008-01-24 | Mika Sarkela | Detection of focal epileptiform activity |
| US10729352B2 (en) * | 2015-08-17 | 2020-08-04 | Neuropace, Inc. | Neurological event detection tools for implantable medical devices |
| WO2018102815A1 (en) * | 2016-12-02 | 2018-06-07 | Thomas Jefferson University | Signal processing method for distinguishing and characterizing high-frequency oscillations |
-
2024
- 2024-03-20 CN CN202410322510.4A patent/CN117918861B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103876736A (zh) * | 2014-04-11 | 2014-06-25 | 北京工业大学 | 一种基于功率谱划分的复杂度谱脑电预测和诊断方法 |
| CN108577834A (zh) * | 2018-05-17 | 2018-09-28 | 西安交通大学 | 一种用于癫痫间期棘波自动检测的方法 |
| CN110477910A (zh) * | 2019-08-14 | 2019-11-22 | 深圳先进技术研究院 | 癫痫发作预测装置、终端设备以及计算机可读存储介质 |
| CN111643076A (zh) * | 2020-05-13 | 2020-09-11 | 杭州电子科技大学 | 一种基于多通道脑电信号的bect棘波智能检测方法 |
| CN115708670A (zh) * | 2022-12-01 | 2023-02-24 | 北京邮电大学 | 基于单导联的多种致痫病理标志物分析的soz定位方法 |
Non-Patent Citations (1)
| Title |
|---|
| 儿童癫痫综合征智能分析:综述与展望;郑润泽;模式识别与人工智能;20240229;第37卷(第2期);144-161 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117918861A (zh) | 2024-04-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Kim et al. | Automatic spike detection based on adaptive template matching for extracellular neural recordings | |
| Sankari et al. | Intrahemispheric, interhemispheric, and distal EEG coherence in Alzheimer’s disease | |
| Ovchinnikov et al. | An algorithm for real-time detection of spike-wave discharges in rodents | |
| Camuñas-Mesa et al. | A detailed and fast model of extracellular recordings | |
| Zanos et al. | Removal of spurious correlations between spikes and local field potentials | |
| Piryatinska et al. | Automated detection of neonate EEG sleep stages | |
| Kuśmierek et al. | Sound-identity processing in early areas of the auditory ventral stream in the macaque | |
| US20160106331A1 (en) | Fractal index analysis of human electroencephalogram signals | |
| CN103228208A (zh) | 监视或预测系统及监视或预测方法 | |
| US20120143038A1 (en) | Functional assessment of a network | |
| Stegenga et al. | Analysis of cultured neuronal networks using intraburst firing characteristics | |
| CN114010207B (zh) | 基于过零点系数的时域数据分类方法、植入式刺激系统 | |
| Koffler et al. | Automatic detection of spike-and-wave bursts in ambulatory EEG recordings | |
| Kobayashi et al. | Detection of changes of high-frequency activity by statistical time-frequency analysis in epileptic spikes | |
| Abbaspoor et al. | Theta-and gamma-band oscillatory uncoupling in the macaque hippocampus | |
| CN117918861B (zh) | 一种癫痫患者单通道脑电信号的实时检测系统 | |
| Zhou et al. | A hybrid expert system for individualized quantification of electrical status epilepticus during sleep using biogeography-based optimization | |
| Michael et al. | Learning at your brain’s rhythm: individualized entrainment boosts learning for perceptual decisions | |
| Gourévitch et al. | Maximum decoding abilities of temporal patterns and synchronized firings: application to auditory neurons responding to click trains and amplitude modulated white noise | |
| DE3246025T1 (de) | Mapping der elektrischen Gehirnaktivität | |
| Lütkenhöner et al. | Disruption of the auditory response to a regular click train by a single, extra click | |
| CN114469138A (zh) | 基于时频域的脑电爆发抑制模式的检测方法、系统及介质 | |
| Chou et al. | Multi-channel algorithms for epileptic high-frequency oscillation detection | |
| CN117033988B (zh) | 基于神经电信号的癫痫样棘波处理方法和装置 | |
| Sendi et al. | Amygdala stimulation leads to functional network connectivity state transitions in the hippocampus |
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 |