癫痫发作的监测方法及装置制造方法及图纸

本申请公开了癫痫发作的监测方法及装置。该方法包括：采集癫痫患者手腕处的三轴加速度信号；从三轴加速度信号中确定目标轴的信号，其中，目标轴的信号的振幅大于其余两轴信号的振幅；对目标轴的信号按照预设长度进行分窗处理，得到目标轴的多个子信号；对目标轴的多个子信号进行处理，得到两个特征值；基于两个特征值，判定癫痫患者是否癫痫发作。通过本申请，解决了相关技术中癫痫发作的监测方法中算法的复杂度较高，导致检测成本较高的问题。

【技术实现步骤摘要】
癫痫发作的监测方法及装置
本申请涉及监测
，具体而言，涉及癫痫发作的监测方法及装置。
技术介绍
癫痫是由大脑神经元突发性异常放电所引起一类慢性神经系统疾病，会导致短暂的大脑功能障碍，产生肢体僵直、四肢异常抽搐、失神等症状。强直-阵挛型癫痫俗称“大发作”，是癫痫发作的监测的重要研究对象，其主要表现为肌肉持续性收缩、对称或不对称地抽动且每次累及相同的肌肉群，伴有握拳、曲腕等动作。癫痫发作时常常由于失神、躯体不受控制、呼吸停止等原因导致癫痫患者受到意外伤害，且发作时如果得不到及时治疗可能会因脑部炎症反应而加重神经系统损伤，造成更加严重的后果。癫痫发作具有突发性，影响癫痫患者的正常工作与生活，使癫痫患者产生焦虑情绪。癫痫发作时伴有几乎无法察觉的短暂失神或长时间的剧烈阵挛，其情况复杂多样，没有明显规律。若癫痫患者发病时不在公众场合或无人看护，就很难被发现，事后也很难回忆自己的发作史。基于上述癫痫发作的监测中的困难与癫痫发作对癫痫患者造成的严重影响，癫痫发作自动检测方法是当今医学界与医疗电子领域的重要研究课题。目前，基于脑电信号的癫痫发作的监测方法的算法对信号的采集效果要求相对严苛，采集时需要专业人士的指导，难以在医院以外的场合进行，产生的费用也相对较高。基于心电信号的癫痫发作的监测方法同样面临着信号难以采集的困境，且心电信号容易受到其他剧烈活动的干扰，稳定性差，其结果存在着相对较大的误差。因此，现有方案对硬件设备的计算速度和续航能力有相对较高的要求，也限制了设备的小型化。针对相关技术中癫痫发作的监测方法中算法的复杂度较高，导致检测成本较高的问题，目前尚未提出有效的解决方案。
技术实现思路
本申请的主要目的在于提供一种癫痫发作的监测方法及装置，以解决相关技术中癫痫发作的监测方法中算法的复杂度较高，导致检测成本较高的问题。为了实现上述目的，根据本申请的一个方面，提供了一种癫痫发作的监测方法。该方法包括：采集癫痫患者手腕处的三轴加速度信号；从所述三轴加速度信号中确定目标轴的信号，其中，所述目标轴的信号的振幅大于其余两轴信号的振幅；对所述目标轴的信号按照预设长度进行分窗处理，得到目标轴的多个子信号；对所述目标轴的多个子信号进行处理，得到两个特征值；基于所述两个特征值，判定癫痫患者是否癫痫发作。进一步地，所述两个特征值为第一特征值和第二特征值，预设的阈值包括第一阈值、第二阈值和第三阈值，其中，所述第一阈值小于所述第二阈值，所述第二阈值小于第三阈值，基于所述两个特征值，判定癫痫患者是否癫痫发作包括：当所述第一特征值大于所述第一阈值，且所述第二特征值大于所述第二阈值的情况下，或者，当所述第一特征值大于所述第一阈值，且所述第二特征值大于所述第一阈值且小于所述第二阈值的情况下，确定所述癫痫患者癫痫发作。进一步地，所述方法还包括：当所述第一特征值的绝对值小于所述第一阈值，且所述第二特征值的绝对值小于所述第二阈值的情况下，或者，当所述第一特征值小于所述第三阈值，且所述第二特征值大于所述第一阈值且小于所述第二阈值的情况下，或者，当所述第一特征值小于所述第三阈值，且所述第二特征值的绝对值大于所述第二阈值的情况下，确定所述癫痫患者未癫痫发作。进一步地，所述方法还包括：当所述第一特征值的绝对值小于所述第一阈值，且所述第二特征值的绝对值小于所述第二阈值的情况下，确定所述癫痫患者的肢体为随机运动；当所述第一特征值小于所述第三阈值，且所述第二特征值大于所述第一阈值且小于所述第二阈值的情况下，确定所述癫痫患者的肢体为稳定运动；当所述第一特征值小于所述第三阈值，且所述第二特征值的绝对值大于所述第二阈值的情况下，确定所述癫痫患者的肢体为变频运动。进一步地，对所述目标轴的多个子信号进行处理，得到两个特征值包括：对所述目标轴的每个子信号进行自相关处理；基于对处理后的子信号构造托普利兹矩阵，并确定构造的托普利兹矩阵的逆矩阵；基于所述逆矩阵计算空间解相关参数，得到所述两个特征值。进一步地，对所述目标轴的每个子信号进行自相关处理包括：采用算法一对所述目标轴的每个子信号进行自相关处理，其中，其中，所述算法一为：acc(i)为所述子信号的第i个数据，m为每个子信号包括的数据的数量，n为整数，a(n)为子信号中第n个处理后的数据。进一步地，基于对处理后的子信号构造托普利兹矩阵，并确定构造的托普利兹矩阵的逆矩阵包括：将处理后的子信号组成的行向量为[a1,a2…an]，取其前k个值构造对称托普利兹矩阵如下：确定所述托普利兹矩阵相应的逆矩阵为T-1，其中，k根据常规肢体运动在当前采样率下一个周期内的点数来确定，且k<<n。进一步地，基于所述逆矩阵计算空间解相关参数，得到所述两个特征值包括：取所述逆矩阵的列向量L＝[ajaj+1…aj+k-1]T，其中，计算X1＝T-1×L，X2＝-X1；得到第一特征值c1＝X2(1)和第二特征值c2＝X2(j)。进一步地，在确定所述癫痫患者癫痫发作之后，所述方法还包括：触发提醒信息至目标对象，以提醒所述目标对象所述癫痫患者癫痫发作，其中，所述提醒信息的方式为以下至少之一：信息提醒，语音提醒，去电提醒；或者，在所述癫痫患者携带通讯工具的情况下，控制发送语音控制指令至所述通讯工具；通过所述通讯工具语音播报目标信息，以提醒所述癫痫患者的身边人员所述癫痫患者癫痫发作。为了实现上述目的，根据本申请的一个方面，提供了一种癫痫发作的监测装置，包括：采集单元，用于采集癫痫患者手腕处的三轴加速度信号；确定单元，用于从所述三轴加速度信号中确定目标轴的信号，其中，所述目标轴的信号的振幅大于其余两轴信号的振幅；第一获取单元，用于对所述目标轴的信号按照预设长度进行分窗处理，得到目标轴的多个子信号；第二获取单元，用于对所述目标轴的多个子信号进行处理，得到两个特征值；判定单元，用于基于所述两个特征值，判定癫痫患者是否癫痫发作。通过本申请，采用以下步骤：采集癫痫患者手腕处的三轴加速度信号；从三轴加速度信号中确定目标轴的信号，其中，目标轴的信号的振幅大于其余两轴信号的振幅；对目标轴的信号按照预设长度进行分窗处理，得到目标轴的多个子信号；对目标轴的多个子信号进行处理，得到两个特征值；基于两个特征值，判定癫痫患者是否癫痫发作，解决了相关技术中癫痫发作的监测方法中算法的复杂度较高，导致检测成本较高的问题。进而达到了降低检测癫痫发作的复杂度，从而降低了算法对硬件性能的要求，降低生产的成本的效果。附图说明构成本申请的一部分的附图用来提供对本申请的进一步理解，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：图1是根据本申请实施例提供的癫痫发作的监测方法的流程图；以及图2是根据本申请实施例提供的癫痫发作的监测装置的示意图。具体实施方式需要说明的是，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组合。下面将参考附图并结合实施例来详细说明本申请。为了使本
的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施本文档来自技高网...

【技术保护点】
1.癫痫发作的监测方法，其特征在于，包括：采集癫痫患者手腕处的三轴加速度信号；从所述三轴加速度信号中确定目标轴的信号，其中，所述目标轴的信号的振幅大于其余两轴信号的振幅；对所述目标轴的信号按照预设长度进行分窗处理，得到目标轴的多个子信号；对所述目标轴的多个子信号进行处理，得到两个特征值；基于所述两个特征值，判定癫痫患者是否癫痫发作。

【技术特征摘要】
1.癫痫发作的监测方法，其特征在于，包括：采集癫痫患者手腕处的三轴加速度信号；从所述三轴加速度信号中确定目标轴的信号，其中，所述目标轴的信号的振幅大于其余两轴信号的振幅；对所述目标轴的信号按照预设长度进行分窗处理，得到目标轴的多个子信号；对所述目标轴的多个子信号进行处理，得到两个特征值；基于所述两个特征值，判定癫痫患者是否癫痫发作。2.根据权利要求1所述的方法，其特征在于，所述两个特征值为第一特征值和第二特征值，预设的阈值包括第一阈值、第二阈值和第三阈值，其中，所述第一阈值小于所述第二阈值，所述第二阈值小于第三阈值，基于所述两个特征值，判定癫痫患者是否癫痫发作包括：当所述第一特征值大于所述第一阈值，且所述第二特征值大于所述第二阈值的情况下，或者，当所述第一特征值大于所述第一阈值，且所述第二特征值大于所述第一阈值且小于所述第二阈值的情况下，确定所述癫痫患者癫痫发作。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：当所述第一特征值的绝对值小于所述第一阈值，且所述第二特征值的绝对值小于所述第二阈值的情况下，或者，当所述第一特征值小于所述第三阈值，且所述第二特征值大于所述第一阈值且小于所述第二阈值的情况下，或者，当所述第一特征值小于所述第三阈值，且所述第二特征值的绝对值大于所述第二阈值的情况下，确定所述癫痫患者未癫痫发作。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：当所述第一特征值的绝对值小于所述第一阈值，且所述第二特征值的绝对值小于所述第二阈值的情况下，确定所述癫痫患者的肢体为随机运动；当所述第一特征值小于所述第三阈值，且所述第二特征值大于所述第一阈值且小于所述第二阈值的情况下，确定所述癫痫患者的肢体为稳定运动；当所述第一特征值小于所述第三阈值，且所述第二特征值的绝对值大于所述第二阈值的情况下，确定所述癫痫患者的肢体为变频运动。5.根据权利要求1所述的方法，其特征在于，对所述目标轴的多个子信号进行处理，得到两个特征值包括：对所述目标轴的每个子信号进行自相关处理；基于对处理后的子信号构造托普利兹矩阵，并确定构...

【专利技术属性】
技术研发人员：遇涛，刘志文，盛多铮，
申请(专利权)人：瑞尔脑康北京科技有限公司，
类型：发明
国别省市：北京,11