【技术实现步骤摘要】
一种基于便携式EEG设备的精神分裂障碍筛查方法
本专利技术属于EEG脑电信号识别
与精神疾病筛查，具体涉及一种基于便携式EEG设备的精神分裂障碍筛查方法。
技术介绍
大脑认知是人脑接受外界信息，经过加工处理，转换成内在的心理活动，从而获取知识或应用知识的过程。认知障碍是指上述几项认知功能中的一项或多项受损，并影响个体的日常或社会能力。精神分裂症是一组病因未明的常见精神疾病，多起病于青壮年，常有感知，思维，情感，行为等方面的障碍和精神活动的不协调，病程迁延，常可发展为精神活动衰退等特征。本病患病率高，国内统计可达6.55‰，占各半精神障碍(不含神经病)终生患病率(13.7‰)的半数左右，是精神疾病中患病率最高的一种。本病严重损害患者的心身健康，给患者家庭，社会带来沉重的负担。早期主要表现为性格改变，如不理睬亲人、不讲卫生、对镜子独笑等。病情进一步发展，即表现为思维紊乱，病人的思考过程缺乏逻辑性和连贯性，言语零乱、词不达意。1、类神经衰弱状态头痛、失眠、多梦易醒、做事丢三落四、注意力不集中、倦怠乏力，虽有诸...
【技术保护点】
1.一种基于便携式EEG设备的精神分裂障碍筛查方法，其特征在于：包括脑电信号采集判别步骤，所述脑电信号采集判别步骤为：/n第一步：通过1-4导联的高灵敏度电极片进行信号感应，并进行原始脑电信号采集，原始信号通过阻抗测试模块进行信号稳定性测试；/n第二步：当信号达到稳定后，将原始脑电信号传输至运算放大器，进行信号放大和信号强度调优；/n第三部：对进行放大和优化后的信号通过蓝牙模块，传输到移动端，并通过加速度传感器判断当前物理状态；/n第四步：移动端将接受的信号，传送至云端高性能计算服务器集群，进行信号解析与信号分析计算；/n第五步：脑电信号模式识别算法，脑电机器学习算法，脑电...
【技术特征摘要】 【专利技术属性】
1.一种基于便携式EEG设备的精神分裂障碍筛查方法，其特征在于：包括脑电信号采集判别步骤，所述脑电信号采集判别步骤为：
第一步：通过1-4导联的高灵敏度电极片进行信号感应，并进行原始脑电信号采集，原始信号通过阻抗测试模块进行信号稳定性测试；
第二步：当信号达到稳定后，将原始脑电信号传输至运算放大器，进行信号放大和信号强度调优；
第三部：对进行放大和优化后的信号通过蓝牙模块，传输到移动端，并通过加速度传感器判断当前物理状态；
第四步：移动端将接受的信号，传送至云端高性能计算服务器集群，进行信号解析与信号分析计算；
第五步：脑电信号模式识别算法，脑电机器学习算法，脑电深度学习算法对脑电状态和事件对应信号进行精神分裂脑电信号、脑功能等相关指标计算判别。
2.根据权利要求1所述的一种基于便携式EEG设备的精神分裂障碍筛查方法，其特征在于：所述第一步中信号采集与处理流程为：
第一步：使用者佩戴脑电监测设备，进行联通测试后，开始进行原始脑电信号传输与存储；
第二步：对原始采集的信号进行数据预处理，通过傅里叶算法进行信号变换，转换成数字信号；
第三步：对转换成数字信号的脑电信号，通过滤波算法和主成分分析进行噪音取除和转换变化，主要通过回归法、自适应滤波法和独立分量分析法对眼动干扰、心电干扰、肌电干扰、工频干扰和高频噪声干扰等进行取除；
第四步：对经过噪音取除的原始脑电信号上传至存储服务器，同时同步传输至脑电算法计算服务器。
3.根据权利要求1所述的一种基于便携式EEG设备的精神分裂障碍筛查方法，其特征在于：所述第四步中信号解析与信号分析计算流程为：
第一步：对原始脑电信号进行特征提取，以特征信号作为源信号，确定各种参数并以此为向量组成表征信号特征的特征向量变换；
第二步：对原始脑电信号向量特征进行时域信号参数提取和变换特征工程；
第三步：对原始脑电信号向量进行频域信号参数提取和变换特征工程；
第四步：利用的信号特征及电极位置关系，使用自回归、傅里叶变换、表面拉普拉斯变换和小波变换等进行特征归类。
技术研发人员：卢树强，郭建明，王晓岸，
申请(专利权)人：北京脑陆科技有限公司，首都医科大学宣武医院，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。