一种基于脑电波采集和人工智能技术的辅助护理系统技术方案

本发明专利技术公开了一种基于脑电波采集和人工智能技术的辅助护理系统，包括护理模块、训练模块和脑电波采集模块，护理模块、训练模块和脑电波采集模块通过软件架构编设在系统中，脑电波采集模块包括脑电波传感器、滤波器、ADC模组和蓝牙模组，脑电波传感器用于收集原始脑电波数据。本发明专利技术与现有技术相比的优点在于：针对经口气管插管后，暂时丧失语言沟通能力，无法用语言表达自身的感受和需求的患者，通过脑电波采集技术和深度学习，将患者的需求通过屏幕或语音方式提供给医护人员，构建人工智能辅助护理系统，进而及时了解患者的生理和心理需求，减少患者的不良情绪。

【技术实现步骤摘要】
一种基于脑电波采集和人工智能技术的辅助护理系统
本专利技术涉及医护领域，具体是指一种基于脑电波采集和人工智能技术的辅助护理系统。
技术介绍
气管插管是危重症抢救患者的重要手段，但由于经口插管后，患者暂时丧失语言沟通能力，无法用语言表达自身的感受和需求，特别当病人出现不适时，因不能得到及时的帮助可产生急躁、恐惧、焦虑、紧张等情绪，严重时甚至挣脱约束发生意外拔管，进一步加重病情。因此，及时了解插管患者的生理和心理需求，进而减少患者的不良情绪，促使其积极配合治疗。脑电波(Electroencephalogram,EEG)是一种使用电生理指标记录大脑活动的方法，大脑在活动时，大量神经元同步发生的突触后电位经总和后形成的。它记录大脑活动时的电波变化，是脑神经细胞的电生理活动在大脑皮层或头皮表面的总体反映。现有关脑电波采集与处理的理论、技术产品已日趋成熟。深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声本文档来自技高网...

【技术保护点】
1.一种基于脑电波采集和人工智能技术的辅助护理系统，包括护理模块(1)、训练模块(2)和脑电波采集模块(3)，其特征在于：所述护理模块(1)、训练模块(2)和脑电波采集模块(3)通过软件架构编设在系统中，脑电波采集模块(3)包括脑电波传感器(4)、滤波器(5)、ADC模组(6)和蓝牙模组(7)，所述脑电波传感器(4)用于收集原始脑电波数据，并通过信道连接滤波器(5)，所述滤波器(5)用于对原始脑电波数据进行滤波处理，将处理后的数据通过信道传输至ADC模组(6)，所述ADC模组(6)将滤波后的数据转化成4-20mA的数字量信号，经由所述蓝牙模组(7)上传至计算机中；/n所述训练模块(2)包括提示...

【技术特征摘要】
1.一种基于脑电波采集和人工智能技术的辅助护理系统，包括护理模块(1)、训练模块(2)和脑电波采集模块(3)，其特征在于：所述护理模块(1)、训练模块(2)和脑电波采集模块(3)通过软件架构编设在系统中，脑电波采集模块(3)包括脑电波传感器(4)、滤波器(5)、ADC模组(6)和蓝牙模组(7)，所述脑电波传感器(4)用于收集原始脑电波数据，并通过信道连接滤波器(5)，所述滤波器(5)用于对原始脑电波数据进行滤波处理，将处理后的数据通过信道传输至ADC模组(6)，所述ADC模组(6)将滤波后的数据转化成4-20mA的数字量信号，经由所述蓝牙模组(7)上传至计算机中；
所述训练模块(2)包括提示器(8)、数据库(9)、深度学习模组(10)和自动标注模组(11)，所述提示器(8)内置有起始词语，对采集到的脑电波数据进行标注并生成训练数据，通过信道将训练数据传输至数据库(9)，所述数据库(9)为储存训练数据的数据集，通过信道连接深度学习模组(10)，所述深度学习模组(10)可调用数据集进行训练，得到数据模型并通过内部编设的翻译程序进行数据转化，生成对应的信号数据；所述自动标注模组(11)内编设有标准的脑电波信号模板，将采集到的脑电波数据与脑电波信号模板进行比对并自动标注；
所述护理模块(1)包括驱动模组、提示模组(12)和TTS模组(13)，在执行护理工作时调用脑电波采集模块(3)和深度学习模组(10)，所述驱动模组用于发出工作指令调用其他模组；所述提示模组(12)将深度学习模组(10)转化的信号数据输入内置提示软件，生成文字显示在显示屏上；所述TTS模组(13)将深度学习模组(10)转化的信号数据输入TTS程序，生成语音数据并通过扬声器播放...

【专利技术属性】
技术研发人员：任媛，张猛，苏新明，封辰叶，陆常玲，孔德磊，王玮，康健，
申请(专利权)人：中国医科大学附属第一医院，
类型：发明
国别省市：辽宁;21