一种基于脑电波的医疗辅助系统技术方案

本发明专利技术涉及医疗技术领域，且公开了一种基于脑电波的医疗辅助系统，包括脑电波采集系统、脑电波滤波系统、特征提取系统、神经网络系统和诊断系统；脑电波采集系统的电机采用10

【技术实现步骤摘要】
一种基于脑电波的医疗辅助系统


[0001]本专利技术涉及医疗
，具体为一种基于脑电波的医疗辅助系统。

技术介绍

[0002]脑电波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。
[0003]脑电波来源于锥体细胞顶端树突的突触后电位。脑电波同步节律的形成还与皮层丘脑非特异性投射系统的活动有关。脑电波是脑科学的基础理论研究，脑电波监测广泛运用于其临床实践应用中。
[0004]脑电波在脑部疾病和神经系统疾病临床诊断中起着十分重要的作用，常作为癲痫、中枢神经系统感染性疾病、占位性疾病等疾病的辅助诊断，为了便于方便医生判断病情，我们提出了一种基于脑电波的医疗辅助系统。

技术实现思路

[0005]针对现有技术存在的上述不足，本专利技术提供了一种基于脑电波的医疗辅助系统，本专利技术对脑电波进行采集，并进行分析处理，对病情进行合理判断，以辅助医生诊断。
[0006]本专利技术提供如下技术方案：一种基于脑电波的医疗辅助系统，包括脑电波采集系统、脑电波滤波系统、特征提取系统、神经网络系统和诊断系统；
[0007]脑电波采集系统的电机采用10
‑
20系统电极放置法，并利用双极导联方式，以20导脑电极把从头皮电极采集的信号送入到高精度放大器，放大后的信号经过采样保持，12位模数转换后，得到离散的数据作为分析数据；
[0008]脑电波滤波系统主要是增加低通滤波器对脑电波进行初步过滤，再以自适应卡尔曼滤波法进行滤波，进一步筛选，得到波形的特征参数；
[0009]特征提取系统经过滤波后可取出波形的特征参数，分别是波前幅最低点，波幅度最大点，波后幅最低点，波前沿时间，后沿时间，前沿坡度两个点，后沿坡度两个点，再加上计算出来的频率和幅度一起作为输入送入神经网络系统进行识别；
[0010]神经网络系统采用反向传播算法，对异常的脑电信号进行识别，且具有并行处理能力强，可以自学习等优点，因此可用来系统的自学习能力，神经网络的学习过程也就是不断调整数据的过程；
[0011]诊断系统从知识库中挑选可用的知识，从挑选出来的规则集中找出最适于问题的规则，子目标推理失败后重新选择新的路径，推理结束控制策略，应能对所有输入的脑电信号进行联想、推理并准确得出结论。
[0012]优选的，脑电波采集系统主要以计算机和大规模集成电路为基础，将脑电信号进行模数转换后，以数字形式进行存储、分析和显示。
[0013]优选的，自适应卡尔曼滤波提取脑电信号，它的算法实现是在最小信号和噪声模
型参数的先验知识下，采用时域分析法对混在噪声或无关信号中的脑电信号进行最优化估值。
[0014]优选的，诊断系统由知识获取机构、知识库、推理机、解释机构、数据库和用户接口组成。
[0015]优选的，神经网络系统的学习规则是修正权值的一个算法，在一般情况下，神经网络性能的改善是按某种预定的度量通过调节自身参数随时间逐步达到的。
[0016]与现有技术对比，本专利技术具备以下有益效果：
[0017]该基于脑电波的医疗辅助系统，对脑电波进行采集、滤波、特征提取获得脑电波的波形特征参数，然后把这些特征参数送入已训练好的神经网络中，对病情进行判断，并根据以往专家临床经验，对病情进行诊断，为医生的诊断提供便利。
附图说明
[0018]图1为本专利技术结构示意图。
具体实施方式
[0019]为了使本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例的附图，对本公开实施例的技术方案进行清楚、完整地描述，为了保持本公开实施例的以下说明清楚且简明，本公开省略了已知功能和已知部件的详细说明，以避免不必要地混淆本专利技术的概念。
[0020]请参阅图1，一种基于脑电波的医疗辅助系统，包括脑电波采集系统、脑电波滤波系统、特征提取系统、神经网络系统和诊断系统。
[0021]脑电波采集系统的电机采用10
‑
20系统电极放置法，并利用双极导联方式，以20导脑电极把从头皮电极采集的信号送入到高精度放大器，放大后的信号经过采样保持，12位模数转换后，得到离散的数据作为分析数据；
[0022]脑电波滤波系统主要是增加低通滤波器对脑电波进行初步过滤，再以自适应卡尔曼滤波法进行滤波，进一步筛选，得到波形的特征参数；
[0023]特征提取系统经过滤波后可取出波形的特征参数，分别是波前幅最低点，波幅度最大点，波后幅最低点，波前沿时间，后沿时间，前沿坡度两个点，后沿坡度两个点，再加上计算出来的频率和幅度一起作为输入送入神经网络系统进行识别；
[0024]神经网络系统采用反向传播算法，对异常的脑电信号进行识别，且具有并行处理能力强，可以自学习等优点，因此可用来系统的自学习能力，神经网络的学习过程也就是不断调整数据的过程；
[0025]诊断系统从知识库中挑选可用的知识，从挑选出来的规则集中找出最适于问题的规则，子目标推理失败后重新选择新的路径，推理结束控制策略，应能对所有输入的脑电信号进行联想、推理并准确得出结论。
[0026]脑电波采集系统主要以计算机和大规模集成电路为基础，将脑电信号进行模数转换后，以数字形式进行存储、分析和显示。
[0027]自适应卡尔曼滤波提取脑电信号，它的算法实现是在最小信号和噪声模型参数的先验知识下，采用时域分析法对混在噪声或无关信号中的脑电信号进行最优化估值。
[0028]诊断系统由知识获取机构、知识库、推理机、解释机构、数据库和用户接口组成。
[0029]神经网络系统的学习规则是修正权值的一个算法，在一般情况下，神经网络性能的改善是按某种预定的度量通过调节自身参数随时间逐步达到的。
[0030]以上实施例仅为本专利技术的示例性实施例，不用于限制本专利技术，本专利技术的保护范围由权利要求书限定。本领域技术人员可以在本专利技术的实质和保护范围内，对本专利技术做出各种修改或等同替换，这种修改或等同替换也应视为落在本专利技术的保护范围内。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于脑电波的医疗辅助系统，其特征在于：包括脑电波采集系统、脑电波滤波系统、特征提取系统、神经网络系统和诊断系统；脑电波采集系统的电机采用10
‑
20系统电极放置法，并利用双极导联方式，以20导脑电极把从头皮电极采集的信号送入到高精度放大器，放大后的信号经过采样保持，12位模数转换后，得到离散的数据作为分析数据；脑电波滤波系统主要是增加低通滤波器对脑电波进行初步过滤，再以自适应卡尔曼滤波法进行滤波，进一步筛选，得到波形的特征参数；特征提取系统经过滤波后可取出波形的特征参数，分别是波前幅最低点，波幅度最大点，波后幅最低点，波前沿时间，后沿时间，前沿坡度两个点，后沿坡度两个点，再加上计算出来的频率和幅度一起作为输入送入神经网络系统进行识别；神经网络系统采用反向传播算法，对异常的脑电信号进行识别，且具有并行处理能力强，可以自学习等优点，因此可用来系统的自学习能力，神经网络的学习过程也就是不断调整数据的过程；诊断系统从知识库中挑选可用的知识，...

【专利技术属性】
技术研发人员：孔祥增，祁君，赵永翔，高建梁，王晖，郑慧如，
申请(专利权)人：江苏康启智能科技有限公司，
类型：发明
国别省市：