一种基于脑机接口和动作识别的瘫痪患者监护系统技术方案

本发明专利技术公开了一种基于脑机接口和动作识别的瘫痪患者监护系统，属于瘫痪患者智能监护领域，包括脑机接口模块、视频采集模块、边缘计算模块、报警模块、运动模块和云端服务器模块；脑机接口模块用于采集患者的脑电波信息；视频采集模块用于获取患者视频图像；边缘计算模块用于对脑机接口模块和视频采集模块中的信息进行处理分析，当情绪或动作异常时发出报警信号；报警模块用于进行报警操作；运动模块用于进行康复训练；云端服务器模块用于保存患者的脑电波和各种动作数据，为边缘计算模块和后续治疗提供数据支撑。该系统可以实时检测瘫痪患者的情绪和生理的变化，并接收患者的指令来执行事先设定好的康复训练模式。行事先设定好的康复训练模式。行事先设定好的康复训练模式。

【技术实现步骤摘要】
一种基于脑机接口和动作识别的瘫痪患者监护系统


[0001]本专利技术属于瘫痪患者智能监护领域，具体涉及一种基于脑机接口和动作识别的瘫痪患者监护系统。

技术介绍

[0002]以老年人为例，随着生活水平和医疗水平的提高，人类平均的寿命在稳步增长。中国在2000年左右步入老龄化社会，并且随着时间的增加老龄化的程度越来越高。很多老年人瘫痪卧床，而子女忙于工作分身乏术，大部分子女将老人送到养老院，然而养老院的设施不健全，护理人员少且水平较低，无法对老年人提供悉心的照料。面对这种瘫痪患者，亟需一种智能设备来进行实时监控。
[0003]瘫痪患者智能监护系统是服务瘫痪患者的一种重要手段，现有的智能监控系统或多或少都有些许不足，识别不够精准，智能化程度低，缺少康复训练模式。

技术实现思路

[0004]为了解决上述问题，本专利技术提出了一种基于脑机接口和动作识别的瘫痪患者监护系统，基于脑机接口和动作识别来监控瘫痪患者的身体情况，并提供康复训练模式，来减少对护理人员的依赖，医疗人员还可以从云端数据库得到老人的情绪及生理等信息及时做出合理解决方本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于脑机接口和动作识别的瘫痪患者监护系统，其特征在于，包括脑机接口模块、视频采集模块、边缘计算模块、报警模块、运动模块和云端服务器模块，脑机接口模块、视频采集模块将数据传递到边缘计算模块进行处理，然后报警模块、运动模块根据处理结果进行对应操作，云端服务器模块与边缘计算模块进行数据交互；其中，脑机接口模块用于采集患者的脑电波信息，并将脑电信号传送到边缘计算模块；视频采集模块用于获取患者的眼球、表情和手势的视频图像，并将视频图像数据传送到边缘计算模块；边缘计算模块用于对脑机接口模块和视频采集模块中的信息进行实时处理分析，根据分析结果做出相应的操作；报警模块用于判断边缘计算模块是否产生报警信息，如果有则启动报警操作；运动模块用于跟患者交互，进行康复训练；云端服务器模块用于保存患者的脑电波和各种动作数据，为边缘计算模块提供数据支撑，以及定期向边缘计算模块发送自我训练后网络模型。2.根据权利要求1所述基于脑机接口和动作识别的瘫痪患者监护系统，其特征在于，脑机接口模块采用头戴式的脑电帽，使用脑电帽上的电极从头皮上采集脑电信号。3.根据权利要求1所述基于脑机接口和动作识别的瘫痪患者监护系统，其特征在于，视频采集模块通过患者前方的摄像头采集其眼球、表情和手势动作信息。4.根据权利要求1所述基于脑机接口和动作识别的瘫痪患者监护系统，其特征在于，边缘计算模块对脑机接口模块采集的信息进行分析，得到患者的情绪变化和生理变化，该模块将情绪变化和生理变化信息保存在云端服务器模块，并判断当前的情绪变化和生理变化是否属于异常，当属于异常情况时发出报警信号，报警信号发送给报警模块。5.根据权利要求1所述基于脑机接口和动作识别的瘫痪患者监护系统，其特征在于，边缘计算模块采用基于深度神经网络的图像分类模型对眼球、表情、手势动作信息进行分类，图像分类模型使用云端服务器模块训练好的ShuffleNet V2轻量级网络训练模型；ShuffleNet V2轻量级网络模型对视频采集模块的信息进行处理，对患者当前眼球动作、表情变化、手势动作发生异常的情况下进行报警；边缘计算模块还对患者当前的手势动作信息进行分析启动相应的运动模式。6.根据权利要求1所述基于脑机接口和动作识别的瘫痪患者监护系统，其特征在于，边...

【专利技术属性】
技术研发人员：朱淑娟，张立港，潘正祥，吴祖扬，
申请(专利权)人：山东科技大学，
类型：发明
国别省市：