一种基于脑电信号的脑卒中患者康复训练系统技术方案

本发明专利技术公开了一种基于脑电信号的脑卒中患者康复训练系统，包括电极帽、脑电信号处理装置、计算模块、智能康复训练机械装置和记录模块，所述电极帽用于佩戴在使用者头部，从而获取使用者脑电信号，所述脑电信号处理装置用于处理电极帽获取的脑电信号，所述计算模块用于对处理后的脑电信号进行计算；本发明专利技术使得脑卒中患者能够得到更加适宜自身的康复训练，提高康复训练效果，可实时记录脑卒中患者训练的项目动作以及动作时间，医护人员或家人可通过记录的项目动作和动作时间结合脑卒中患者的恢复情况判断康复训练的效果，针对不足之处进行改善，而且记录的信息也可用于医学研究，并方便对患者进行下一步训练安排。方便对患者进行下一步训练安排。方便对患者进行下一步训练安排。

【技术实现步骤摘要】
一种基于脑电信号的脑卒中患者康复训练系统


[0001]本专利技术涉及脑卒治疗领域，具体涉及一种基于脑电信号的脑卒中患者康复训练系统。

技术介绍

[0002]脑卒中俗称中风，是一种急性脑血管疾病，包括缺血性和出血性卒中，大部分脑卒中患者属于出血性脑卒中，得到脑卒中的患者会存在着肢体无法向正常人一样进行动作，会严重影响生活，因此需要进行康复训练系统，从而对身体进行改善；
[0003]但现有的脑卒中患者康复训练系统在使用时存在着一定的不足之处有待改善，首先，现有的脑卒中患者康复训练系统无法更具使用者身体状态进行执行康复训练机械装置进行工作，导致训练效果达不到理想状态；其次，现有的脑卒中患者康复训练系统无法对训练的动作以及动作时间进行记录，医护人员或家人无法得知患者训练情况，从而无法对下一步训练进行提前安排，不利于脑卒中患者的康复效率。

技术实现思路

[0004]本专利技术所要解决的技术问题在于：现有的脑卒中患者康复训练系统无法更具使用者身体状态进行执行康复训练机械装置进行工作，导致训练效果达不到理想状态；其次，现有的脑卒中患者康复训练系统无法对训练的动作以及动作时间进行记录，医护人员或家人无法得知患者训练情况，从而无法对下一步训练进行提前安排，不利于脑卒中患者的康复效率。
[0005]本专利技术是通过以下技术方案解决上述技术问题的，一种基于脑电信号的脑卒中患者康复训练系统，包括电极帽、脑电信号处理装置、计算模块、智能康复训练机械装置和记录模块；
[0006]所述电极帽用于佩戴在使用者头部，从而获取使用者脑电信号；
[0007]所述脑电信号处理装置用于处理电极帽获取的脑电信号；
[0008]所述计算模块用于对处理后的脑电信号进行计算，达到控制智能康复训练机械装置工作的作用；
[0009]所述智能康复训练机械装置用于驱动使用者关节进行训练；
[0010]所述记录模块用于记录训练内容以及时间。
[0011]优选的，所述脑电信号处理装置包括预处理模块、眼点去除模块、脑电分段模块、基线校正模块、伪际去除模块、特征提取模块、模型库、和分析模块。
[0012]优选的，所述脑电信号处理装置具体处理步骤如下：
[0013]步骤一：预处理模块剔除原始信号中的干扰噪声、肌肉运动所产生的十分明显的波形漂移数据；
[0014]步骤二：眼电去除模块使用伪迹校正的方法，从采集的EEG信号中减去受眼电(EOG)伪迹影响的部分，首先寻找眼电的最大绝对值，用最大值的百分数来定义EOG伪迹，接
着构建平均伪迹，将超过EOG最大值某个百分比(如10％)的眼电导联电位识别为EOG脉冲，对识别的EOG脉冲进行平均，由协方差估计公式计算平均EOG脉冲和其它电极之间的EEG的传递系数b：
[0015]b＝cov(EOG，EEG)/var(EOG)
[0016]其中cov表示协方差(covariance)，var表示方差(variance)。
[0017]最后根据公式对受眼动影响的电极在产生眼动的时间段的波形进行校正，点对点地用EEG减去EOG：
[0018]corrected EEG＝original EEG
‑
bxEOG；
[0019]步骤三：事件提取模块与脑电分段模块分别对数据进行提取，同时对提取的数据进行分段；
[0020]步骤四：基线校正模块消除自发脑电活动导致的脑电噪声，以0时刻点前的数据作为基线，假设0时刻点前的脑电信号代表接收刺激时的自发脑电，用0时刻点后的数据减去0时刻点前的各点数据的平均值，可以消除部分的自发脑电噪声，从而使得经过基线校正后的脑电数据从偏向横轴的某一侧变成围绕横轴上下波动；
[0021]步骤五：伪际去除模块去除肌电伪迹等高频干扰以及高波幅的慢电位伪迹，自适应伪迹去除算法的初始阈值设置为70μ，每次剔除脑电段数若大于全部试次的20％则以5μV的步长向上提升阈值重新进行剔除，直到150μV为止；
[0022]步骤六：特征提取模块配合模型库提取数据中相应的特征，最后由分析模块进行分析。
[0023]优选的，所述分析模块采用近似熵算法进行分析，分析步骤如下：
[0024]S1：设存在一个以等时间间隔采样获得的m维的时间序列u(1)，u(2)，...，u(N)；
[0025]S2：定义相关参数维数m，一般取值为2，相似容限即阀值r，其中，维数表示向量的长度：r表示相似度的度量值；
[0026]S3：重构m维向量X(1)，X(2)，...，X(N
‑
m+1)，其中X(i)＝[u(i)，u(i+1)，...，u(i+m
‑
1)]，X(j)＝[u(j)，u(j+1)，...，u(j+m
‑
1)]；计算X(i)和X(j)之间的距离，由对应元素的最大差值决定；d[X，X*]＝maxa|u(a)
‑
u*(a)|d[X，X*]＝maxa|u(a)
‑
u*(a)|；
[0027]S4：统计所有的d[X，X*]<＝r的个数g,则g/(N
‑
M)就是本次的i取值对应的相似概率，计算所有i和j取值的概率对数的平均值，即熵值Φm(r)；
[0028]S5：取m+1重复S3、S4过程，计算近似熵：ApEn＝Φm(r)
‑
Φm+1(r)。
[0029]优选的，所述计算模块包括采集单元、匹配单元、输出单元、执行单元和数据库；
[0030]所述计算模块具体处理步骤如下：
[0031]步骤1：采集单元采集脑电信号处理装置处理后的脑电信号；
[0032]步骤2：采集的脑电信号通过匹配单元与数据库中的模型数据进行匹配；
[0033]步骤3：匹配的数据通过输出单元输出，然后由执行单元执行智能康复训练机械装置的plc工作。
[0034]优选的，所述记录模块包括动作获取单元、时间获取单元、记录单元、表格生成单元、储存单元和wifi单元；
[0035]所述记录模块具体处理步骤如下：
[0036]步骤(1)：动作获取单元和时间获取单元分别获取智能康复训练机械装置工作的
动作以及动作的时间；
[0037]步骤(2)：记录单元将获取的动作以及动作时间进行记录，并且通过表格生成单元生成的表格进行记录；
[0038]步骤(3)：记录的表格通过储存单元储存，同时wifi单元将储存的数据发送至外部终端。
[0039]本专利技术相比现有技术具有以下优点：
[0040]通过计算模块配合采集的脑电信号，可通过采集使用者的脑电型号进行判断使用者的当前人体状态，从而方便医护人员针对患者当前状态进行设置合理的康复训练项目，并且将每个阶段的人体状态储存在计算模块的数据库中，并且通过智能康复训练机械装置进行执行，带动患者身体动作，使得脑卒中患者能够得到更加适宜自身的康复训练，提高康复训练效果本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于脑电信号的脑卒中患者康复训练系统，其特征在于，包括电极帽、脑电信号处理装置、计算模块、智能康复训练机械装置和记录模块；所述电极帽用于佩戴在使用者头部，从而获取使用者脑电信号；所述脑电信号处理装置用于处理电极帽获取的脑电信号；所述计算模块用于对处理后的脑电信号进行计算，达到控制智能康复训练机械装置工作的作用；所述智能康复训练机械装置用于驱动使用者关节进行训练；所述记录模块用于记录训练内容以及时间。2.根据权利要求1所述的一种基于脑电信号的脑卒中患者康复训练系统，其特征在于：所述脑电信号处理装置包括预处理模块、眼点去除模块、脑电分段模块、基线校正模块、伪际去除模块、特征提取模块、模型库、和分析模块。3.根据权利要求2所述的一种基于脑电信号的脑卒中患者康复训练系统，其特征在于：所述脑电信号处理装置具体处理步骤如下：步骤一：预处理模块剔除原始信号中的干扰噪声、肌肉运动所产生的十分明显的波形漂移数据；步骤二：眼电去除模块使用伪迹校正的方法，从采集的EEG信号中减去受眼电(EOG)伪迹影响的部分，首先寻找眼电的最大绝对值，用最大值的百分数来定义EOG伪迹，接着构建平均伪迹，将超过EOG最大值某个百分比(如10％)的眼电导联电位识别为EOG脉冲，对识别的EOG脉冲进行平均，由协方差估计公式计算平均EOG脉冲和其它电极之间的EEG的传递系数b：b＝cov(EOG，EEG)/var(EOG)其中cov表示协方差(covariance)，var表示方差(variance)。最后根据公式对受眼动影响的电极在产生眼动的时间段的波形进行校正，点对点地用EEG减去EOG：corrected EEG＝original EEG
‑
bxEOG；步骤三：事件提取模块与脑电分段模块分别对数据进行提取，同时对提取的数据进行分段；步骤四：基线校正模块消除自发脑电活动导致的脑电噪声，以0时刻点前的数据作为基线，假设0时刻点前的脑电信号代表接收刺激时的自发脑电，用0时刻点后的数据减去0时刻点前的各点数据的平均值，可以消除部分的自发脑电噪声，从而使得经过基线校正后的脑电数据从偏向横轴的某一侧变成围绕横轴上下波动；步骤五：伪际去除模块去除肌电伪迹等高频干扰以及高波幅的慢电位伪迹，自适应伪迹去除算法的初始阈值设置为70μ，每次剔除脑电段数若大于全部试次的20％则以5μV的步长向上提升阈值重新进行剔除，直到150μV为止；步骤六：特征提取...

【专利技术属性】
技术研发人员：黄柳舟，
申请(专利权)人：意念中枢重庆科技有限公司，
类型：发明
国别省市：