一种神经内科用护理监控系统和方法技术方案

本发明专利技术提供一种神经内科用护理监控系统和方法，包括：采集模块，处理模块和决策模块，所述采集模块包括第一采集模块和第二采集模块，第一采集模块用于获取用户的神经系统电信号，所述第二采集模块用于获取用户的动作表情数据；通过设置第一采集模块和第二采集模块，不仅能够获取用户的神经系统电信号，而且能够获取神经系统电信号对应的动作表情数据，提高了对用户当前状态识别准确率；将特征级融合和决策级融合相结合，获取多维融合特征，进一步提高了识别的准确率；决策模块采用多种不同的学习算法对深度置信网络进行微调，并投票确定户当前状态，提高了系统的识别率和稳定性。提高了系统的识别率和稳定性。提高了系统的识别率和稳定性。

【技术实现步骤摘要】
一种神经内科用护理监控系统和方法


[0001]本专利技术涉及护理监控
，尤其涉及一种神经内科用护理监控系统和方法。

技术介绍

[0002]随着人工智能、机器学习技术的发展，脑电识别在神经内科领域具有广阔的应用前景，脑电信号不但能够反映大脑组织的各种脑电活动及大脑的功能状态，而且脑电信号具有客观性强的特点，因此，脑电识别技术逐渐被引入到了神经内科护理监控研究领域。但现有的神经内科护理监控存在以下不足：单一的采集神经生理电信号导致只能获取大脑表层活动信息或深部个别核团的神经活动，不能准确的确定用户的当前状态。仅采用特征级的融合，或者仅采用决策级的融合，导致识别用户当前状态的速度较慢，且识别的准确率较低。采用单一的分类器，对用户当前状态识别之后直接输出识别结果，导致系统稳定性不足。

技术实现思路

[0003]专利技术目的：针对现有技术中存在的问题，本专利技术提供一种神经内科用护理监控系统和方法。
[0004]技术方案：一方面，本专利技术提供一种神经内科用护理监控系统，包括：
[0005]采集模块，所述采集模块包括第一采集模块和第二采集模块，其中，所述第一采集模块用于获取用户的神经系统电信号，所述第二采集模块用于获取用户的动作表情数据；
[0006]处理模块，所述处理模块用于对所述神经系统电信号进行特征提取和特征融合，获得第一融合特征；并对所述动作表情数据进行特征提取和识别，获得第二识别结果；对所述第一融合特征和所述第二识别结果进行特征融合计算出多维融合特征；
[0007]决策模块，所述决策模块用于根据所述多维融合特征对用户进行综合护理监控。
[0008]进一步地，所述神经系统电信号包括脑电信号和肌电信号。
[0009]进一步地，所述动作表情数据包括动作姿态数据和面部表情数据。
[0010]进一步地，获得第一融合特征的具体过程包括：对所述脑电信号进行特征提取获得脑电特征，对所述肌电信号进行特征提取获得肌电特征，将所述脑电特征和所述肌电特征进行特征融合，获得第一融合特征；
[0011]获得第二识别结果的具体过程包括：对所述动作姿态数据进行特征提取获得动作姿态特征，对所述面部表情数据进行特征提取获得面部表情特征，对所述动作姿态特征和所述面部表情特征进行识别，获得第二识别结果。
[0012]进一步地，根据所述多维融合特征对用户进行综合护理监控的具体过程包括：将所述多维融合特征输入至训练好的深度置信网络，所述深度置信网络输出用户当前的状态。
[0013]另一方面，本专利技术提供一种神经内科用护理监控方法，所述方法应用于上述系统，包括以下步骤：
[0014]步骤S1：获取用户的神经系统电信号，所述神经系统电信号包括脑电信号和肌电信号；获取用户的动作表情数据，所述动作表情数据包括动作姿态数据和面部表情数据；
[0015]步骤S2：对所述神经系统电信号进行特征提取和特征融合，获得第一融合特征；对所述动作表情数据进行特征提取和识别，获得第二识别结果；
[0016]步骤S3：对所述第一融合特征和所述第二识别结果进行特征融合计算出多维融合特征；
[0017]步骤S4：根据所述多维融合特征对用户进行综合护理监控。
[0018]进一步地，步骤S2中，获得第一融合特征的具体过程包括：对所述脑电信号进行特征提取获得脑电特征，对所述肌电信号进行特征提取获得肌电特征，将所述脑电特征和所述肌电特征进行特征融合，获得第一融合特征；获得第二识别结果的具体过程包括：对所述动作姿态数据进行特征提取获得动作姿态特征，对所述面部表情数据进行特征提取获得面部表情特征，对所述动作姿态特征和所述面部表情特征进行识别，获得第二识别结果。
[0019]进一步地，对所述神经系统电信号进行加窗处理，设定时间窗长度为T；
[0020]获得脑电特征的具体过程包括：将所述脑电信号的当前时间窗的平均幅值作为脑电时域特征RAWE，将所述脑电信号当前时间窗不同频段的功率谱密度作为频域特征PSDE；
[0021]获得肌电特征的具体过程包括：将所述肌电信号当前时间窗的平均绝对值MAVM，均方根值RMSM和波形长度WLM作为肌电信号的特征。
[0022]进一步地，将所述脑电特征和所述肌电特征进行特征融合的具体过程包括：将所述脑电信号的特征向量和所述肌电信号的特征向量进行加权计算。
[0023]进一步地，步骤S4中，根据所述多维融合特征对用于进行综合护理监控的具体过程包括：将所述多维融合特征输入至训练好的深度置信网络，所述深度置信网络输出用户当前的状态。
[0024]技术效果：与现有技术相比，本专利技术具有以下优点：本专利技术提供一种神经内科用护理监控系统和方法，包括：采集模块，处理模块和决策模块，所述采集模块包括第一采集模块和第二采集模块，第一采集模块用于获取用户的神经系统电信号，所述第二采集模块用于获取用户的动作表情数据；通过设置第一采集模块和第二采集模块，不仅能够获取用户的神经系统电信号，而且能够获取神经系统电信号对应的动作表情数据，提高了对用户当前状态识别准确率；将特征级融合和决策级融合相结合，获取多维融合特征，进一步提高了识别的准确率；采用多种不同的学习算法对深度置信网络进行微调，并投票确定户当前状态，提高了系统的识别率和稳定性。
附图说明
[0025]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0026]图1为本专利技术实施例提供的一种神经内科用护理监控系统的结构图；
[0027]图2为本专利技术实施例提供的一种神经内科用护理监控方法的流程图；
[0028]图3为本专利技术实施例提供的决策模块的示意图。
具体实施方式
[0029]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一单元实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0030]作为本专利技术实施例的一个实施例，如图1所示，本实施例提供一种神经内科用护理监控系统，包括：
[0031]采集模块，所述采集模块包括第一采集模块和第二采集模块，其中，所述第一采集模块用于获取用户的神经系统电信号，所述第二采集模块用于获取用户的动作表情数据；
[0032]处理模块，所述处理模块用于对所述神经系统电信号进行特征提取和特征融合，获得第一融合特征；并对所述动作表情数据进行特征提取和识别，获得第二识别结果；对所述第一融合特征和所述第二识别结果进行特征融合计算出多维融合特征；
[0033]决策模块，所述决策模块用于根据所述多维融合特征对用户本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种神经内科用护理监控系统，其特征在于，包括：采集模块，所述采集模块包括第一采集模块和第二采集模块，其中，所述第一采集模块用于获取用户的神经系统电信号，所述第二采集模块用于获取用户的动作表情数据；处理模块，所述处理模块用于对所述神经系统电信号进行特征提取和特征融合，获得第一融合特征；并对所述动作表情数据进行特征提取和识别，获得第二识别结果；对所述第一融合特征和所述第二识别结果进行特征融合计算出多维融合特征；决策模块，所述决策模块用于根据所述多维融合特征对用户进行综合护理监控。2.根据权利要求1所述的系统，其特征在于：所述神经系统电信号包括脑电信号和肌电信号。3.根据权利要求2所述的系统，其特征在于：所述动作表情数据包括动作姿态数据和面部表情数据。4.根据权利要求3所述的系统，其特征在于：获得第一融合特征的具体过程包括：对所述脑电信号进行特征提取获得脑电特征，对所述肌电信号进行特征提取获得肌电特征，将所述脑电特征和所述肌电特征进行特征融合，获得第一融合特征；获得第二识别结果的具体过程包括：对所述动作姿态数据进行特征提取获得动作姿态特征，对所述面部表情数据进行特征提取获得面部表情特征，对所述动作姿态特征和所述面部表情特征进行识别，获得第二识别结果。5.根据权利要求4所述的系统，其特征在于：根据所述多维融合特征对用户进行综合护理监控的具体过程包括：将所述多维融合特征输入至训练好的深度置信网络，所述深度置信网络输出用户当前的状态。6.一种神经内科用护理监控方法，所述方法应用于权利要求1
‑
5任一项所述的系统，其特征在于，包括以下步骤：步骤S1：获取用户的神经系统电信号，所述神经系统电信号包括脑电信号和肌电信号；获取用户的动作表情数据，所述...

【专利技术属性】
技术研发人员：耿红梅，杨美荣，万秋阳，
申请(专利权)人：大庆龙南医院，
类型：发明
国别省市：