【技术实现步骤摘要】
本申请属于脑卒中预警，具体涉及一种脑卒中风险预测方法、装置、系统电子设备及存储介质。
技术介绍
1、脑卒中居全世界居民死亡原因的第三位。卒中一旦发作，治疗时间在90分钟内的患者健康结局最佳，静脉溶栓治疗的急性缺血性脑卒中患者仍可在4.5小时内获得获益。因此通过技术手段对卒中发作风险进行预测来预留充足的治疗时间具有重要意义。目前，卒中风险的发现依然主要依靠于对卒中症状的模糊主观判断，包括肢体、语言、意识、视力、面部的多种症状，该手段精确度低，受医生主观因素影响较大，可能会延误治疗时机。对卒中确诊主要通过脑部成像，但该手段只能在专门的医院和卒中中心获得，且成本较高，不适合频繁检测以提供早期风险预警。目前没有已知的技术手段可以对脑卒中发病进行风险预警。
技术实现思路
1、本申请的目的是提供一种脑卒中风险预测方法、装置、系统电子设备及存储介质以解决脑卒中风险预测难度大的问题。
2、根据本申请实施例的第一方面，提供了一种脑卒中风险预测方法，该方法可以包括：
3、基于历史肌电信号数据训练原始神经网络模型得到脑卒中风险预测模型；
4、采集被测者的前臂肌群在特定电刺激信号下的目标肌电信号；
5、将所述目标肌电信号输入所述脑卒中风险预测模型得到脑卒中风险预测结果。
6、在本申请的一些可选实施例中，采集被测者的前臂肌群在特定电刺激信号下的目标肌电信号，包括：
7、采集被测者在初始电刺激信号下的初始肌电信号；
8、判断所
9、在本申请的一些可选实施例中，对所述初始电刺激信号进行调整得到所述特定电刺激信号，包括：
10、调整所述初始肌电信号的脉冲频率和脉冲宽度得到第一电刺激信号；
11、调整所述第一电刺激信号的电刺激时长得到所述特定电刺激信号。
12、在本申请的一些可选实施例中，调整所述初始肌电信号的脉冲频率和脉冲宽度得到第一电刺激信号，包括：
13、同时以1hz步进和100us步进增加所述初始肌电信号的脉冲频率和脉冲宽度，直至所述初始肌电信号满足第二标准，得到所述第一电刺激信号。
14、在本申请的一些可选实施例中，调整所述第一电刺激信号的电刺激时长得到所述特定电刺激信号，包括：
15、以1s为步进增加所述第一电刺激信号的电刺激时长直至所述第一电刺激信号满足第三标准，得到所述特定电刺激信号。
16、在本申请的一些可选实施例中，基于历史肌电信号数据训练原始神经网络模型得到脑卒中风险预测模型，包括：
17、以cnn和双向lstm结构建立所述原始神经网络模型；
18、将所述历史肌电信号数据的分为高风险和低风险两个类别；
19、将所述历史肌电信号数据作为样本，将所述类别作为标签，对所述原始神经网络模型进行训练得到所述脑卒中风险预测模型。
20、根据本申请实施例的第二方面，提供一种脑卒中风险预测装置，包括：
21、训练模块，用于基于历史肌电信号数据训练原始神经网络模型得到脑卒中风险预测模型；
22、采集模块，用于采集被测者的前臂肌群在特定电刺激信号下的目标肌电信号；
23、预测模块，用于将所述目标肌电信号输入所述脑卒中风险预测模型得到脑卒中风险预测结果。
24、根据本申请实施例的第三方面，提供一种脑卒中风险预测系统，包括主控制模块、电刺激模块、电极贴模块、肌电采集模块，信号处理模块，机器学习算法模块，无线传输模块，显示报警模块，电源模块和柔性固定模块；
25、所述主控制模块用于生成电刺激参数并发送给所述电刺激模块，
26、所述电刺激模块用于根据所述电刺激参数向所述电极贴模块输出电刺激信号；
27、所述电极贴模块用于粘贴于被测者的前臂肌群以将所述电刺激信号施加于所述前臂肌群；
28、所述肌电采集模块用于采集所述前臂肌群的原始肌电信号并发送给所述信号处理模块；
29、所述信号处理模块用于对所述原始肌电信号进行预处理得到初始肌电信号并发送给所述信号质量判别模块；
30、所述信号质量判别模块用于判别所述初始肌电信号是否符合第一标准并将判断结果发送至所述主控模块，所述信号质量判别模块还用于将判断结果为是的初始肌电信号作为目标肌电信号发送至所述机器学习算法模块；
31、所述主控模块还用于基于所述信号质量判别模块的判断结果调整所述电刺激参数直至所述判断结果为是；
32、所述机器学习算法模块用于对所述目标机电信号进行分类得到脑卒中风险预测结果。
33、在本申请的一些可选实施例中，还包括无线传输模块和显示报警模块；
34、所述无线传输模块用于将所述机器学习算法模块的脑卒中风险预测结果传输至所述显示报警模块；
35、所述显示报警模块用于基于所述脑卒中风险预测结果进行声光报警。
36、在本申请的一些可选实施例中，还包括电源模块和柔性固定模块；
37、所述电源模块用于为所述脑卒中风险预测系统的其他模块供电；
38、所述柔性固定模块用于将所述脑卒中风险预测系统的所有模块集成并固定于被测者前臂。
39、根据本申请实施例的第四方面，提供一种电子设备，该电子设备可以包括：
40、处理器；
41、用于存储处理器可执行指令的存储器；
42、其中，处理器被配置为执行指令，以实现如第一方面的任一项实施例中所示的脑卒中风险预测方法。
43、根据本申请实施例的第五方面，提供一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如第一方面的任一项实施例中所示的脑卒中风险预测方法。
44、本申请的上述技术方案具有如下有益的技术效果：
45、本申请实施例提供的一种脑卒中风险预测方法通过被测者的前臂肌群在特定电刺激信号下的目标肌电信号对脑卒中风险进行预测，解决了脑卒中风险难以评估的问题。
本文档来自技高网...【技术保护点】
1.一种脑卒中风险预测方法，其特征在于，包括：
2.根据权利要求1所述的一种脑卒中风险预测方法，其特征在于，采集被测者的前臂肌群在特定电刺激信号下的目标肌电信号，包括：
3.根据权利要求2所述的一种脑卒中风险预测方法，其特征在于，对所述初始电刺激信号进行调整得到所述特定电刺激信号，包括：
4.根据权利要求3所述的一种脑卒中风险预测方法，其特征在于，调整所述第一电刺激信号的电刺激时长得到所述特定电刺激信号，包括：
5.根据权利要求1所述的一种脑卒中风险预测方法，其特征在于，基于历史肌电信号数据训练原始神经网络模型得到脑卒中风险预测模型，包括：
6.一种脑卒中风险预测装置，其特征在于，包括：
7.一种脑卒中风险预测系统，其特征在于，包括主控制模块、电刺激模块、电极贴模块、肌电采集模块，信号处理模块，机器学习算法模块，无线传输模块，显示报警模块，电源模块、柔性固定模块、无线传输模块、显示报警模块和电源模块；
8.一种电子设备，其特征在于，包括：处理器，存储器及存储在所述存储器上并可在所述处理器上运行的程
9.一种可读存储介质，其特征在于，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如权利要求1-6任一项所述的一种脑卒中风险预测方法。
...【技术特征摘要】
1.一种脑卒中风险预测方法，其特征在于，包括：
2.根据权利要求1所述的一种脑卒中风险预测方法，其特征在于，采集被测者的前臂肌群在特定电刺激信号下的目标肌电信号，包括：
3.根据权利要求2所述的一种脑卒中风险预测方法，其特征在于，对所述初始电刺激信号进行调整得到所述特定电刺激信号，包括：
4.根据权利要求3所述的一种脑卒中风险预测方法，其特征在于，调整所述第一电刺激信号的电刺激时长得到所述特定电刺激信号，包括：
5.根据权利要求1所述的一种脑卒中风险预测方法，其特征在于，基于历史肌电信号数据训练原始神经网络模型得到脑卒中风险预测模型，包括：
6.一种脑卒中风险预测...
【专利技术属性】
技术研发人员：王鹏，方震，赵荣建，何光强，
申请(专利权)人：中科心感南京医疗电子科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。