一种癫痫的高精度低功耗预警方法、系统、设备和介质与流程
背景技术:
1、癫痫预警需要对患者脑电信号进行长期、连续且稳定的监测。癫痫发作具有相对随机性和不可预测性,癫痫发作没有固有的时间规律,因此对病人脑电信号持续不间断地检测至关重要。病人在任何信号检测的间断期都有可能发作。而目前癫痫预警的进展集中在上位机的算法层面。随着机器学习技术的进步和算力的提升,癫痫预警区的有用信号特征被不断地挖掘出,但是这些特征提取运算对算力要求极高,通常涉及gpu 运算,无法将预警算法嵌入到脑电采集设备中,因此需要不断地将边缘设备的信号上传至云端处理器进行处理。若可穿戴脑电设备持续将原始脑电数据通过蓝牙传输至上位机进行分析,会导致无线通信模块长期处于工作状态,从而增加平均功耗并缩短设备续航时间。另一方面,若脑电电极接触不良、佩戴位置不佳或信号受到运动伪迹和环境噪声影响,预警模型可能接收到无效输入,导致错误的低风险输出或漏报风险。而且癫痫发作具有病人特异性,每个病人的发作模式、发病脑区均不相同,癫痫预警信号存在的通道也不相同。
2、因此,癫痫预警设备不仅需要低功耗采集和传输机制,还需要在进入预警模式前判断当前脑电信号是否具有足够的采集可靠性和生理有效性,也需要能够根据病人特异性选择性地传输特定通道信号。
技术实现思路
1、本技术实施例的目的在于提出一种癫痫的高精度低功耗预警方法、系统、设备和介质以解决癫痫预警存在的高功耗、由于佩戴导致的漏报以及不能根据病人差异化选择通道的问题。
2、第一方面,一种癫痫的高精度低功耗预警方法,用于可穿戴脑电设备进行癫痫预警,包括:
3、步骤100、所述可穿戴脑电设备对患者的各脑电电极进行阻抗检测,若阻抗值合格,则获取患者的闭眼枕叶alpha 波脑电信号;
4、步骤200、计算所述闭眼枕叶alpha 波脑电信号的alpha相对能量和alpha峰值突出度,根据所述alpha相对能量、alpha峰值突出度及信号伪迹对当前闭眼枕叶alpha 波脑电信号进行可用性评估,若所述可用性评估获得通过,进行下一步骤;
5、步骤300、根据患者既往癫痫病史选择参与预警分析的目标通道,获取当前alpha波脑电信号的本地特征数据,将所述本地特征数据与患者历史特征库的脑电特征数据进行最大匹配度计算;
6、步骤400、若所述最大匹配度大于规定阈值,且连续多个时间窗口出现,则判定疑似发作前风险特征出现,则退出蓝牙静默模式,开启蓝牙透传原始脑电数据至上位机进行进一步分析预警。
7、进一步的,所述步骤100包括:
8、步骤110、利用阻抗检测模块检测获取各脑电电极的阻抗信号;
9、步骤120、利用模拟前端对所述阻抗信号进行滤波放大,将放大后的阻抗信号传输到adc模块,得到阻抗值;
10、步骤130、将所述阻抗值与规定阈值进行比较,若小于规定阈值,则判定合格。
11、进一步的,所述步骤200包括:
12、步骤210、对所述闭眼枕叶alpha 波脑电信号进行功率谱密度估计,得到功率谱密度频谱;
13、步骤220、根据所述功率谱密度频谱计算所述alpha相对能量和alpha峰值突出度。
14、进一步的,所述步骤220包括:
15、步骤221、根据所述功率谱密度频谱计算alpha 频段能量;
16、步骤222、利用所述alpha 频段能量并根据公式(1):
17、rα=pα/p1-40hz(1),
18、计算所述alpha相对能量;
19、其中,pα表示alpha频段能量,p1-40hz表示1-40hz范围内的总脑电能量。
20、进一步的,所述步骤220包括:
21、步骤223、在规定频段内搜索所述功率谱密度频谱的局部最大峰值,作为个体峰值;
22、步骤224、计算所述个体峰值相对于背景非alpha 频段的所述alpha峰值突出度。
23、进一步的,所述步骤200还包括:
24、步骤230、获取所述alpha相对能量和alpha峰值突出度;
25、步骤240、若所述alpha相对能量大于预设阈值且所述alpha峰值突出度大于预设阈值,或其中一项条件满足且信号伪迹指标合格,则判断可用性评估通过。
26、进一步的,所述步骤300包括:
27、步骤310、从所述患者历史特征库获取患者的历史发作特征向量及本地特征向量;
28、步骤320、根据所述历史发作特征向量及本地特征向量,并利用公式(2):
29、s_t=max sim(x_t,p_i)(2),
30、计算所述最大匹配度;
31、其中,x_t为本地特征向量,p_i为历史发作特征向量,sim(·) 表示相似度计算方法,s_t 表示当前时间窗的本地特征变量与特征库中历史发作特征向量的最大匹配度。
32、为了解决上述技术问题,本技术实施例还提供一种癫痫的高精度低功耗预警系统,采用第一方面所述的癫痫的高精度低功耗预警方法,包括:
33、阻抗检测模块,用于所述可穿戴脑电设备对患者的各脑电电极进行阻抗检测,若阻抗值合格;
34、脑电信号进行可用性评估模块,用于计算所述闭眼枕叶alpha 波脑电信号的alpha相对能量和alpha峰值突出度,根据所述alpha相对能量和alpha峰值突出度对当前闭眼枕叶alpha 波脑电信号进行可用性评估;
35、最大匹配度计算模块,用于根据患者既往癫痫病史选择参与预警分析的目标通道,获取当前alpha 波脑电信号的本地特征数据,将所述本地特征数据与患者历史特征库的脑电特征数据进行最大匹配度计算;
36、蓝牙开启判定模块,用于若所述最大匹配度大于规定阈值,且连续多个时间窗口出现,则判定疑似发作前风险特征出现,则退出蓝牙静默模式,开启蓝牙透传原始脑电数据至上位机进行进一步分析预警。
37、为了解决上述技术问题,本技术实施例还提供一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现如第一方面所述的癫痫的高精度低功耗预警方法的步骤。
38、为了解决上述技术问题,本技术实施例还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如第一方面所述的癫痫的高精度低功耗预警方法的步骤。
39、与现有技术相比,本技术实施例主要有以下技术效果:通过依次进行阻抗检测、根据alpha相对能量和alpha峰值突出度对当前闭眼枕叶alpha 波脑电信号进行可用性评估、根据患者既往癫痫病史选择参与预警分析的目标通道以及将本地特征数据与患者历史特征库的脑电特征数据进行最大匹配度计算,在上述条件不满足时,蓝牙处于静默模式,当条件满足本地特征匹配成功再开启蓝牙透传的工作方式,减少了脑电设备持续无线传输带来的功耗,延长了设备续航时间;同时,通过阻抗检测和枕叶闭眼 alpha 波检测判断脑电信号是否可用于癫痫预警,避免无效信号进入后续分析流程;并可根据患者发作特点选择预警通道,提高设备在长期佩戴场景下的稳定性和个体化适配能力。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com