一種動態預警癲癇發作的裝置的制作方法

本發明屬于移動醫療技術領域，尤其涉及一種動態預警癲癇發作的裝置。

背景技術：

癲癇發作時，身體某一部位或整個身體呈現短暫性非自主性抽搐，有時伴有意識喪失和尿便失禁，具有嚴重的潛在生命威脅。避免由癲癇發作造成個體傷害甚至生命威脅的有效方式是及時偵測到癲癇發作的早期信息，并及時向醫護人員及患者監護人或親屬發出預警。

通過體表或體外監測的生理或運動信號分析，有可能發現癲癇發作期或發作前期的特征。癲癇發作由一組腦細胞異常放電造成，因而通過腦電信號的分析有可能在最大程度上盡早預知癲癇的發作。基于腦電信號的非線性本質特征，不少公開文獻均嘗試使用非線性算法分析腦電進而對腦電進行歸類。現有技術均將癲癇的檢測轉化為二值分類問題，即可以將腦電信號分類為正常或發作期信號，是在癲癇發作后發出警報，而非發作前期的早期預警。

近年的研究揭示了熵算法在分析生理信號上的顯著優勢，但理論研究闡明，熵算法所刻畫的特征可能反映信號在不同非線性域的動力學屬性，比如信號的規則或不規則性以及信號的簡單或復雜度等。但是，現有的癲癇發作檢測方法均采用單一算法，沒有完整地描繪腦電信號的非線性特征，不能準確地反應腦電信號，其直接后果可能是所公開的分類或預警方法并沒有很好的泛化能力，也即當這些方法被移植到一個更具普適性的人群上時其精確性并不能被繼承，也就是不能準確地預警癲癇發作。簡單地通過一種方法替換另外一種方法仍然面臨同樣的問題。通過多個算法獲得不同維度上腦電信號的動力學屬性，進而基于特定的融合機制將這些屬性映射到統一的非線性域，為完整描繪其非線性特征提供了可能，也最大程度上保證了方法的泛化能力，當前所能檢索的公開文獻還沒有涉及這一概念，使用什么方法融合以及如何進行融合來準確描述腦電信號都屬于未知領域。本發明正是基于以上背景技術而提出的。

技術實現要素：

為了解決現有技術的缺點，本發明提供一種動態預警癲癇發作的裝置。

本發明的一種動態預警癲癇發作的裝置，包括：

腦電采集部，其包括腦電電極和信號調理電路，所述腦電電極用于采集腦電信號并傳送至信號調理電路進行預處理；

存儲部，其用于接收并存儲所述信號調理電路預處理后的腦電信號；

微處理器，用于腦電信號的實時分析，完成癲癇發作前期和發作期腦電信號的偵測、腦電信號壓縮和整裝置的通訊控制，其被配置為：從存儲部獲取預設固定時間長度的腦電信號，并對獲取的腦電信號進行兩級二次分類；其中，第一級二次分類輸出為正常腦電信號和異常腦電信號，第二級二次分類輸出為癲癇發作前期腦電信號和癲癇發作期腦電信號；

輸出部，其與微處理器相連，用于對癲癇發作前期和癲癇發作期進行實時預警。

進一步地，所述微處理器，還被配置為：

從存儲部獲取預設固定時間長度t的腦電信號x；

利用預設長度t₀的時間窗來對腦電信號x分別進行標準差歸一化和幅值歸一化，其中，t₀小于t，且t為t₀的k倍，k為正整數；

分別根據標準差歸一化信號和幅值歸一化信號，計算第k個時間窗內信號的不規則度F_kt和復雜度D_kt，進而得到腦電信號x的平均不規則度和平均復雜度

對腦電信號x分別直接進行標準差歸一化和幅值歸一化，進一步直接計算出腦電信號x的不規則度F_t和復雜度D_t；

將腦電信號x的平均不規則度平均復雜度不規則度F_t和復雜度D_t作為特征值來構建特征集合，對腦電信號x進行兩級二次分類；其中，第一級二次分類器的輸入特征為t秒腦電的不規則度F_t和平均復雜度的結合，輸出為正常腦電信號和異常腦電信號，第二級二次分類器作用于第一級分類器所檢測的異常腦電信號，輸入特征為t秒腦電的平均不規則度和復雜度D_t的結合，輸出為癲癇發作前期腦電信號和癲癇發作期腦電信號。

本發明將獲取的腦電信號分別求取其動力學屬性平均不規則度平均復雜度不規則度F_t和復雜度D_t，進而基于這些動力學屬性作為特征值來構建特征集合且映射到統一的非線性域，完整地描繪了腦電信號的非線性特征，最終能夠準確地動態預警癲癇的發作。

進一步地，該動態預警癲癇發作的裝置還包括輸入部，其用于輸入用戶數據以產生和記錄電子病歷。

進一步地，所述微處理器通過無線通訊模塊連接至數據服務器。

進一步地，所述數據服務器與云中心服務器相連。

本發明在動態偵測癲癇發作前期和發作期信號的同時，每隔固定時間后，微處理器對存儲于存儲部中的腦電信號進行壓縮，而后通過無線通訊模塊向數據服務器傳送信息，再由數據服務器將腦電信號傳送至云中心服務器，最終達到數據的遠程存儲及應用。

本發明除周期性傳輸壓縮后的腦電信號外，無線通訊模塊也會被微處理器所偵測到的癲癇發作前期或發作期信號激活，進而緊急向醫院的遠程監護中心和病人的緊急聯系人發出警報。

進一步地，所述輸出部包括顯示模塊、音頻模塊和微型馬達，用于實時顯示腦電信號、實時高亮顯示癲癇發作前期和發作期腦電信號，并在癲癇發作前期和發作期實時發出聲音和機械振動預警；所述顯示模塊、音頻模塊和微型馬達均與微處理器相連。

本發明的有益效果為：

本發明的動態預警癲癇發作的裝置能夠便攜地、連續動態地記錄腦電信號，對獲取的腦電信號進行兩級二次分類，實時檢測出正常腦電信號、癲癇發作前期腦電信號和癲癇發作期腦電信號，從而實現早期預知癲癇的發作并發出預警信息。

附圖說明

圖1為本發明裝置的結構原理圖。

圖2為本發明動態預警癲癇發作的流程示意圖。

圖3(a)為一例正常腦電。

圖3(b)為一例異常腦電信號。

圖3(c)為一例正常腦電和一例異常腦電信號在非線性平面上的映射區域示意圖。

圖4(a)為一例癲癇發作前期腦電。

圖4(b)為一例癲癇發作期腦電信號。

圖4(c)為一例癲癇發作前期腦電和一例癲癇發作期腦電信號在非線性平面上的映射區域示意圖。

其中，1、輸出部，2、腦電采集部，3、存儲部，4、微處理器，5、無線通訊模塊。

具體實施方式

下面結合附圖與實施例對本發明做進一步說明：

如圖1所示，本發明的動態預警癲癇發作的裝置包括腦電采集部2、存儲部3、微處理器4和輸出部1。

其中，腦電采集部2包括腦電電極和信號調理電路，腦電電極用于采集腦電信號并傳送至信號調理電路進行預處理。信號調理電路包括串聯連接的放大電路和濾波電路，所述濾波電路的輸出端與模擬數字轉換電路相連。由腦電電極記錄的腦電信號經信號調理和放大電路進行濾波和放大后，通過模擬數字轉換電路轉換為數字信號并輸出。

存儲部3，其用于接收并存儲所述信號調理電路預處理后的數字信號。存儲部可以采用閃存器來實現。

微處理器4，用于腦電信號的實時分析，完成癲癇發作前期和發作期腦電信號的偵測、腦電信號壓縮和整裝置的通訊控制，其被配置為：從存儲部獲取預設固定時間長度的腦電信號，并對獲取的腦電信號進行兩級二次分類；其中，第一級二次分類輸出為正常腦電信號和異常腦電信號，第二級二次分類輸出為癲癇發作前期腦電信號和癲癇發作期間腦電信號。

其中，微處理器4還被配置為：

從存儲部3獲取預設固定時間長度t的腦電信號x；

利用預設長度t₀的時間窗來對腦電信號x分別進行標準差歸一化和幅值歸一化，其中，t₀小于t，且t為t₀的k倍，k為正整數；

分別根據標準差歸一化信號和幅值歸一化信號，計算第k個時間窗內信號的不規則度F_kt和復雜度D_kt，進而得到腦電信號x的平均不規則度和平均復雜度

對腦電信號x分別直接進行標準差歸一化和幅值歸一化，進一步直接計算出腦電信號x的不規則度F_t和復雜度D_t；

將腦電信號x的平均不規則度平均復雜度不規則度F_t和復雜度D_t作為特征值來構建特征集合，對腦電信號x進行兩級二次分類；其中，第一級二次分類器的輸入特征為t秒腦電的不規則度F_t和平均復雜度的結合，輸出為正常腦電信號和異常腦電信號，第二級二次分類器作用于第一級分類器所檢測的異常腦電信號，輸入特征為t秒腦電的平均不規則度和復雜度D_t的結合，輸出為癲癇發作前期腦電信號和癲癇發作期腦電信號。

本發明將獲取的腦電信號分別求取其動力學屬性平均不規則度平均復雜度不規則度F_t和復雜度D_t，進而基于這些動力學屬性作為特征值來構建特征集合且映射到統一的非線性域，完整地描繪了腦電信號的非線性特征，最終能夠準確地動態預警癲癇的發作。

輸出部1，其與微處理器相連，用于對癲癇發作前期和發作期進行實時預警；輸出部1包括顯示模塊、音頻模塊和微型馬達，所述顯示模塊、音頻模塊和微型馬達均與微處理器相連；其中，顯示模塊用來實時顯示腦電信號、高亮顯示癲癇發作前期和發作期腦電信號，音頻模塊和微型馬達用于輸出預警信息

進一步地，該動態預警癲癇發作的裝置還包括輸入部，其用于輸入用戶數據以產生和記錄電子病歷。

進一步地，微處理器4通過無線通訊模塊5連接至數據服務器。

進一步地，數據服務器與云中心服務器相連。本發明在動態偵測癲癇發作前期和發作期信號的同時，每隔固定時間后，微處理器對存儲于存儲部中的腦電信號進行壓縮，而后通過無線通訊模塊向云中心服務器傳輸。

本發明除周期性傳輸壓縮后的腦電信號外，無線通訊模塊也會被微處理器所偵測到的癲癇發作前期或發作期信號激活，進而緊急向醫院的遠程監護中心和病人的緊急聯系人發出警報。

本發明的動態預警癲癇發作的裝置能夠便攜地、連續動態地記錄腦電信號，對獲取的腦電信號進行兩級二次分類，實時檢測出正常腦電信號、癲癇發作前期腦電信號和癲癇發作期腦電信號，從而實現早期預知癲癇的發作并發出預警信息。

圖2示意了微處理器進行動態預警癲癇發作的流程圖。以連續采集的5t秒腦電信號，且時間窗的長度為t為例：

首先，微處理器4根據設定好的采樣率F_s初始化長度為5t秒的隊列，并將連續采集的5t秒腦電信號{x_5t(i)}依次進入隊列；

利用長度為t的時間窗對信號{x_5t(i)}分別進行標準差歸一化和幅值歸一化，獲得信號和其中k＝1,2,3,4,5；對標準差歸一化信號計算不規則度F_kt，對幅值歸一化信號計算復雜度D_kt，獲得5t/t＝5個時間窗下腦電信號的平均不規則度和平均復雜度

對信號{x_5t(i)}直接進行標準差歸一化和幅值歸一化，獲得信號和

對標準差歸一化信號計算不規則度F_5t，對幅值歸一化信號計算復雜度D_5t；

基于特征集合對腦電信號{x_5t(i)}進行分類，對腦電信號進行分類的分類器是基于不規則度和復雜度交錯結合的兩級二次分類器，其中：

第一級二次分類器的輸入特征為5t秒腦電的不規則度F_5t和平均復雜度的結合，輸出為正常腦電信號和異常腦電信號；如圖3(a)和圖3(b)示意了一例正常腦電信號和一例異常腦電信號，和圖3(c)正常腦電信號和異常腦電信號在不規則度-平均復雜度平面的映射區域；

第二級二次分類器作用于第一級分類器所檢測的“異常”信號，輸入特征為5t秒腦電的平均不規則度和復雜度D_5t的結合，輸出為癲癇發作前期腦電信號和發作期腦電信號；圖4(a)和圖4(b)示意了一例癲癇發作前期信號和一例癲癇發作期信號，以及圖4(c)發作前期信號和發作期信號在平均不規則度-復雜度平面的映射區域；

繼續采集t秒的腦電信號進入隊列，并與隊列后4t秒的信號組成新的長度為5t秒的腦電信號{x_5t(i)}，重新進入以上分析流程，以此循環直至用戶或醫生暫停或者關閉裝置。

優選的，信號的不規則度通過如下方法計算：

(1)設定空間維數為m，將信號x(i)重構至相空間，即X(i)＝[x(i),x(i+1),…,x(i+m-1)]，其中，i＝1,2,…,N-m，N為信號x(i)的長度；

(2)遍歷兩兩不同向量X(i)和X(j)之間的距離d(i，j)＝fun(X(i)，X(j))，其中，i，j＝1，2，…，N-m，i≠j，fun為距離函數；

(3)設定相似性容限r，基于模糊邏輯計算(2)所述距離d(i，j)≤r的頻率B(m)，即

(4)將空間維數增加1，即在m+1維空間上重復(1)～(3)，獲得頻率B(m+1)；

(5)信號x(i)的不規則度F＝-ln(B(m+1)/B(m))。

本發明采用兩兩不同向量之間距離的遍歷可顯著提高計算效率，使用模糊邏輯計算所述頻率B(m)能夠提高結果的穩定性。

優選的，信號的復雜度通過如下方法計算：

(1)設定空間維數為m，將信號x(i)重構至相空間，即X(i)＝[x(i),x(i+1),…,x(i+m-1)]，其中，i＝1,2,…,N-m，N為信號x(i)的長度，

(2)遍歷兩兩不同向量X(i)和X(j)之間的距離d(i，j)＝fun(X(i)，X(j))，其中，i，j＝1，2，…，N-m，i≠j，fun為距離函數，

(3)估計距離d(i,j)的概率密度函數p(l),l＝1,2,...,Q，其中Q為設定的粗粒化水平；

(4)信號x(i)的復雜度

本發明采用兩兩不同向量之間距離的遍歷可顯著提高計算效率，使用所述概率密度函數p(l)刻畫距離的分布特征，可在信號長度極短時仍具有相當高的精確度和穩定性。

一旦偵測到癲癇發作前期或癲癇發作期信號，微處理器4會向輸出部1發出指令以高亮顯示信號，并通過輸出部1內置的音頻模塊輸出聲音警報，通過輸出部1內置的微型馬達實現整裝置的震動預警。

根據初始配置，存儲部3暫存長度為固定時間T的腦電信號，當采集腦電信號達到時間T后，微處理器4中的信號壓縮程式被激活，通過壓縮感知算法對腦電信號進行壓縮，壓縮后的信號進入無線通訊模塊5進行無線傳輸，以降低無線通訊的通訊負荷，提高通訊效率。隨后，閃存器中暫存的長度為T的腦電信號被清空，從而為接受新的信號騰出存儲空間。

除經壓縮后的腦電信號可以激活無線通訊模塊5之外，無線通訊模塊5還會被微處理器4所檢測到的癲癇發作前期或癲癇發作期信號所激活，從而向醫院的遠程監護中心和病人的緊急聯系人發出預警，實現動態預警癲癇發作的功能。

優選的，作為實施例，上述各符號代替的參數取值為：

F_s＝128赫茲，T＝10分鐘，t＝1秒，m＝3，r＝0.2，Q＝64。

基于上述優選的實施參數：本發明裝置的時間分辨率為1秒；進行癲癇發作預警的精度為0.92，敏感性為0.9，特異性為0.96，陽性預測率為0.97。

上述雖然結合附圖對本發明的具體實施方式進行了描述，但并非對本發明保護范圍的限制，所屬領域技術人員應該明白，在本發明的技術方案的基礎上，本領域技術人員不需要付出創造性勞動即可做出的各種修改或變形仍在本發明的保護范圍以內。