法律状态公告日
法律状态信息
法律状态
2018-07-03
授权
授权
2017-09-22
实质审查的生效 IPC(主分类):A61B5/16 申请日:20170323
实质审查的生效
2017-08-29
公开
公开
技术领域
本发明涉及儿童自闭症风险评估领域,更具体地说,涉及一种基于脑电的儿童自闭症风险评估系统。
背景技术
自闭症被归类为一种由于神经系统失调导致的发育障碍,不能进行正常的语言表达和社交活动,常做一些刻板和重复性的动作和行为,脑电图在临床上主要用于检查脑功能、诊断神经系统障碍性疾病,脑电图没有副作用,可发现结构性的损伤,不仅提供出现功能异常的位置及程度,还能够得到脑功能异常的关键信息,脑电图在评估儿童自闭症时能够起到一定的作用。
在对儿童进行脑电监测时,脑电图技术大多应用在比较严格的环境中,如医院的临床治疗或科研院所的实验室,即便是在这样严格的限制下,脑电信号的测量也会受到一些因素的影响,另外在对儿童评估时,信息量比较少,特征并不十分明确,并不能得到相应的针对受测儿童的特征信息给出合理化的自闭症风险结果。
发明内容
1.要解决的技术问题
针对现有技术中存在的干扰因素干扰检测,不能给出合理化的自闭症风险结果问题,本发明的目的在于提供一种基于脑电的儿童自闭症风险评估系统,它可以实现消除干扰因素,能给出合理化的自闭症风险结果。
2.技术方案
为解决上述问题,本发明采用如下的技术方案。
一种基于脑电的儿童自闭症风险评估系统,包括多岛脑电信号采集系统、脑电信号去干扰处理系统、脑电信号整理系统、评估自闭症风险系统和显示系统,所述多岛脑电信号采集系统、脑电信号去干扰处理系统、脑电信号整理系统、评估自闭症风险系统和显示系统依次相连,所述多岛脑电信号采集系统包括模拟信号模块和数字信号模块,所述脑电信号去干扰处理系统包括ARMA模型、数字信号滤波器、去干扰算法计算机和基于ARMA模型的自适应预测器,所述脑电信号整理系统包括特征提取和分类模型,所述评估自闭症风险系统包括第一数据库、第二数据库和数据比较器,所述第一数据库和第二数据库均与数据比较器相连,所述第一数据库存储通过多岛脑电信号采集系统分别采集已标签的健康儿童数据信号和已标签的自闭症儿童数据信号,所述第二数据库储存近期多个测量数据,通过多岛脑电信号采集系统采集脑电信号,利用ARMA模型处理干扰信号,干扰信号通过数字滤波器和去干扰算法计算机初步处理干扰信号,利用ARMA模型和基于ARMA模型的自适应预测器有效规避干扰信号造成的误差,消除干扰因素,同时利用该系统分别采集已标签的健康儿童数据信号和自闭症儿童数据信号,将采集大量的特征信息存储在第一数据库,将近期采集受测的儿童数据信号与其进行比较,从而给出合理化的自闭症风险结果。
优选地,所述模拟信号模块包括前置放大电路和滤波电路,通过脑电前置放大器对微弱的脑电信号进行放大,通过滤波电路对脑电信号进行滤波处理。
优选地,所述滤波电路包括低通电路和陷波电路,陷波电路有效的应对脑电信号采集时的工频干扰。
优选地,所述分类模型包括线性分类、神经网络、非线性贝斯分类器和最近邻分类器,通过线性分类、神经网络、非线性贝斯分类器和最近邻分类器分别处理多种特征脑电信号,便于进行分析。
优选地,所述多岛脑电信号采集系统采用非线性动力学理论采集非线性脑电信号,脑电信号具有非线性动力学系统特点,通过非线性动力学理论便于采集。
优选地,所述去干扰算法计算机算法采用回归算法、小波变换或独立主成分分析,通过回归算法、小波变换或独立主成分分析,有效的初步消除干扰信号。
3.有益效果
相比于现有技术,本发明的优点在于:
(1)本方案通过多岛脑电信号采集系统采集脑电信号,利用ARMA模型处理干扰信号,干扰信号通过数字滤波器和去干扰算法计算机初步处理干扰信号,利用ARMA模型和基于ARMA模型的自适应预测器有效规避干扰信号造成的误差,消除干扰因素,同时利用该系统分别采集已标签的健康儿童数据信号和自闭症儿童数据信号,将采集大量的特征信息存储在第一数据库,将近期采集受测的儿童数据信号与其进行比较,从而给出合理化的自闭症风险结果。
(2)通过脑电前置放大器对微弱的脑电信号进行放大,通过滤波电路对脑电信号进行滤波处理。
(3)陷波电路有效的应对脑电信号采集时的工频干扰
(4)通过线性分类、神经网络、非线性贝斯分类器和最近邻分类器分别处理多种特征脑电信号,便于进行分析
(5)脑电信号具有非线性动力学系统特点,通过非线性动力学理论便于采集。
(6)通过回归算法、小波变换或独立主成分分析,有效的初步消除干扰信号。
附图说明
图1为本发明的系统原理框图;
图2为本发明的多岛脑电信号采集系统方框图;
图3为本发明的脑电信号去干扰处理系统原理图;
图4为本发明的脑电信号整理系统方框图;
图5为本发明的对比评估自闭症风险的原理方框图。
具体实施方式
下面将结合本发明实施例中的附图;对本发明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发明一部分实施例;而不是全部的实施例。基于本发明中的实施例;本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例;都属于本发明保护的范围。
实施例1:
请参阅图1-5,一种基于脑电的儿童自闭症风险评估系统,包括多岛脑电信号采集系统、脑电信号去干扰处理系统、脑电信号整理系统、评估自闭症风险系统和显示系统,多岛脑电信号采集系统、脑电信号去干扰处理系统、脑电信号整理系统、评估自闭症风险系统和显示系统依次相连,多岛脑电信号采集系统包括模拟信号模块和数字信号模块,脑电信号去干扰处理系统包括ARMA模型、数字信号滤波器、去干扰算法计算机和基于ARMA模型的自适应预测器,脑电信号整理系统包括特征提取和分类模型,评估自闭症风险系统包括第一数据库、第二数据库和数据比较器,第一数据库和第二数据库均与数据比较器相连,第一数据库存储通过多岛脑电信号采集系统分别采集已标签的健康儿童数据信号和已标签的自闭症儿童数据信号,第二数据库储存近期多个测量数据,通过多岛脑电信号采集系统采集脑电信号,利用ARMA模型处理干扰信号,干扰信号通过数字滤波器和去干扰算法计算机初步处理干扰信号,利用ARMA模型和基于ARMA模型的自适应预测器有效规避干扰信号造成的误差,消除干扰因素,同时利用该系统分别采集已标签的健康儿童数据信号和自闭症儿童信号,将采集大量的特征信息存储在第一数据库,将近期采集受测的儿童数据信号与其进行比较,从而给出合理化的自闭症风险结果。
模拟信号模块包括前置放大电路和滤波电路,通过脑电前置放大器对微弱的脑电信号进行放大,通过滤波电路对脑电信号进行滤波处理,滤波电路包括低通电路和陷波电路,陷波电路有效的应对脑电信号采集时的工频干扰,分类模型包括线性分类、神经网络、非线性贝斯分类器和最近邻分类器,通过线性分类、神经网络、非线性贝斯分类器和最近邻分类器分别处理多种特征脑电信号,便于进行分析,多岛脑电信号采集系统采用非线性动力学理论采集非线性脑电信号,脑电信号具有非线性动力学系统特点,通过非线性动力学理论便于采集,去干扰算法计算机算法采用回归算法、小波变换或独立主成分分析,通过回归算法、小波变换或独立主成分分析,有效的初步消除干扰信号。
工作原理:首先利用多岛脑电信号采集系统分别对大量的已标签的健康儿童和已标签的自闭症儿童进行脑电信号采集,并提取相关的特征信号并进行分类建模,储存在第一数据库,在检测受测儿童时,利用多岛脑电信号采集系统采集脑电信号,利用ARMA模型处理干扰信号,干扰信号通过数字滤波器和去干扰算法计算机初步处理干扰信号,利用ARMA模型和基于ARMA模型的自适应预测器有效规避干扰信号造成的误差,将处理后的脑电信号通过脑电信号整理系统进行特征提取并进行分类建模,储存在第二数据库中,将多个的近期测量数据利用数据比较器与第一数据库中采集的大量针对性的数据模型进行比对,从而给出合理化的自闭症风险结果。
以上所述;仅为本发明较佳的具体实施方式;但本发明的保护范围并不局限于此;任何熟悉本技术领域的技术人员在本发明揭露的技术范围内;根据本发明的技术方案及其改进构思加以等同替换或改变;都应涵盖在本发明的保护范围内。
机译: 一种筛查儿童自闭症谱系障碍(ASD)风险的诊断方法(可选)
机译: 一种改进的基于体温计的乳腺癌风险评估系统
机译: 一种改进的基于体温计的乳腺癌风险评估系统