申请/专利权人：浙江师范大学

申请日：2022-07-18

公开（公告）日：2023-05-26

公开（公告）号：CN115227504B

主分类号：A61G7/012

分类号：A61G7/012;A61G7/018;A61B5/398;A61B5/372;A61B5/00;G06F3/01;G06F18/10;G06F18/24;G06N3/126

优先权：

专利状态码：有效-授权

法律状态：2023.05.26#授权;2022.11.11#实质审查的生效;2022.10.25#公开

摘要：本发明公开了一种基于脑电眼电信号的自动升降病床系统，属于康复医疗领域，包括脑电波传感器、病床控制系统和病床本体，病床本体具有升降、主动呼叫和报警功能；所述的脑电波传感器与病床控制系统连接，用于采集患者的脑电眼电融合信号并传输至病床控制系统；所述的病床控制系统根据患者的脑电眼电融合信号发送控制指令，所述的控制指令用于控制病床本体升起、放平、主动呼叫和报警，病床本体根据控制指令作出响应；能够通过实时监控脑电信号实现患者卧床状态下进行升降、主动呼叫和智能报警。

主权项：1.一种基于脑电眼电信号的自动升降病床系统，其特征在于，包括脑电波传感器、病床控制系统和病床本体，病床本体具有升降、主动呼叫和报警功能；所述的脑电波传感器与病床控制系统连接，用于采集患者的脑电眼电融合信号并传输至病床控制系统；所述的病床控制系统根据患者的脑电眼电融合信号发送控制指令，所述的控制指令用于控制病床本体升起、放平、主动呼叫和报警，病床本体根据控制指令作出响应；所述的病床控制系统包括：脑电眼电融合信号滤噪模块，其用于对脑电眼电融合信号进行滤噪处理；脑电眼电融合信号分割窗模块，其用于将滤噪处理后的脑电眼电融合信号分割成长度一致的不同组；脑电眼电融合信号模式识别模块，其用于识别每一组的脑电眼电融合信号的所属特征类型，根据所属特征类型发送指令，包括：S1，对脑电眼电融合信号进行滤噪处理，获得滤噪后的脑电眼电数据；S2，将滤噪后的脑电眼电数据分割成组，获得脑电眼电数据组，计算各个脑电眼电数据组的波形特征，所述的脑电眼电数据组的波形特征包括平均值、绝对平均值、均方差和标准差；S3，采用K近邻算法，将各个脑电眼电数据组的波形特征相对于样本库数据组的波形特征进行分类，获得各个脑电眼电数据组的所属特征类型；根据各个脑电眼电数据组的所属特征类型发送控制指令；所述的样本库数据组的构建方法包括：S31，通过脑电波传感器采集不同患者在一次眨眼、二次眨眼、眼球转动和脑电异常情况下的脑电眼电融合信号，对脑电眼电融合信号进行滤噪处理并分割成组，提取每一个数据组的波形特征，得到总数据量为p组的数据库；S32，从所述的总数据量为p组的数据库中随机产生m个样本库数据组、r个训练库数据组和s个测试库数据组；所述的样本库数据组、训练库数据组和测试库数据组中均包含一次眨眼、二次眨眼、眼球转动和脑电异常四类数据且不重复；S33，重复步骤S32，初始化若干数据集合，每一个数据集合均由随机初始化的样本库数据组、训练库数据组、测试库数据组、K近邻算法的K值参数构成；计算每一个训练库数据组的波形特征与各个样本库数据组的波形特征之间的距离集合，采用K近邻算法对一个训练库数据组进行特征分类，以识别率和误判率构建目标函数，选取最优的数据集合；S34，以步骤S33中获得的最优的数据集合中的样本库数据组为最优样本库数据组，计算最优的数据集合中的测试库数据组的波形特征与各个样本库数据组的波形特征之间的距离集合，采用K近邻算法对一个测试库数据组进行特征分类，以识别率和误判率构建目标函数，判断是否满足预设要求；若满足，则将步骤S33中获得的最优的数据集合中的样本库数据组为最终的最优样本库数据组；若不满足，返回步骤S32，重新初始化若干数据集合。

全文数据：

权利要求：

百度查询： 浙江师范大学 一种基于脑电眼电信号的自动升降病床系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD