申请/专利权人：南京伟思医疗科技股份有限公司

申请日：2020-04-07

公开（公告）日：2023-09-22

公开（公告）号：CN111513675B

主分类号：A61B5/00

分类号：A61B5/00;A61B5/372

优先权：

专利状态码：有效-授权

法律状态：2023.09.22#授权;2020.09.04#实质审查的生效;2020.08.11#公开

摘要：本发明公开了一种基于振幅整合脑电图的新生儿睡眠觉醒周期检测方法，首先获取样本数据的背景模式，提取连续与不连续背景模式数据，然后进行上下边界的滤波处理，将滤波后的数据分为训练数据和测试数据，提取训练数据的特征值，定义特征值标签，进行标准化，进行机器学习，得到学习后的模板；对测试数据提取特征值，进行标准化后，使用模板进行检测，得到睡眠觉醒周期的检测结果。本发明所达到的有益效果：本方法通过对振幅整合脑电图的特征值提取，进行机器学习，从而获得学习模板；通过模板对睡眠觉醒周期进行判断，相比原有的检测方法，准确率得到了提高，对于新生儿的脑电监护有重大意义。

主权项：1.一种基于振幅整合脑电图的新生儿睡眠觉醒周期检测方法，其特征在于：包括如下步骤：（1）采集原始的振幅整合脑电图图像；（2）对原始的振幅整合脑电图像进行背景模式分类，提取出背景连续的振幅整合脑电图像和背景不连续的振幅整合脑电图像作为有效数据；（3）根据时间空隙对所有有效数据进行分段，时间上前后连续的有效数据合并为一个长的数据段，时间上前后不连续的有效数据单独作为一个数据段；（4）筛选出时间长度大于t2的数据段作为有效数据段；（5）将所有有效数据段分为训练数据和测试数据；（6）提取每一个有效数据段的上下边界并进行中值滤波，得到滤波后的上下边界；（7）将滤波后的上下边界进行零相移滤波得到平滑的上下边界；（8）对每一个有效数据段进行特征值提取，提取的特征包括下边界有效周期、下边界峰值高度、上下边界宽窄带比值和上边界峰值；特征值的提取过程如下：（81）在每一个有效数据段的平滑的下边界上，若某一采样点的值大于其左右各r个采样点的值，则将该采样点确定为一个波峰；依此方式，找出所有波峰作为原始波峰；（82）在相邻两个原始波峰之间找到波谷，若某一个原始波峰与相应波谷的幅度差值小于δ1μV，则标记该原始波峰为无效波峰；（83）剔除无效波峰后的原始波峰即为有效波峰，在两个相邻有效波峰之间找到有效波谷；（84）将两个相邻有效波峰之间的时间差定义为下边界有效周期；（85）将两个相邻有效波峰的平均值减去该两个相邻有效波峰之间有效波谷的值的差定义为下边界峰值高度；（86）设相邻有效波峰之间的有效波谷处的上下边界高度差为H1，与该有效波谷紧邻的前一个有效波峰处的上下边界高度差为H2，定义上下边界宽窄带比值为H1H2；（87）将有效波峰处的上边界值定义为上边界峰值；（9）对所有训练数据进行特征值的手工标记，定义l0、l1、l2、l3分别为无睡眠觉醒周期、不成熟睡眠觉醒周期、成熟睡眠觉醒周期、伪差数据；（10）对所有训练数据的特征值进行标准化，计算标准化参数μ和σ，其中μ为正态分布的总体均值，σ2为正态分布的总体方差；（11）使用标准化后的特征值对支持向量机进行训练，得到训练后的模型Model；（12）使用模型Model对测试数据进行预测：设一个测试数据有m组特征值，将m组特征值根据标准化参数μ和σ进行标准化，得到m组标准化后的特征值，然后使用模型Model进行预测，得到m个预测结果，包括n0个无睡眠觉醒周期的预测结果、n1个不成熟睡眠觉醒周期的预测结果、n2成熟睡眠觉醒周期的预测结果和n3个伪差数据的预测结果，m=n0+n1+n2+n3；根据如下规则递进式判定最终预测结果：（a）当n2≥2时，判定为成熟睡眠觉醒周期；（b）当n2=1时，判定为不成熟睡眠觉醒周期；（c）当n0n1+n2或者n0+n1+n2=0时，判定为无睡眠觉醒周期；（d）其他情况时，判定为不成熟睡眠觉醒周期。

全文数据：

权利要求：

百度查询： 南京伟思医疗科技股份有限公司 一种基于振幅整合脑电图的新生儿睡眠觉醒周期检测方法

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