买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉广东工业大学申请的专利一种EEG微状态监测的疼痛实时判别及治疗效果评估系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120837016B 。

龙图腾网通过国家知识产权局官网在2026-03-17发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510972874.1，技术领域涉及：A61B5/00；该发明授权一种EEG微状态监测的疼痛实时判别及治疗效果评估系统是由张波;苏畅程;谢胜利;邱世汉;李维维;杨俊杰;谢侃;白文芳设计研发完成，并于2025-07-15向国家知识产权局提交的专利申请。

本一种EEG微状态监测的疼痛实时判别及治疗效果评估系统在说明书摘要公布了：本申请涉及一种EEG微状态监测的疼痛实时判别及治疗效果评估系统。该系统包括：微状态提取与分析模块从EEG信号数据中提取出GFP峰值地形图进行优化生成模板图，并计算各微状态类别的平均持续时间等参数，输出微状态特征参数集；疼痛实时判别模块将微状态特征参数集输入深度学习模型进行检测，得到包含疼痛等级的检测结果；治疗效果评估模块通过获取并对比治疗前后的微状态特征参数集，得到量化疗效指标，并生成含指标、分析结果和微状态变化趋势图的报告。该系统通过脑电信号微状态，实时监测患者的疼痛状态，并通过量化治疗前后患者EEG微状态的动态变化，为临床医生提供关于疗效的客观评估指标，提高了治疗效果监测的科学性与准确性。

本发明授权一种EEG微状态监测的疼痛实时判别及治疗效果评估系统在权利要求书中公布了：1.一种EEG微状态监测的疼痛实时判别及治疗效果评估系统，其特征在于，所述EEG微状态监测的疼痛实时判别及治疗效果评估系统包括： EEG采集模块，用于： 通过穿戴式脑电采集设备对EEG信号数据进行采集，所述穿戴式脑电采集设备包括32个Ag-AgCl头皮电极； 在所述EEG信号数据采集过程中，实时监测各所述Ag-AgCl头皮电极阻抗，当所述Ag-AgCl头皮电极阻抗超过安全阈值时，生成预警指令，所述预警指令用于中断数据采集并提示调整电极接触； 将所述EEG信号数据转换为预设格式文件存储至微状态特征数据库； EEG预处理模块，用于： 对所述EEG信号数据进行通道数据定位，识别有效信号通道并剔除无效通道数据，得到有效通道数据； 对所述有效通道数据进行带通滤波处理，得到滤波数据； 基于独立成分分析，对所述滤波数据分离眼电伪迹成分、心电伪迹成分和肌电伪迹成分，得到去伪迹后的EEG信号数据； 以全脑平均电位为参考基准，对所述去伪迹后的EEG信号数据进行重参考计算，得到预处理后的EEG信号数据； 微状态提取与分析模块，用于： 从所述预处理后的EEG信号数据中提取出GFP峰值地形图作为原始图，并基于聚类算法对所述原始图进行优化，生成微状态模板图； 根据所述微状态模板图，计算各微状态类别的平均持续时间、发生频率、总体覆盖率和类间转换概率，输出微状态特征参数集； 疼痛实时判别模块，用于将所述微状态特征参数集输入基于深度学习的疼痛检测模型进行检测，得到检测结果，所述检测结果包括疼痛等级，所述疼痛等级为无痛、轻度、中度和重度中的任一项； 治疗效果评估模块，用于： 获取治疗前的第一微状态特征参数集和治疗后的第二微状态特征参数集； 对比所述第一微状态特征参数集与所述第二微状态特征参数集中各所述微状态类别的特征参数，得到量化疗效指标，生成疗效分析报告，所述量化疗效指标包括平均持续时间变化率、类间转换概率差异度和覆盖率恢复度指标，所述疗效分析报告包括所述量化疗效指标、疗效分析结果和微状态变化趋势图； 其中，所述微状态提取与分析模块包括微状态模板图提取子单元和微状态特征提取子单元，所述微状态模板图提取子单元用于： 计算所述预处理后的EEG信号数据中各时间点的全局场功率，提取出所述全局场功率局部极大值对应的时间点，将所述全局场功率局部极大值对应的时间点对应的所述GFP峰值地形图作为所述原始图； 基于改进的K-means聚类算法，从所述原始图中随机选择n个GFP峰值地形图作为初始模板图，其中所述改进的K-means聚类算法采用总体方差解释比例最大化作为迭代终止条件； 计算各所述初始模板图与各所述原始图的空间相关系数，将各所述原始图归类至与其所述空间相关系数最大的模板类别； 对各所述模板类别中的原始图进行空间平均，生成新模板图，重复归类与平均操作，直至所述总体方差解释比例最大化，输出所述微状态模板图； 所述微状态特征提取子单元，用于： 将所述预处理后的EEG信号数据按时间序列与所述微状态模板图进行空间相关系数匹配，确定各时刻所属的微状态类别，得到匹配结果； 基于所述匹配结果，统计各所述微状态类别的所述平均持续时间、所述发生频率和所述总体覆盖率； 基于所述匹配结果，分析相邻时间点对应的所述微状态类别的跳变关系，计算出类间转换概率； 结合所述平均持续时间、所述发生频率、所述总体覆盖率和所述类间转换概率得到所述微状态特征参数集； 所述疼痛检测模型为预训练的GNN+Transformer神经网络模型，所述疼痛实时判别模块包括： 特征提取子单元，用于基于所述疼痛检测模型的GNN模块和Transformer模块对所述微状态特征参数集进行特征提取，生成时空融合特征向量； 分类判别子单元，用于： 将所述时空融合特征向量输入全连接分类层，输出疼痛状态的疼痛概率分布，所述疼痛状态包括无痛状态、轻度疼痛状态、中度疼痛状态和重度疼痛状态；并基于所述疼痛概率分布计算各所述疼痛状态的置信度评分，并结合所述疼痛概率分布，得到所述检测结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人广东工业大学，其通讯地址为：510030 广东省广州市越秀区东风东路729号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。