Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

用于脑中风发作的预警方法,装置及系统 

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!

申请/专利权人:杭州璞尊科技成果转化服务有限公司

摘要:本发明公开了用于脑中风发作的预警方法,装置及系统,涉及脑中风发作预警技术领域。该用于脑中风发作的预警方法,通过采集、预处理、特征提取和分析多个阶段,结合脑电信号的空间和时间特征,从多个角度全面分析用户的脑电信号,将不同阶段的信息综合,提高脑中风发作的预测精度,数据处理和特征提取使系统能够准确识别脑电信号中的异常变化,数字孪生原理建立实时模型,将整个预警系统部署在云平台上,增加了对实时数据处理、模型更新和反馈机制的计算算力,这种架构允许持续监测用户的脑电信号和动作状态,随时更新模型、修正数据以适应个体变化,从而成为一种日常化的对个体进行诊疗评估的综合应用系统,重建脑中风发作预警的时间窗口。

主权项:1.用于脑中风发作的预警装置,其特征在于,包括脑电信号矩阵获取模块、空域特征提取模块、预测模型构建模块和反馈模块,其中:所述脑电信号矩阵获取模块用于使用电极头盔获取脑电信号,基于ICA算法对采集的脑电信号进行预处理,去除干扰和伪迹,获得脑电信号矩阵,并保留原始信号的关键特征;所述空域特征提取模块用于使得脑电信号矩阵进入CSP算法中,提取左右大脑信号之间的差异,提取空域特征,计算脑电信号得到空间分布;所述预测模型构建模块用于使得空域特征进入LSTM模型中,对脑电信号在时间上的演变进行建模,模型学习脑电信号的历史数据,以捕捉脑电信号在时间维度上的演变;具体地,将空域特征组成时间序列,LSTM模型学习历史数据的模式,理解脑电信号在时间上的变化趋势,所述历史数据携带有脑中风发作情况标签,输入空域特征组成的时间序列,作为LSTM模型的输入序列,LSTM模型输出预测值,用于表示未来脑中风发作概率,所述空域特征组成时间序列为,其中表示第个时间步的输入特征向量;所述反馈模块用于将LSTM模型输出的预测值与AI手套监测到的实际运动状态进行比较,若预测值和实际运动状态的比较出现异常,即脑电信号预测出现了潜在的脑中风发作,通知用户及时就医,具体地,将LSTM模型输出的预测值输送到数字孪生模型,与用户佩戴的AI手套相连接;AI手套通过传感器监测用户的实际运动状态,包括手部的位置和速度。

全文数据:

权利要求:

百度查询: 杭州璞尊科技成果转化服务有限公司 用于脑中风发作的预警方法,装置及系统

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。