欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2025114694459
申请人: 成都市技师学院(成都工贸职业技术学院、成都市高级技工学校、成都铁路工程学校)
专利类型:发明专利
专利状态:已下证
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种人体健康监测的数据分析与预警方法,其特征在于,包括以下步骤:采用滑动窗口分别在睡眠状态和清醒状态的脑电时域信号上滑动,在每次滑动后对滑动窗口下的信号段进行傅里叶变换,得到脑电频域信号;

将每个滑动窗口对应的脑电频域信号划分为第一频段信号、第二频段信号和第三频段信号;

根据两种状态在第一频段信号、第二频段信号和第三频段信号的频域重心上的偏差,得到第一频差序列、第二频差序列和第三频差序列;

根据两种状态在第一频段信号、第二频段信号和第三频段信号的能量上的偏差,得到第一能量差序列、第二能量差序列和第三能量差序列;

分别对每个频差序列提取频差特征,构建三个频差特征矩阵,分别对每个能量差序列提取能量差特征,构建三个能量差特征矩阵;

采用多通道多尺度神经网络处理三个频差特征矩阵和三个能量差特征矩阵,得到脑电异常评估值,在脑电异常评估值超过阈值时,进行风险预警;

构建三个频差特征矩阵和三个能量差特征矩阵的过程包括:

将频差序列和能量差序列均划分为N份,得到多个频差子序列和多个能量差子序列,其中,N为正整数;

对频差子序列分别提取频差均值、频差波动值和频差离散跨度;

对能量差子序列分别提取能量差均值、能量差波动值和能量差离散跨度;

将同一频差序列的各个频差子序列的频差均值、频差波动值和频差离散跨度作为元素,构建N×3的频差特征矩阵;

将同一能量差序列的各个能量差子序列的能量差均值、能量差波动值和能量差离散跨度作为元素,构建N×3的能量差特征矩阵;

频差均值为频差子序列中各个频差系数的均值,频差波动值为频差子序列中各个频差系数的方差,频差离散跨度为频差子序列中最大频差系数与最小频差系数的差值;

能量差均值为能量差子序列中各个能量差系数的均值,能量差波动值为能量差子序列中各个能量差系数的方差,能量差离散跨度为能量差子序列中最大能量差系数与最小能量差系数的差值。

2.根据权利要求1所述的人体健康监测的数据分析与预警方法,其特征在于,第一频段信号的频率范围为0~10Hz,第二频段信号的频率范围为10~20Hz,第三频段信号的频率范围为20~40Hz。

3.根据权利要求1所述的人体健康监测的数据分析与预警方法,其特征在于,得到第一频差序列、第二频差序列和第三频差序列的过程包括:采用清醒状态的第一频段信号的谱频率重心减去睡眠状态的第一频段信号的谱频率重心,并对谱频率重心差归一化处理,得到第一频差系数;

采用清醒状态的第二频段信号的谱频率重心减去睡眠状态的第二频段信号的谱频率重心,并对谱频率重心差归一化处理,得到第二频差系数;

采用清醒状态的第三频段信号的谱频率重心减去睡眠状态的第三频段信号的谱频率重心,并对谱频率重心差归一化处理,得到第三频差系数;

将各个第一频差系数按时间发生先后顺序排列,得到第一频差序列;

将各个第二频差系数按时间发生先后顺序排列,得到第二频差序列;

将各个第三频差系数按时间发生先后顺序排列,得到第三频差序列。

4.根据权利要求1所述的人体健康监测的数据分析与预警方法,其特征在于,得到第一能量差序列、第二能量差序列和第三能量差序列的过程包括:采用清醒状态的第一频段信号的能量减去睡眠状态的第一频段信号的能量,并对能量差归一化处理,得到第一能量差系数;

采用清醒状态的第二频段信号的能量减去睡眠状态的第二频段信号的能量,并对能量差归一化处理,得到第二能量差系数;

采用清醒状态的第三频段信号的能量减去睡眠状态的第三频段信号的能量,并对能量差归一化处理,得到第三能量差系数;

将各个第一能量差系数按时间发生先后顺序排列,得到第一能量差序列;

将各个第二能量差系数按时间发生先后顺序排列,得到第二能量差序列;

将各个第三能量差系数按时间发生先后顺序排列,得到第三能量差序列。

5.根据权利要求1所述的人体健康监测的数据分析与预警方法,其特征在于,多通道多尺度神经网络包括:第一特征融合增强通道、第二特征融合增强通道、第三特征融合增强通道、多尺度特征提取单元、拼接层和全连接层;

第一特征融合增强通道的第一输入端用于输入第一频差特征矩阵,其第二输入端用于输入第一能量差特征矩阵;第二特征融合增强通道的第一输入端用于输入第二频差特征矩阵,其第二输入端用于输入第二能量差特征矩阵;第三特征融合增强通道的第一输入端用于输入第三频差特征矩阵,其第二输入端用于输入第三能量差特征矩阵;

多尺度特征提取单元的第一输入端与第一特征融合增强通道的输出端连接,其第二输入端与第二特征融合增强通道的输出端连接,其第三输入端与第三特征融合增强通道的输出端连接;拼接层的输入端分别与多尺度特征提取单元的第一输出端和第二输出端连接,其输出端与全连接层的输入端连接;全连接层的输出端作为多通道多尺度神经网络的输出端。

6.根据权利要求5所述的人体健康监测的数据分析与预警方法,其特征在于,第一特征融合增强通道、第二特征融合增强通道和第三特征融合增强通道均包括:特征融合模块和特征增强模块;

特征融合模块用于对频差特征矩阵和能量差特征矩阵提取特征,并进行特征融合,得到融合特征;特征增强模块用于对融合特征进行特征增强,得到增强特征。

7.根据权利要求6所述的人体健康监测的数据分析与预警方法,其特征在于,特征融合模块包括:第一卷积层、第二卷积层、第三卷积层、第四卷积层和加法器A1;

第一卷积层的输入端作为特征融合模块的第一输入端,其输出端与第二卷积层的输入端连接;第三卷积层的输入端作为特征融合模块的第二输入端,其输出端与第四卷积层的输入端连接;加法器A1的输入端分别与第二卷积层的输出端和第四卷积层的输出端连接,其输出端作为特征融合模块的输出端。

8.根据权利要求6所述的人体健康监测的数据分析与预警方法,其特征在于,多尺度特征提取单元包括:第五卷积层、第六卷积层、第七卷积层、第八卷积层、第九卷积层、第十卷积层、加法器A2和加法器A3;

第五卷积层的输入端与第六卷积层的输入端连接,并作为多尺度特征提取单元的第一输入端;第七卷积层的输入端与第八卷积层的输入端连接,并作为多尺度特征提取单元的第二输入端;第九卷积层的输入端与第十卷积层的输入端连接,并作为多尺度特征提取单元的第三输入端;

加法器A2的输入端分别与第五卷积层的输出端、第七卷积层的输出端和第九卷积层的输出端连接,其输出端作为多尺度特征提取单元的第一输出端;

加法器A3的输入端分别与第六卷积层的输出端、第八卷积层的输出端和第十卷积层的输出端连接,其输出端作为多尺度特征提取单元的第二输出端。