[发明专利]一种神经反馈康复训练系统在审
申请号: | 202210106637.3 | 申请日: | 2022-01-28 |
公开(公告)号: | CN114431856A | 公开(公告)日: | 2022-05-06 |
发明(设计)人: | 李先春;郭遥;陈卫东;王朴;李可霜;杨晋昊 | 申请(专利权)人: | 上海乾康医疗设备股份有限公司 |
主分类号: | A61B5/1455 | 分类号: | A61B5/1455;A61N1/36 |
代理公司: | 上海汉之律师事务所 31378 | 代理人: | 陈强 |
地址: | 200082 上海市杨浦*** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 神经 反馈 康复训练 系统 | ||
1.一种神经反馈康复训练系统,其特征在于,包括:
输入模块,用于获取目标患者的病历信息和相应的训练方案;
采集模块,用于实时获取目标患者在执行所述训练方案过程中的血氧信息;
处理模块,用于根据所述血氧信息生成氧合血红蛋白含量变化的训练曲线;
监控模块,用于根据所述训练曲线和预设参数,监控判断目标患者的训练是否发生异常,并在异常出现时,生成异常信息;
显示模块,用于显示所述训练曲线,根据所述异常信息显示参考曲线,以利目标患者根据所述参考曲线自适应调节来完成所述训练方案;
其中,所述参考曲线通过高斯混合模型生成。
2.根据权利要求1所述的神经反馈康复训练系统,其特征在于:所述采集模块包括:
光源单元,用于朝向目标患者的头部发射近红外光线;
探测器单元,用于接收来自所述光源单元经大脑皮层反射后的近红外光线,并生成光强信号;
处理单元,根据所述光强信号计算得出所述血氧信息,所述血氧信息包括氧合血红蛋白含量。
3.根据权利要求1所述的神经反馈康复训练系统,其特征在于:所述处理模块包括:
记录单元,用于实时记录所述采集模块采集的所述血氧信息;
滤波单元,用于对所述血氧信息进行滤波,获得所述训练曲线,且所述训练曲线为氧合血红蛋白的浓度随时间变化的曲线。
4.根据权利要求1所述的神经反馈康复训练系统,其特征在于:所述监控模块包括:
偏差计算单元,用于计算所述训练曲线中训练段和休息段之间的偏差值;
比较单元,用于将所述偏差值与预设方差阈值进行比较,当所述偏差值小于预设方差阈值,则判断训练异常,生成反常信息。
5.根据权利要求4所述的神经反馈康复训练系统,其特征在于:所述偏差值为所述训练曲线中训练段和休息段的氧合血红蛋白的浓度值的方差之比。
6.根据权利要求4所述的神经反馈康复训练系统,其特征在于:所述监控模块还包括:
统计单元,用于统计预设时间内所述反常信息的生成数量;
判断单元,用于将所述反常信息的生成数量与预设数量阈值进行比较,当所述生成数量大于所述预设数量阈值时,生成所述异常信息并进行报警。
7.根据权利要求1所述的神经反馈康复训练系统,其特征在于:还包括辅助模块,所述辅助模块根据所述异常信息启动;
所述辅助模块生成声音信息,以利目标患者根据所述声音信息自适应调节来完成所述训练方案;
和/或所述辅助模块发出电刺激作用于目标患者的患侧肢体,通过外部刺激帮助目标患者完成所述训练方案。
8.根据权利要求1所述的神经反馈康复训练系统,其特征在于:生成所述参考曲线的步骤包括:
获取多个正常受试者在执行所述训练方案过程中氧合血红蛋白浓度的变化曲线;
根据多个所述变化曲线分别计算高斯分布密度;
将多个所述高斯分布密度合成为高斯混合模型;
根据所述训练曲线结合高斯混合回归将所述高斯混合模型生成所述参考曲线。
9.根据权利要求8所述的神经反馈康复训练系统,其特征在于:获取多个正常受试者在执行所述训练方案过程中氧合血红蛋白浓度的变化曲线的步骤还包括:
对多个所述变化曲线分别通过z-score方法进行标准化处理:
其中,为第n个正常受试者的氧合血红蛋白浓度标准化后的曲线;Xn为第n个正常受试者的变化曲线;μn为第n个正常受试者的氧合血红蛋白浓度的均值;σn为第n个正常受试者的氧合血红蛋白浓度的标准差。
10.根据权利要求8所述的神经反馈康复训练系统,其特征在于:所述高斯混合回归算法为:
其中,为参考曲线中氧合血红蛋白的浓度值;t为时间;pk(t)为n个正常受试者的氧合血红蛋白浓度数据整合的高斯模型,其中k=1、2、3、4、5……K;P(t)为k个高斯模型组成的高斯混合模型;K为高斯模型的数量;为第k个高斯模型的氧合血红蛋白浓度值的估计值;μ0为目标患者在执行训练方案过程中休息段的氧合血红蛋白浓度的均值;αk为第k个高斯模型的权重。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海乾康医疗设备股份有限公司,未经上海乾康医疗设备股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210106637.3/1.html,转载请声明来源钻瓜专利网。