[发明专利]一种基于云计算的神经外科用诊断控制系统

摘要

本发明属于医疗技术领域，公开了一种基于云计算的神经外科用诊断控制系统，包括电源模块，单片机，蜂鸣器，诊断模块，训练模块，电路线，无线发射模块和云计算模块；电源模块通过电路线连接单片机；单片机通过电路线分别连接蜂鸣器，诊断模块，训练模块和无线发射模块；无线发射模块通过无线信号连接云计算模块；单片机通过无线发射模块连接云计算模块。本发明设置训练模块中的视频教程模块可以进行视频教程学习，考核模块可以对诊断技能进行考核，操作模块对诊断治疗操作进行训练，提升治疗技能，节省学习成本；同时如果诊断病情严重，可以通过设置的蜂鸣器及时快速的通知其他工作人员，进行快速治疗，提升治疗效率。

主权项

一种基于云计算的神经外科用诊断控制系统，其特征在于，所述基于云计算的神经外科用诊断控制系统包括：所述电源模块通过电路线连接单片机；所述单片机通过电路线分别连接蜂鸣器，诊断模块，训练模块和无线发射模块；所述无线发射模块通过无线信号连接云计算模块；所述单片机通过无线发射模块连接云计算模块；所述无线发射模块的授权数据传输的功率的计算方法包括：步骤一，令待选中继的集合为R＝{SR1,ST2}，选择中继节点r∈R；步骤二，计算PT与每个中继节点r构成的链路的信噪比并得到步骤三，计算中继节点的待选集合R＝{SR1,ST2}与PR构成的链路的信噪比其中步骤四，比较与的大小；步骤五，若选择能够获得最大的端到端频谱效率的单中继ropt；在第一阶段，授权用户发射端PT以功率广播消息sp，认知用户ST1以功率向SR1发送数据s1；若选择的中继节点为SR1，SR1分别恢复出sp与s1；若选择的中继节点为ST2，ST2对sp接收，SR1对s1接收；在第二阶段，ropt以功率向PR转发授权用户数据sp，ST2以功率向SR2发送数据s2，ropt协助主用户数据传输的发射功率计算如下，Pr(sp)=PT||[fr(sp)]HgPT,r||2||gr,RRpr(sp)||2/*MERGEFORMAT---(1)]]>步骤六，若选择两个中继SR1和ST2；在第一阶段，授权用户发射端PT以发送功率向认知用户广播消息sp，认知用户ST1以功率向SR1发送数据s1，ST2恢复sp并消除来自ST1的干扰，SR1分别恢复出sp与s1，SR2对sp接收；在第二阶段，SR1与ST2分别以功率和向PR转发授权用户数据sp，ST2以功率向SR2发送数据s2，SR2需要消除来自SR1与ST2的干扰，ST2设计发送方式，使其发送s2对PR不产生干扰；SR1和ST2协助主用户数据传输的总功率计算如下：每个中继用于授权数据传输的功率为所述诊断模块，与单片机连接，用于对患者神经进行诊断；所述云计算模块，与无线发射模块无线连接，用于通过无线发射模块将单片机接入大量分布式计算机上，给单片机提供高强计算能力，安全保护服务，快速的网络通信服务；所述训练模块通过电路线连接分别连接视频教程模块，考核模块和操作模块；所述训练模块由接收信号数据R(x)，根据公式r(x)＝sign(Re(R(x)))+j*sign(Im(R(x)))得到对接收信号实虚部按符号位映射出的结果r(x)，再由本地训练序列数据C(k)，利用公式c(k)＝sign(Re(C(k)))+j*sign(Im(C(k)))得到对训练序列数据实虚部按符号位映射出的结果c(k)，根据得到的r(x)和c(k)利用公式生成定时偏移估计函数，式中N＝2*(NFFT+CP)代表相关窗和本地序列的长度，x代表滑动相关窗的起始位置；定时偏移估计函数的获取方法：训练序列按符号位进行映射，将结果作为本地序列，接收到的数据依次流入滑动窗中，将滑动窗中的数据按符号位与本地序列进行共轭相关运算，得到关于滑动窗起始位置的定时偏移估计函数值；运算的过程表示为：首先根据接收信号实虚部数据的符号位信息，利用公式r(x)＝sign(Re(R(x)))+j*sign(Im(R(x)))，对接收数据进行映射，其中R(x)代表接收信号，Re(.)表示取复数数据的实部值，Im(.)表示取复数数据的虚部值，sign(.)表示取一个数据的符号位，如果数据大于0输出结果是1，小于0输出结果是‑1，r(x)是对接收信号实虚部取符号后映射出的结果，有四种数值±1±j，然后利用公式c(k)＝sign(Re(C(k)))+j*sign(Im(C(k)))对训练序列进行映射，其中C(k)代表本地训练序列，c(k)是对本地序列实虚部数据按符号位信息映射出的复数结果，有四种数值±1±j；最后根据公式求取定时偏移估计函数，其中，F(x)代表定时偏移估计函数值，N＝2*(NFFT+CP)代表相关窗和本地序列的长度；所述视频教程模块，与训练模块连接，用于提供教学视频，帮助工作人员进行视频教学；所述视频教程模块的图像水印方法具体包括以下步骤：以64×64的黑白图片作为待嵌入的图片，以256×256的黑白图片作为载体图片，设f(m,n)和g(m,n)分别为对应图像点的灰度值，m和n为小于256的正整数；步骤一，生成分数阶混沌信号，选定参数μ和ν，利用如下的分数阶Logistic映射：x(n)=x(0)+μΓ(v)Σj=1nΓ(n-j+v)Γ(n-j+1)x(j-1)(1-x(j-1));]]>产生一组分数阶混沌信号x(1),...,x(n)，x(0)取为密钥；步骤二，制作水印，利用混沌信号x(1),...,x(n)和原始图像点的信息f(m,n)混沌置乱得到新图像的灰度值c(m,n)，新图像即为水印图片的加密图像；步骤三，嵌入水印，根据加密图像的点的灰度值c(m,n)和载体图像点的信息g(m,n)，采用加权平均计算方式嵌入水印，将加密水印图片灰度值c(m,n)加到载体图像灰度值g(m,n)上，数值结果为为将作为最终嵌入水印图像的灰度值，计算：d(m,n)=mod(g~(m,n),256);]]>以d(m,n)作为载体图像嵌入水印后的结果；步骤四，提取水印，采用步骤三的计算方式，计算出加密水印的灰度值c(m,n)；步骤五，解密水印图像，根据加密图像的灰度值c(m,n)，和利用x(0)所得的密钥链x*(1),...,x*(n)进行异或计算，即能得到解密图像；所述考核模块，与训练模块连接，用于提供在线考核，及评分机制，提升工作人员对诊断治疗相关技术的理解，并及时发现认识误区，改正错误；所述操作模块，与训练模块连接，用于给工作人员提供操作平台。