[发明专利]一种基于卷积神经网络算法监测颅内压的方法有效
| 申请号： | 201610830420.1 | 申请日： | 2016-09-21 |
| 公开（公告）号： | CN106983504B | 公开（公告）日： | 2019-09-27 |
| 发明（设计）人： | 李军;白磊 | 申请（专利权）人： | 李军;白磊 |
| 主分类号： | A61B5/03 | 分类号： | A61B5/03;A61B5/0476 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 719000 陕西省榆林市高*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于卷积神经网络算法监测颅内压的方法，其包括S1：通过FVEP无创颅内压监测技术检测实际的颅内压值，并形成FVEP波形图；S2：构建卷积神经网络系统，并以步骤S1实际测得的颅内压值为结果，不断训练其学习不同颅内压值对应的实际FVEP波形图，并综合考虑各种影响颅内压的外在因素共同作为该卷积神经网络系统的输入；S3：通过卷积神经网络系统进行FVEP波形图的匹配和识别分析，实现对FVEP波形的有效识别。本发明用卷积神经网络算法对测得的FVEP波形图进行图形识别，并不断自我学习优化，实现有效的颅内压预测。 | ||
| 搜索关键词： | 一种 基于 卷积 神经网络 算法 监测 颅内压 方法 | ||
【主权项】：
1.一种基于卷积神经网络算法监测颅内压的方法，其特征在于，包括以下步骤：S1：通过FVEP无创颅内压监测技术检测实际的颅内压值，并形成FVEP波形图；S2：构建卷积神经网络系统，并以步骤S1实际测得的颅内压值为结果，不断训练其学习不同颅内压值对应的实际FVEP波形图，并综合考虑各种影响颅内压的外在因素共同作为该卷积神经网络系统的输入；S3：通过卷积神经网络系统在图形识别方面的强大能力，进行FVEP波形图的匹配和识别分析，实现对FVEP波形的有效识别，通过不断训练神经网络使之形成对FVEP波形和颅内压之间关系的丰富经验，具备越来越强，越来越准确的颅内压评估能力；其中，步骤S2中，所述的影响颅内压的外在因素包括患者性别、患者年龄、患者既往病史和患者现有疾病。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
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李军;白磊，未经李军;白磊许可，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/patent/201610830420.1/，转载请声明来源钻瓜专利网。
- 上一篇：一种便携式血压监护仪
- 下一篇：一种基于信息熵的神经电活动相关性分析方法
