- · 《智慧健康》栏目设置[05/29]
- · 《智慧健康》收稿方向[05/29]
- · 《智慧健康》投稿方式[05/29]
- · 《智慧健康》征稿要求[05/29]
- · 《智慧健康》刊物宗旨[05/29]
面向人脑电信号实时监测管理的系统设计与开发
作者:网站采编关键词:
摘要:0 引 言 近年来,不健康的饮食与不规律的生活作息诱发了越来越多的疾病。而由此带来的疾病之一——脑卒中已严重影响人类的身体健康甚至对生命造成威胁[1-2]。2017年《中国脑卒中防
0 引 言
近年来,不健康的饮食与不规律的生活作息诱发了越来越多的疾病。而由此带来的疾病之一——脑卒中已严重影响人类的身体健康甚至对生命造成威胁[1-2]。2017年《中国脑卒中防治报告》显示,我国40岁以上人群现患和曾患脑卒中人数为1 242万[3],若能对相关脑部疾病高危人群的脑电信号进行实时监测,在发现异常时在最短时间内预警和实施救援,则不失为一个很好的预防手段。
随着智能手机/平板的发展,越来越多的微型化硬件应用在了健康医疗、远程控制等领域。如Song Weibo等[4]设计了基于Android手机的身体监护系统,用户可以通过手机屏幕观察采集到的人体生理数据;张志勋等[5]研究了一种基于Android的心电监护终端系统,该系统可以稳定接收、采集心电数据,并将处理过的心电信号数据通过3G网络实时推送至远程监护端;蓝坤[6]、王烨[7]等也相继建立了基于Andriod的心电监测系统。此外,随着健康GIS技术不断发展,与健康相关的GIS系统也相继建立,如中国鼠疫医学地理信息系统[8-9]。将GIS技术与脑电实时监测相结合有助于提高应急预警效率。苗立志等[10]基于LBS服务开发了人脑电信号实时监测原型系统,该系统便于对目标用户进行脑电信号监测,但对于用户的历史数据、多用户信息处理等未作处理。
本文以便携式人脑电信号设备为基础,设计与开发了一种基于WebGIS的人脑电信号实时监测管理系统,该系统将通过无线传输模块实时采集相关用户的脑电信息和经纬度坐标信息,并实时显示用户的当前位置,同时也将对脑电信号信息是否异常进行实时判断。
1 系统体系结构
为实现基于WebGIS的人脑电信号的监测与预警功能,构建了系统体系结构(图1)。整个系统分为4层:① 用户交互层是系统与用户交互的部分,主要提供用户登陆与注册、实时位置与脑电图的显示、应急响应与救援路线显示等信息;② 网络服务层是相关网络信息的承载部分,主要负责接收来自应用层的HTTP请求,以及当系统监测到脑电信号出现异常时及时联系家属,分析距离用户最近的医疗服务中心,提供最佳救援路线;③ 应用层,该层主要对来自数据层的数据进行预处理、脑电异常判断、应急救援;④ 数据层,该层主要存储用户的相关信息,包括用户信息、用户脑电历史数据、实时位置信息和历史轨迹。
2 系统功能模块
整个系统主要包括3大功能模块(图2)。
图1 系统体系结构
图2 人脑电信号实时监测管理系统
基础数据管理模块主要用于存储用户基本信息、历史位置信息和脑电历史数据。
脑电信号模块主要是将脑电电极片通过蓝牙模块与移动终端进行连接,将用户脑电数据通过无线网络实时传输存储至数据库,并对脑电信号进行预处理和异常判断,同时进行异步传输更新相关网页和实时显示。
应急响应模块主要是在用户脑电数据异常时,启动应急响应救援,与紧急联系人建立联络,并寻找距离最近能够进行紧急救治的卫生医疗中心,规划最佳救援路线,实现紧急救援。
2.1 基础数据管理
2.1.1 位置信息的实时传输与显示
将设备获取的用户位置信息存储至远程服务器数据库,可实时显示用户位置轨迹。
2.1.2 数据存储
本系统数据存储主要包括设备码、用户名、用户密码等相关信息,共包括eq_code,mind_data,Userlist和Userlocation 4个表(表1—5)。其中,以Userlist表中的Userid作为外键对其他表进行约束。
表1 数据库表序号表名备注1eq_code设备码2mind_data脑电数据3userlist用户表4userlocation用户位置
表2 设备码信息表序号字段备注1usercode设备码2issue设备是否已注册
表3 脑电数据表序号字段备注1idid序号2userid用户id3minddata脑电数据
表4 用户位置信息表序号字段备注1idid序号2userid用户id3longtitude经度4latitude纬度
表5 用户信息表序号字段备注1idid序号2username用户名3password登陆密码4userid用户id5name用户姓名6type用户类型
2.2 脑电信号实时监测显示
将脑电信号图形化实时显示,便于用户及时且清晰地观察脑电信号的数据走势(图3)。
图3 脑电信号显示
2.3 人脑电信号异常判断
为实现人脑电信号的异常判断,本文通过对EEG历史特征参数的提取、过滤、降噪等的处理及分析,建立基于小波变换与随机森林的脑电异常阈值判断模型[10]。本系统以6 s为时间间隔,将经过预处理的脑电信号细分成一系列脑电样本,通过随机森林对特征向量做进一步处理,根据此指标对特征作排序选择,最后对信号进行分类,并使用离散小波变换实现对脑电信号的分析处理。
文章来源:《智慧健康》 网址: http://www.zhjkzz.cn/qikandaodu/2021/0312/1155.html
上一篇:试析利用云计算打造智慧健康新模式
下一篇:从简入手让数学课堂更具智慧