[发明专利]一种基于脑电信号的老年人睡眠异常监测系统及方法

权利要求书

1.一种基于脑电信号的老年人睡眠异常监测方法，其特征在于：边缘监测和处理模块接收并处理老年用户睡眠期间采集到的脑电信号，利用部署好的深度学习模型判断所述脑电信号是否存在异常，并对脑电信号的数据进行清洗与脱敏后上传至云端学习模块，云端学习模块接收并存储清洗和脱敏后的数据，并利用存储的数据集更新优化深度学习模型；边缘监测和处理模块若识别发现脑部信号存在异常，则连接手机终端应用程序设置的紧急联系人，并通过在医疗终端查看云端学习模块中存储的历史数据，以了解用户过往身体状况。

2.如权利要求1所述的基于脑电信号的老年人睡眠异常监测方法，其特征在于：

老年用户睡眠期间的脑电信号采集是通过眼罩式的脑电信号采集设备采集，所述脑电信号采集设备包括：

开关（11），所述开关（11）控制脑电信号采集设备的开启与关闭；

电源（12），所述电源（12）为脑电信号采集设备进行供电；

脑电电极，所述脑电电极设置两个，两个脑电电极的电压差形成一个脑电波通道；

防干扰电极（15），所述防干扰电极（15）用于降低人体的共模信号，实现降噪作用；

信号放大器（16），所述信号放大器（16）将脑电电极采集的脑电波进行放大；

带通滤波模块（17），所述带通滤波模块（17）将脑电电极获取到的脑电信号的主要频率控制在0.5~40HZ之间；

模数转换模块（18），所述模数转换模块（18）将采集到脑电信号换为数字信号；

无线发送模块（19），所述无线发送模块（19）将处理后的数据发送至边缘监测设备。

3.如权利要求1所述的基于脑电信号的老年人睡眠异常监测方法，其特征在于：所述边缘监测和处理模块，包括树莓派，所述树莓派通过部署的深度学习模型识别老年人睡眠期间的脑电信号是否异常，并实现与手机终端应用程序和云端学习模块的双向通信；边缘监测和处理模块通过部署的深度学习模型识别脑部异常信号，若识别发现脑部信号存在异常，直接通过家庭无线网络或者4G/5G移动网络连接手机终端应用程序设置的紧急联系人，同时边缘监测和处理模块将脑电信号传输至云端学习模块进行深度学习建模，并从云端学习模块进行下载深度学习模型。

4.如权利要求3所述的基于脑电信号的老年人睡眠异常监测方法，其特征在于：所述边缘监测和处理模块通过python的socket模块实现与手机终端应用程序和云端学习模块的双向通信。

5.如权利要求1所述的基于脑电信号的老年人睡眠异常监测方法，其特征在于：所述云端学习模块使用健康老年人群的脑电数据集和脑部异常老年人群的脑电数据集，根据数据集训练深度学习模型。

6.如权利要求1所述的基于脑电信号的老年人睡眠异常监测方法，其特征在于：所述深度学习模型是应用卷积神经网络模型。

7.一种基于脑电信号的老年人睡眠异常监测系统，其特征在于：包括

脑电信号采集设备，所述脑电信号采集设备为眼罩式，脑电信号采集设备用于采集老年人睡眠期间的脑电信号；

边缘监测和处理模块，所述边缘监测和处理模块用于接收并处理老年用户睡眠期间采集到的脑电信号，利用部署好的深度学习模型判断所述脑电信号是否存在异常，并对脑电信号的数据进行清洗与脱敏后上传；

云端学习模块，所述云端学习模块接收并存储边缘监测和处理模块清洗和脱敏后的数据，并利用存储的数据集更新优化深度学习模型；

手机终端应用程序，所述手机终端应用程序用于接收并查看边缘监测和处理模块的判断脑电信号是否存在异常的结果，若存在异常，则通过家庭无线网络或者4G/5G移动网络通知预设的紧急联系人；

医疗终端，所述医疗终端用于查看云端学习模块中存储的历史数据。