[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

说明书

本发明公开了一种基于脑电信号的老年人睡眠异常监测系统及方法，边缘监测和处理模块接收并处理老年人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；边缘监测和处理模块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；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。本发明可以监测老年人在夜间休息过程中是否存在异常脑电信号，以防疾病发生。

技术领域

本发明涉及一种基于脑电信号的老年人睡眠异常监测系统及方法。

背景技术

临床实践表明，脑电信号中包含了大量的生理与疾病信息，通过对脑部信号异常的监测，已经成为相关疾病监控的重要措施。其中最为常见的疾病如脑卒中、癫痫等。老年人是脑部疾病的高发群体，而且大部分老年人出现脑部疾病往往在睡眠状态下，但这段时间脑电信号异常的监测往往容易缺失。传统的脑电监测仅仅依靠体积较大的设备进行采集并进行数据处理后显示，不仅不利于改善老年人睡眠质量，而且专业化的仪器设备对非专业人员而言并不能准确判断。所以针对这类脑部突发性疾病，主要有以下几个方面的问题亟待解决。一方面，如果能早期检测疾病症状并采取相应干预措施，对有疾病的老年人进行有效监测，可避免很多严重疾病的发生，进而大大降低发病率；另一方面，病后的康复和正确护理可延缓疾病自身的发展，降低残疾和死亡率。

发明内容

本发明是为了解决上述现有技术存在的问题而提供一种基于脑电信号的老年人睡眠异常监测系统及方法。

本发明所采用的技术方案有：

一种基于脑电信号的老年人睡眠异常监测方法，边缘监测和处理模块接收并处理老年人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；边缘监测和处理模块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，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。

进一步地，老年人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，所述开关控制脑电信号采集设备的开启与关闭；

电源，所述电源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，所述防干扰电极用于降低人体的共模信号，实现降噪作用；

信号放大器，所述信号放大器将脑电电极采集的脑电波进行放大；

带通滤波模块，所述带通滤波模块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，所述模数转换模块将采集到脑电信号转换为数字信号；

无线发送模块，所述无线发送模块将处理后的数据发送至边缘监测设备。

进一步地，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。

进一步地，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。