[发明专利]一种神经内科用护理监控系统和方法

说明书

本发明提供一种神经内科用护理监控系统和方法，包括：采集模块，处理模块和决策模块，所述采集模块包括第一采集模块和第二采集模块，第一采集模块用于获取用户的神经系统电信号，所述第二采集模块用于获取用户的动作表情数据；通过设置第一采集模块和第二采集模块，不仅能够获取用户的神经系统电信号，而且能够获取神经系统电信号对应的动作表情数据，提高了对用户当前状态识别准确率；将特征级融合和决策级融合相结合，获取多维融合特征，进一步提高了识别的准确率；决策模块采用多种不同的学习算法对深度置信网络进行微调，并投票确定户当前状态，提高了系统的识别率和稳定性。

技术领域

本发明涉及护理监控技术领域，尤其涉及一种神经内科用护理监控系统和方法。

背景技术

随着人工智能、机器学习技术的发展，脑电识别在神经内科领域具有广阔的应用前景，脑电信号不但能够反映大脑组织的各种脑电活动及大脑的功能状态，而且脑电信号具有客观性强的特点，因此，脑电识别技术逐渐被引入到了神经内科护理监控研究领域。但现有的神经内科护理监控存在以下不足：单一的采集神经生理电信号导致只能获取大脑表层活动信息或深部个别核团的神经活动，不能准确的确定用户的当前状态。仅采用特征级的融合，或者仅采用决策级的融合，导致识别用户当前状态的速度较慢，且识别的准确率较低。采用单一的分类器，对用户当前状态识别之后直接输出识别结果，导致系统稳定性不足。

发明内容

发明目的：针对现有技术中存在的问题，本发明提供一种神经内科用护理监控系统和方法。

技术方案：一方面，本发明提供一种神经内科用护理监控系统，包括：

采集模块，所述采集模块包括第一采集模块和第二采集模块，其中，所述第一采集模块用于获取用户的神经系统电信号，所述第二采集模块用于获取用户的动作表情数据；

处理模块，所述处理模块用于对所述神经系统电信号进行特征提取和特征融合，获得第一融合特征；并对所述动作表情数据进行特征提取和识别，获得第二识别结果；对所述第一融合特征和所述第二识别结果进行特征融合计算出多维融合特征；

决策模块，所述决策模块用于根据所述多维融合特征对用户进行综合护理监控。

进一步地，所述神经系统电信号包括脑电信号和肌电信号。

进一步地，所述动作表情数据包括动作姿态数据和面部表情数据。

进一步地，获得第一融合特征的具体过程包括：对所述脑电信号进行特征提取获得脑电特征，对所述肌电信号进行特征提取获得肌电特征，将所述脑电特征和所述肌电特征进行特征融合，获得第一融合特征；

获得第二识别结果的具体过程包括：对所述动作姿态数据进行特征提取获得动作姿态特征，对所述面部表情数据进行特征提取获得面部表情特征，对所述动作姿态特征和所述面部表情特征进行识别，获得第二识别结果。

进一步地，根据所述多维融合特征对用户进行综合护理监控的具体过程包括：将所述多维融合特征输入至训练好的深度置信网络，所述深度置信网络输出用户当前的状态。

另一方面，本发明提供一种神经内科用护理监控方法，所述方法应用于上述系统，包括以下步骤：

步骤S1：获取用户的神经系统电信号，所述神经系统电信号包括脑电信号和肌电信号；获取用户的动作表情数据，所述动作表情数据包括动作姿态数据和面部表情数据；

步骤S2：对所述神经系统电信号进行特征提取和特征融合，获得第一融合特征；对所述动作表情数据进行特征提取和识别，获得第二识别结果；

步骤S3：对所述第一融合特征和所述第二识别结果进行特征融合计算出多维融合特征；

步骤S4：根据所述多维融合特征对用户进行综合护理监控。