[发明专利]一种神经外科病床辅助装置

摘要

本发明属于医疗器械领域，公开了一种神经外科病床辅助装置，圆形孔下端设有网状兜，床板后端设有病例记录桌，床板两侧设置有滑槽，滑槽内设置有滑块，滑块上设置有圆弧形带扣，床板侧面设有挂孔，心电监护仪上设置有无线通信模块和电子病历装置，心电监护仪还包含体温检测模块、脉搏检测模块和肌肉张力检测模块；床板两侧还设置有手指训练装置，内置虚拟现实康复系统。本发明结构简单、设计合理、使用方便，利用虚拟现实技术使患者在康复过程中保持较高的积极主动性，通过电子病历装置使得病历信息化，便于掌握病人病情，并可以通过远程诊疗端完成远程专家诊疗。

主权项

1.一种神经外科病床辅助装置，其特征在于，所述的神经外科病床辅助装置设置有心电监护仪；心电监护仪上设置有无线通信模块和电子病历装置；该心电监护仪还包含体温检测模块、脉搏检测模块和肌肉张力检测模块；所述的体温检测模块由第一微处理器、第一无线通信模块、红外温度传感器、第一电源组成；所述的脉搏检测模块由第二微处理器、第二无线通信模块、血氧探头传感器、第二电源组成；体温检测模块的第一无线通信模块和脉搏检测模块的第二无线通信模块分别与远程无线通信设备无线连通，构成无线体域网；所述的红外温度传感器包括非接触式红外温度传感器、温差热电堆放大电路、温度补偿及放大电路、AD转换电路、主控电路、显示电路以及报警电路、体温校准模块；红外温度传感器的量测模型如下：YA(tk‑1)、YA(tk)、YA(tk+1)分别为温度传感器A对目标在tk‑1,tk,tk+1时刻的本地笛卡尔坐标系下的量测值，分别为：其中，Y'_A(t_k‑1)、Y'_A(t_k)、Y'_A(t_k+1)分别为温度传感器A在t_k‑1,t_k,t_k+1时刻的本地笛卡尔坐标系下的真实位置；C_A(t)为误差的变换矩阵；ξ_A(t)为温度传感器的系统误差；为系统噪声，假设为零均值、相互独立的高斯型随机变量，噪声协方差矩阵分别为R_A(k‑1)、R_A(k)、R_A(k+1)；所述的非接触式红外温度传感器分别与温差热电堆放大电路以及温度补偿及放大电路相连，温差热电堆放大电路以及温度补偿及放大电路相连分别连接到AD转换电路，所述的AD转换电路为一个多路AD转换电路，AD转换电路与主控电路相连，主控电路与显示电路以及报警电路相连；所述的非接触式红外温度传感器采用热电堆红外温度传感器实现对体温信号和环境温度信号即温差热电堆微弱的电压信号和电热调节器的热敏电阻信号的非接触检测；所述的体温校准模块包括红外体温监测设备、校准数据处理中心、测温设备、环境参数监测设备、环境参数监测系统、红外体温监测系统；体温校准模块校正方法包括：根据接收信号的特征谱确定决策平面；判断接收信号的通信信道是否呈现准用静态变换特性；在所述通信信道呈现准用静态变换特性时，利用支持向量机方法在所述决策平面中选出决策边界；在通信信道没有呈现准用静态变换特性时，利用模糊聚类方法在所述决策平面中选出决策边界；根据所述决策边界对接收到的信号进行检测；所述根据接收信号的特征谱确定决策平面包括：对接收信号的离散信号向量进行线性变换得到酉变换矩阵；根据所述酉变换矩阵中的主对角线元素和副对角线元素计算出接收信号的能量特征谱；从所述能量特征谱中获取决策平面；根据所述酉变换矩阵中的主对角线元素和副对角线元素计算出接收信号的能量特征谱包括：对副对角线元素组成的矩阵进行平方并乘以主对角线元素组成的矩阵，得到接收信号的能量特征谱；从所述能量特征谱中获取决策平面包括：根据所述能量特征谱的能量集中度、波形对称性和局部波形函数方差从所述能量特征谱中提取至少一组特征向量；按照模式分类的方式从提取的特征向量中获取作为决策平面的特征向量；所述接收信号的离散信号向量通过奈奎斯特定律采样得到，并且采样长度涵盖接收信号的预定比例能量；在从所述能量特征谱中获取决策平面之前，所述方法还包括：对所述能量特征谱进行滑动平均处理；所述信号接收方法应用于跳时‑脉冲位置调制方式的通信系统或者通断键控调制方式的通信系统；所述提取的特征向量方法具体包括以下步骤：获取信号，通过传感器采集数据并对信号进行放大处理；信号进行分段处理；即从每段信号里提取出均值、方差、信号的累积值和峰值4个基本时域参数，通过相邻段信号的4个参数值的差值判断是否有疑似泄漏的情况发生的第一层决策判断：若有则往下执行步骤小波包去噪，否者，跳到执行获取信号；小波包去噪；即利用改进小波包算法对采集的信号进行去噪；小波包分解与重构；即利用改进小波包算法对采集的信号进行小波包分解与重构，得到单子带重构信号；提取信号特征参数；即从重构的单子带信号里提取：时域能量、时域峰值、频域能量、频域峰值、峰态系数、方差、频谱和偏斜系数8个表示信号特征的参数；组成特征向量，即利用主成分分析方法，结合实验分析，从上述参数中选择3到8个能明显表示声发射信号特征的参数组成特征向量，并将这些特征向量输入到支持向量机进行决策判断，即第二层决策判断，根据支持向量机的输出判断是否有泄漏发生；所述小波包去噪和小波包分解与重构包括：信号延拓，对小波包分解的各层信号进行抛物线延拓；设信号数据为x(a),x(a+1),x(a+2)，则延拓算子E的表达式为：消去单子带多余频率成分；将延拓后的信号与分解低通滤波器h0卷积，得到低频系数，然后经过HF‑cut‑IF算子处理，去掉多余的频率成分，再进行下采样，得到下一层的低频系数；将延拓后的信号与分解高通滤波器g0卷积，得到高频系数，然后经过LF‑cut‑IF算子处理，去掉多余的频率成分，再进行下采样，得到下一层高频系数，HF‑cut‑IF算子采用下式LF‑cut‑IF算子采用下式在HF‑cut‑IF算子公和LF‑cut‑IF算子公式中，x(n)为在2^j尺度上小波包的系数，N_j表示在2^j尺度上数据的长度，k＝0，1，…，N_j‑1；n＝0，1，…，N_j‑1；单子带信号重构：将得到的高、低频系数进行上采样，然后分别与高通重建滤波器g1和低通重建滤波器h1卷积，将得到的信号分别用HF‑cut‑IF、LF‑cut‑IF算子处理，得到单子带重构信号；所述的电子病历装置内设置有智能终端和中心服务器，所述智能终端通过无线通信设备与中心服务器进行无线数据连接；所述的神经外科病床辅助装置还设置有智能移动终端：所述智能移动终端包括数据采集模块、信息输入模块、数据解码模块和无线数据传输模块，所述中心服务器包括HIS医院信息系统、EMR电子病历系统、PACS系统和移动护理数据库。