首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种神经疼痛辅助识别系统 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:南方医科大学珠江医院

摘要:本发明涉及数据处理技术领域,尤其涉及一种神经疼痛辅助识别系统。所述系统的模块包括以下功能:通过预设的PhysioNet数据库进行临床神经信号收集并对临床神经信号数据集进行心率波动映射数据采集并进行信号离群波动探测并进行波动耦合关联分析,得到波动耦合关联数据;根据波动耦合关联数据进行神经信号异常识别,得到神经信号异常识别数据;对神经信号异常识别数据进行异常信号参数提取并进行模型构建并进行神经疼痛反馈机制设计并进行神经疼痛反馈结果收集,得到神经疼痛反馈数据;对神经疼痛反馈数据进行疼痛反馈监测,得到疼痛反馈监测数据。本发明通过对疼痛辅助识别技术的优化使得对疼痛分析更加精确。

主权项:1.一种神经疼痛辅助识别系统,其特征在于,包括以下模块:信号收集模块,用于通过预设的PhysioNet数据库进行临床神经信号收集,得到临床神经信号数据集;通过预设的PhysioNet数据库对临床神经信号数据集进行心率波动映射数据采集,得到心率波动映射数据;神经信号异常识别模块,用于对临床神经信号数据集进行信号离群波动探测,得到信号离群波动数据;根据心率波动映射数据以及信号离群波动数据进行波动耦合关联分析,得到波动耦合关联数据;根据波动耦合关联数据进行神经信号异常识别,得到神经信号异常识别数据;其中,所述根据心率波动映射数据以及信号离群波动数据进行波动耦合关联分析包括:分别对心率波动映射数据以及信号离群波动数据进行波动三维热力图绘制,分别得到心率波动映射热力图和信号离群波动热力图;对心率波动映射热力图和信号离群波动热力图进行图层叠加处理,得到热力图层叠加数据;根据热力图层叠加数据对心率波动映射热力图和信号离群波动热力图进行图层纵向间隔区域提取,得到图层间隔区域数据集;对图层间隔区域数据集进行热力浮动区间计算,得到热力间隔浮动区间;对热力间隔浮动区间进行浮动均值计算,得到间隔浮动均值数据;根据间隔浮动均值数据对热力间隔浮动区间进行浮动分布结构差异性分析,得到间隔浮动分布差异数据;根据间隔浮动分布差异数据对热力间隔浮动区间进行最小浮动差异分布计算,得到最小浮动差异分布数据;根据最小浮动差异分布数据对热力间隔浮动区间进行最小差异拟合优度处理,得到间隔浮动拟合优度数据;对热力图层叠加数据进行热点密度分析,得到热点密度数据;根据热点密度数据对热力图层叠加数据进行热点空间关联性分析,得到热点空间关联数据;基于热点空间关联数据对心率波动映射热力图和信号离群波动热力图进行热点空间关联延迟性评估,得到热点空间关联延迟数据;根据间隔浮动拟合优度数据以及热点空间关联延迟数据波动耦合分析,得到波动耦合关联数据;其中,所述进行神经信号异常识别包括:对波动耦合关联数据进行正则化处理,得到波动耦合关联正则数据;根据波动耦合关联正则数据对波动耦合关联数据进行共线性关联优化,得到波动共线性关联优化数据;根据波动共线性关联优化数据对波动耦合关联数据进行共线性关联因子分析,得到波动关联因子结构数据;利用因子关联变量分析算法对波动关联因子结构数据进行潜在变量结构突变分析,得到潜在变量结构突变数据;根据潜在变量结构突变数据以及波动关联因子结构数据对神经信号线性采样数据进行神经信号异常识别,得到神经信号异常识别数据;利用因子关联变量分析算法对波动关联因子结构数据进行潜在变量结构突变分析,得到潜在变量结构突变数据;其中,因子关联变量分析算法如下所述: ;式中,表示潜在变量结构突变结果值,表示波动关联因子结构数据的结构复杂度,表示波动关联因子结构数据的结构平均关联系数,表示波动共线性关联优化数据的波动频率系数,表示波动共线性关联优化数据的回归稳定系数,表示潜在变量结构突变数据的变量离散系数,表示波动关联因子结构数据的波动周期系数,表示因子关联变量分析算法的误差修正值;根据潜在变量结构突变数据以及波动关联因子结构数据对神经信号线性采样数据进行神经信号异常识别,得到神经信号异常识别数据;神经疼痛反馈机制设计模块,用于对神经信号异常识别数据进行异常信号参数提取,得到异常神经信号参数;利用支持向量机算法对异常神经信号参数进行模型构建,得到神经信号异常识别模型;根据神经信号异常识别模型进行神经疼痛反馈机制设计,得到神经疼痛反馈机制;神经疼痛反馈监测模块,用于根据神经疼痛反馈机制进行神经疼痛反馈结果收集,得到神经疼痛反馈数据;基于注意力机制对神经疼痛反馈数据进行疼痛反馈监测,得到疼痛反馈监测数据。

全文数据:

权利要求:

百度查询: 南方医科大学珠江医院 一种神经疼痛辅助识别系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。