利索能及
我要发布
收藏
专利号: 2025100511626
申请人: 燕山大学
专利类型:发明专利
专利状态:已下证
更新日期:2026-06-16
缴费截止日期: 暂无
联系人

摘要:

权利要求书:

1.一种基于脑电非线性熵分析的疼痛量化评估方法,其特征在于:其包括以下步骤:S1、对数据库中采集的脑电数据进行数据处理并设置数据阈值r,r为数据标准差的倍数;

S2、对处理后的脑电数据进行区间切割,数据切割分段长度为m,具体为:设每一个数据区间内原始数据序列为x(1),x(2),...,x(N),共N个数据点,切割后每个数据区间按照顺序组成一个m维矢量,即:X(i)=[x(i),x(i+1),...,x(i+m‑1)],i=1,2,...,N‑m+1其中,X(i)为N个数据点按照顺序组成的m维矢量,i为第i个数据区间;

S3、在每个数据区间内分别计算特征变化,并通过跨区间自适应量化处理得到动态响应距离,对动态响应距离取平均得到平均动态响应距离即区间特征值,具体包括以下子步骤:S31、计算X(i)和X(j)之间的极端差异,X(j)为第i个数据区间之外的任意一个数据区间j;

S32、根据极端差异计算两者的动态响应距离并定义为dij,两者的极端差异越大则动态响应距离越接近于1,表示时间维度上更复杂,具体计算过程如下:Δ1=maxX(i)‑minX(j)

Δ2=maxX(j)‑minX(i)

其中,Δ1为X(i)最大值和X(j)最小值之间的差值、Δ2为X(j)最大值和X(i)最小值之间的差值,max(Δ1,Δ2)为X(i)和X(j)之间极端差异,dij为两者的动态响应距离;r为数据阈值;

S33、对除X(i)以外的所有数据区间的动态响应距离取平均值得到数据切割分段长度为m的平均动态响应距离即区间特征值:S4、将步骤S2中的数据切割分段长度调整为m+1,重复步骤S2‑S3,得到数据切割分段长度为m+1的平均动态响应距离即区间特征值:S5、将数据切割分段长度为m和数据切割分段长度为m+1的平均特征值相加并平均值得到疼痛量化评估指标,得到的疼痛量化评估指标位于[0 1]范围之内,具体公式如下:其中,MSIE为疼痛量化评估指标;

S6、基于步骤S5得到的疼痛量化评估指标对疼痛进行量化,疼痛量化评估指标越接近1则代表疼痛等级越高。

2.根据权利要求1所述的基于脑电非线性熵分析的疼痛量化评估方法,其特征在于:步骤S1中的数据处理具体为:采用自适应陷波滤波器对50Hz工频噪声进行抑制,提取0.1‑

45Hz频段的信号利用基于小波变换的去噪方法进行去噪。

3.根据权利要求1所述的基于脑电非线性熵分析的疼痛量化评估方法,其特征在于:步骤S1中数据库为采集疼痛者实时脑电数据形成的数据库。

4.根据权利要求1所述的基于脑电非线性熵分析的疼痛量化评估方法,其特征在于:步骤S6中将疼痛分为三个档,当MSIE大于0.8时评定为重度疼痛;MSIE在0.75和0.8之间定义为轻度疼痛;MSIE小于0.75则评定为不疼痛;

其中,P(MSIE)为疼痛等级。

5.根据权利要求1所述的基于脑电非线性熵分析的疼痛量化评估方法,其特征在于:步骤S1中的数据阈值为数据标准差的倍数。

6.一种用于权利要求1所述的基于脑电非线性熵分析的疼痛量化评估方法的评估系统,其特征在于:其包括数据处理单元、数据切割单元、区间特征值计算单元、疼痛量化评估指标计算单元以及疼痛等级量化单元;

数据处理单元用于对数据库中采集的脑电数据进行数据处理并设置数据阈值;

数据切割单元对处理后的脑电数据进行区间切割,数据切割分段长度为m和m+1;

区间特征值计算单元分别计算数据切割分段长度为m及m+1的区间特征值;

疼痛量化评估指标计算单元用于将数据切割分段长度为m和数据切割分段长度为m+1的平均特征值相加并平均值得到疼痛量化评估指标,处理后疼痛量化评估指标位于[0 1]范围之内;

疼痛等级量化单元基于疼痛量化评估指标对疼痛进行量化,疼痛量化评估指标越接近

1则代表疼痛等级越高。

7.根据权利要求6所述的基于脑电非线性熵分析的疼痛量化评估方法的评估系统,其特征在于:区间特征值计算单元在每个数据区间内分别计算特征变化,并通过跨区间自适应量化处理得到动态响应距离,对动态响应距离取平均得到平均动态响应距离即区间特征值,具体包括以下子步骤:计算X(i)和X(j)之间的极端差异,X(j)为第i个数据区间之外的任意一个数据区间j;

根据极端差异计算两者的动态响应距离并定义为dij,两者的极端差异越大则动态响应距离越接近于1,表示时间维度上更复杂,具体计算过程如下:Δ1=maxX(i)‑minX(j)

Δ2=maxX(j)‑minX(i)

其中,Δ1为X(i)最大值和X(j)最小值之间的差值、Δ2为X(j)最大值和X(i)最小值之间的差值,max(Δ1,Δ2)为X(i)和X(j)之间极端差异,dij为两者的动态响应距离;r为数据阈值;

对除X(i)以外的所有数据区间的动态响应距离取平均值得到数据切割分段长度为m的平均动态响应距离即区间特征值为:同样步骤得到数据切割分段长度为m+1的平均动态响应距离即区间特征值为: