[發(fā)明專利]一種評估昏迷程度的方法及裝置

在審

• 申請?zhí)枺?/td>: 201710778478.0
• 申請日: 2017-09-01
• 公開（公告）號: CN107468243A
• 公開（公告）日: 2017-12-15
• 發(fā)明（設計）人: 閆天翼;李章平;耿境澤;沈亞奇;馮元
• 申請（專利權）人: 北京大智商醫(yī)療器械有限公司
• 主分類號: A61B5/0476
• 分類號: A61B5/0476;A61B5/00
• 代理公司: 北京超凡志成知識產權代理事務所(普通合伙)11371
• 代理人: 唐維虎

技術領域

本發(fā)明涉及數(shù)據(jù)處理技術領域，具體而言，涉及一種評估昏迷程度的方法及裝置。

背景技術

昏迷是完全意識喪失的一種類型，是臨床上的危重癥。為了縮短病人昏迷時間，提高昏迷病人的生存率，需要確定昏迷病人的昏迷程度、預后情況及當前狀態(tài)等。

當前，醫(yī)學上通常使用格拉斯哥昏迷評分方式來評估病人的昏迷程度。格拉斯哥昏迷指數(shù)的評估有睜眼反應、語言反應和肢體運動三個方面，將這三個方面的評估分數(shù)加和得到的總分即為最終的昏迷指數(shù)。而醫(yī)護人員對病人進行這三方面的測試，是通過觀察病人的反應來做判斷的，因此容易受到醫(yī)護人員主觀因素的影響，造成誤判，準確性很低，不能如實反映病人昏迷程度的真實情況。

發(fā)明內容

有鑒于此，本發(fā)明實施例的目的在于提供一種評估昏迷程度的方法及裝置，以解決現(xiàn)有技術存在的以下問題：當前由醫(yī)護人員通過觀察病人的反應來做判斷，易受醫(yī)護人員主觀因素影響，造成誤判，準確性很低，不能如實反映病人昏迷程度的真實情況。

第一方面，本發(fā)明實施例提供了一種評估昏迷程度的方法，所述方法包括：

獲取昏迷病人的腦電數(shù)據(jù)；

對所述腦電數(shù)據(jù)進行預處理，得到純凈腦電信號；

根據(jù)所述純凈腦電信號，評估所述昏迷病人對應的昏迷程度。

結合第一方面，本發(fā)明實施例提供了上述第一方面的第一種可能的實現(xiàn)方式，其中，所述對所述腦電數(shù)據(jù)進行預處理，得到純凈腦電信號，包括：

去除所述腦電數(shù)據(jù)中的線性趨勢、直流分量及工頻干擾；

對去除操作后的所述腦電數(shù)據(jù)進行預設頻率范圍的濾波處理；

從濾波處理后的所述腦電數(shù)據(jù)中剔除眼電數(shù)據(jù)，并進行小波變換去噪，得到純凈腦電信號。

結合第一方面，本發(fā)明實施例提供了上述第一方面的第二種可能的實現(xiàn)方式，其中，所述根據(jù)所述純凈腦電信號，評估所述昏迷病人對應的昏迷程度，包括：

根據(jù)所述純凈腦電信號，計算所述昏迷病人對應的昏迷樣本熵值；

確定所述昏迷樣本熵值所處的昏迷閾值范圍；

將所述昏迷閾值范圍對應的昏迷程度確定為所述昏迷病人對應的昏迷程度。

結合第一方面，本發(fā)明實施例提供了上述第一方面的第三種可能的實現(xiàn)方式，其中，所述根據(jù)所述純凈腦電信號，評估所述昏迷病人對應的昏迷程度，包括：

根據(jù)所述純凈腦電信號，計算信號能量及所述昏迷病人對應的昏迷樣本熵值；

獲取所述信號能量在時域和頻域的分布特點；

繪制所述純凈腦電信號對應的腦電圖，提取所述腦電圖的波形特征；

將所述純凈腦電信號與預設正常腦電信號對比，得到比較結果；

根據(jù)所述昏迷樣本熵值、所述分布特點、所述波形特征及所述比較結果，評估所述昏迷病人對應的昏迷程度。

結合第一方面，本發(fā)明實施例提供了上述第一方面的第四種可能的實現(xiàn)方式，其中，所述根據(jù)所述純凈腦電信號，評估所述昏迷病人對應的昏迷程度，包括：

根據(jù)所述純凈腦電信號，計算信號能量及所述昏迷病人對應的昏迷樣本熵值；

繪制所述純凈腦電信號對應的腦電圖，從所述腦電圖中提取波段的幅值及頻率；

將所述昏迷樣本熵值、所述信號能量、所述幅值及所述頻率輸入預先訓練的昏迷機器學習模型，得到所述昏迷病人對應的昏迷程度。

結合第一方面，本發(fā)明實施例提供了上述第一方面的第五種可能的實現(xiàn)方式，其中，所述方法還包括：

根據(jù)所述純凈腦電信號，計算所述昏迷病人對應的預后樣本熵值；

確定所述預后樣本熵值所處的預后閾值范圍；

將所述預后閾值范圍對應的預后等級確定為所述昏迷病人對應的預后等級。

結合第一方面的第三種可能的實現(xiàn)方式，本發(fā)明實施例提供了上述第一方面的第六種可能的實現(xiàn)方式，其中，所述評估所述昏迷病人對應的昏迷程度之后，還包括：

根據(jù)所述純凈腦電信號，計算所述昏迷病人對應的預后樣本熵值；

提取所述純凈腦電信號中包括的睡眠紡錘波；

根據(jù)所述預后樣本熵值、所述信號能量、所述幅值、所述頻率及所述睡眠紡錘波，通過預先訓練的預后機器學習模型評估所述昏迷病人對應的預后等級。

結合第一方面，本發(fā)明實施例提供了上述第一方面的第七種可能的實現(xiàn)方式，其中，所述評估所述昏迷病人對應的昏迷程度之后，還包括：

顯示所述昏迷程度、所述預后等級、所述昏迷病人對應的腦電圖及各波段圖。