一种基于脑电波采集和人工智能技术的辅助护理系统的制作方法

本发明涉及医护领域，具体是指一种基于脑电波采集和人工智能技术的辅助护理系统。

背景技术：

气管插管是危重症抢救患者的重要手段，但由于经口插管后，患者暂时丧失语言沟通能力，无法用语言表达自身的感受和需求，特别当病人出现不适时，因不能得到及时的帮助可产生急躁、恐惧、焦虑、紧张等情绪，严重时甚至挣脱约束发生意外拔管，进一步加重病情。因此，及时了解插管患者的生理和心理需求，进而减少患者的不良情绪，促使其积极配合治疗。

脑电波(electroencephalogram,eeg)是一种使用电生理指标记录大脑活动的方法，大脑在活动时，大量神经元同步发生的突触后电位经总和后形成的。它记录大脑活动时的电波变化，是脑神经细胞的电生理活动在大脑皮层或头皮表面的总体反映。现有关脑电波采集与处理的理论、技术产品已日趋成熟。

深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。深度学习是一个复杂的机器学习算法，在语音和图像识别方面取得的效果，远远超过先前相关技术。深度学习在搜索技术，数据挖掘，机器学习，机器翻译，自然语言处理，多媒体学习，语音，推荐和个性化技术，以及其他相关领域都取得了很多成果。深度学习使机器模仿视听和思考等人类的活动，解决了很多复杂的模式识别难题，使得人工智能相关技术取得了很大进步。

因此，设计出一种基于脑电波采集和人工智能技术的辅助护理系统势在必行。

技术实现要素：

本发明要解决的技术问题是目前患者经口气管插管后，暂时丧失语言沟通能力，无法用语言表达自身的感受和需求，给医护人员造成诸多工作不便，使得医患关系紧张，且不能及时了解患者所需，给患者的治疗康复带来不便。

为解决上述技术问题，本发明提供的技术方案为：一种基于脑电波采集和人工智能技术的辅助护理系统，包括护理模块、训练模块和脑电波采集模块，护理模块、训练模块和脑电波采集模块通过软件架构编设在系统中，脑电波采集模块包括脑电波传感器、滤波器、adc模组和蓝牙模组，脑电波传感器用于收集原始脑电波数据，并通过信道连接滤波器，滤波器用于对原始脑电波数据进行滤波处理，将处理后的数据通过信道传输至adc模组，adc模组将滤波后的数据转化成4-20ma的数字量信号，经由蓝牙模组上传至计算机中；

训练模块包括提示器、数据库、深度学习模块和自动标注模组，提示器内置有起始词语，对采集到的脑电波数据进行标注并生成训练数据，通过信道将训练数据传输至数据库，数据库为储存训练数据的数据集，通过信道连接深度学习模块，深度学习模块可调用数据集进行训练，得到数据模型并通过内部编设的翻译程序进行数据转化，生成对应的信号数据；自动标注模组内编设有标准的脑电波信号模板，将采集到的脑电波数据与脑电波信号模板进行比对并自动标注；

护理模块包括驱动模组、提示模组和tts模组，在执行护理工作时调用脑电波采集模块和深度学习模组，驱动模组用于发出工作指令调用其他模组；提示模组将深度学习模组转化的信号数据输入内置提示软件，生成文字显示在显示屏上；tts模组将深度学习模组转化的信号数据输入tts程序，生成语音数据并通过扬声器播放。

本发明与现有技术相比的优点在于：针对经口气管插管后，暂时丧失语言沟通能力，无法用语言表达自身的感受和需求的患者，通过脑电波采集技术和深度学习，将患者的需求通过屏幕或语音方式提供给医护人员，构建人工智能辅助护理系统，进而及时了解患者的生理和心理需求，减少患者的不良情绪。

作为改进，训练模块将输入的脑电波数据的输出信号与患者常用动作名词进行关联，通过反复建模，形成稳定的数据模型，并存入对应的数据库中，数据库主体为存放数据模型的服务器。

作为改进，深度学习模块基于多层神经网络实现。

作为改进，训练模块工作步骤如下：

s1、通过提示器引导患者默念屏幕上显示的词语，同时通过脑电波采集模块采集病人脑电波数据；

s2、通过提示器内置的起始的词语对采集到的脑电波数据进行标注，生成一条训练数据；

s3、通过反复的训练生成训练数据集，并存入数据库；

s4、通过训练数据集对深度学习模块进行训练，得到数据模型；

s5、训练数据可以通过自动标注模组进行标注。

作为改进，护理模块工作步骤如下：

s1、深度学习模块启动，加载数据模型完成初始化；

s2、脑电波采集模块采集到的数据输入到深度学习模块并转化为词语；

s3、护理模块将深度学习模块转化得到的词语通过提示软件在显示屏上显示；

s4、护理模块将深度学习模块转化得到的词语通过tts转化为语音数据，并通过扬声器播放。

附图说明

图1是一种基于脑电波采集和人工智能技术的辅助护理系统的结构示意图。

图2是一种基于脑电波采集和人工智能技术的脑电波采集模块的工作流程示意图。

图3是一种基于脑电波采集和人工智能技术的训练模块的工作流程示意图。

图4是一种基于脑电波采集和人工智能技术的护理模块的工作流程示意图。

如图所示：1、护理模块，2、训练模块，3、脑电波采集模块，4、脑电波传感器，5、滤波器，6、adc模组，7、蓝牙模组，8、提示器，9、数据库，10、深度学习模块，11、自动标注模组，12、提示模组，13、tts模组。

具体实施方式

下面结合附图对本发明做进一步的详细说明。

本发明在具体实施时，一种基于脑电波采集和人工智能技术的辅助护理系统，包括护理模块1、训练模块2和脑电波采集模块3，所述护理模块1、训练模块2和脑电波采集模块3通过软件架构编设在系统中，脑电波采集模块3包括脑电波传感器4、滤波器5、adc模组6和蓝牙模组7，所述脑电波传感器4用于收集原始脑电波数据，并通过信道连接滤波器5，所述滤波器5用于对原始脑电波数据进行滤波处理，将处理后的数据通过信道传输至adc模组6，所述adc模组6将滤波后的数据转化成4-20ma的数字量信号，经由所述蓝牙模组7上传至计算机中；

所述训练模块2包括提示器8、数据库9、深度学习模块10和自动标注模组11，所述提示器8内置有起始词语，对采集到的脑电波数据进行标注并生成训练数据，通过信道将训练数据传输至数据库9，所述数据库9为储存训练数据的数据集，通过信道连接深度学习模块10，所述深度学习模块10可调用数据集进行训练，得到数据模型并通过内部编设的翻译程序进行数据转化，生成对应的信号数据；所述自动标注模组11内编设有标准的脑电波信号模板，将采集到的脑电波数据与脑电波信号模板进行比对并自动标注；

所述护理模块1包括驱动模组、提示模组12和tts模组13，在执行护理工作时调用脑电波采集模块3和深度学习模组10，所述驱动模组用于发出工作指令调用其他模组；所述提示模组12将深度学习模组10转化的信号数据输入内置提示软件，生成文字显示在显示屏上；所述tts模组13将深度学习模组10转化的信号数据输入tts程序，生成语音数据并通过扬声器播放。

所述训练模块2将输入的脑电波数据的输出信号与患者常用动作名词进行关联，通过反复建模，形成稳定的数据模型，并存入对应的数据库9中，数据库9主体为存放数据模型的服务器。

所述深度学习模块10基于多层神经网络实现。

所述训练模块2工作步骤如下：

s1、通过提示器8引导患者默念屏幕上显示的词语，同时通过脑电波采集模块3采集病人脑电波数据；

s2、通过提示器8内置的起始的词语对采集到的脑电波数据进行标注，生成一条训练数据；

s3、通过反复的训练生成训练数据集，并存入数据库9；

s4、通过训练数据集对深度学习模块10进行训练，得到数据模型；

s5、训练数据可以通过自动标注模组11进行标注。

所述护理模块1工作步骤如下：

s1、深度学习模块10启动，加载数据模型完成初始化；

s2、脑电波采集模块3采集到的数据输入到深度学习模块10并转化为词语；

s3、护理模块1将深度学习模块10转化得到的词语通过提示软件在显示屏上显示；

s4、护理模块1将深度学习模块10转化得到的词语通过tts转化为语音数据，并通过扬声器播放。

本发明的工作原理：本系统包括三个子模块：脑电波采集模块、训练模块和护理模块块。

脑电波采集模块由脑电波传感器、滤波模块、adc模组、蓝牙模组组成。通过与病人头部紧贴的脑电波传感器进行脑电波原始数据采集。采集得到的原始数据包含噪声信号，滤波器可以将原始数据中的噪声信号做滤波处理，得到脑电波数据。为便于计算机处理，脑电波数据通过adc模组转化为数字信号。脑电波采集系统中包括一个蓝牙模组，用于将脑电波数字信号发送到计算机。

训练模块用于对基于多层人工神经网络的深度学习模块进行训练，其目的在于得到数据模型。训练系统由脑电波采集系统、提示器、自动标注软件、深度学习模块组成。训练过程由如下所述步骤描述：

(1)将脑电波传感器部署到病人头部，并启动脑电波采集系统，对病人脑电波数据进行采集。

(2)启动提示器，在屏幕上显示预置的词语，并引导病人在脑海中默念该词语。

(3)使用脑电波采集系统对病人默念词语时的脑电波数据进行采集。

(4)使用自动标注软件将脑电波数据标注为对应的词语，并保存到训练数据集。

(6)重复2-4步，指导完成所有内置词语，得到完整的训练数据集。

(6)将训练数据集导入到深度学习模块进行训练，得到数据模型。

护理模块功能实现由脑电波采集模块、深度学习模组、驱动模组、提示模组、tts模组组成。护理模块经下述步骤完成初始化：

(1)将脑电波传感器部署到病人头部并启动脑电波采集系统。

(2)启动深度学习模组，加载训练得到到数据模型，对多层人工神经网络初始化。

(3)初始化完成后，护理模块进入工作状态，脑电波采集模块采集病人脑电波数据，脑电波数据输入到深度学习模组，深度学习模组将脑电波数据转化为与之对应的词语。护理模块将该词语进行两种处理：

(1)在屏幕上显示

(2)通过tts技术转化为语音数据并经扬声器播放

护理人员可以通过屏幕或者扬声器的提示了解病人真实的需求，并提供对应的护理。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征，在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

在本发明中，除非另有明确的规定和限定，第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触，也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且，第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正上方和斜上方，或仅仅表示第一特征水平高度小于第二特征。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”，“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。