一种基于脑电数据学习的数据可视化系统的制作方法

本发明属于机器学习和数据可视化领域，具体涉及一种基于脑电信号数据处理的数据可视化系统。

背景技术：

1、近年来，重症监护病房中危重新生儿及早产儿神经系统的残障率居高，新生儿神经系统监测和保护的临床医学进展迅速，主要通过临床、生化测量和神经影像学等预测手段。脑电图(eeg)被认为是评价脑功能的一种有价值的工具，通过安置相应电极，快速获取脑电信号，从而对脑功能作出判断。持续常规脑电监测通过动态的脑电分析，在提高癫痫检出率、动态评估脑电背景活动等方面均有重要意义。然而，对婴儿基于脑电图床边监测很难长期进行，即使是经验丰富的新生儿医学专家也可能会在分析脑电图时出错。因此在如何更好地辅助医生进行脑电数据的查看，降低医生临床解读的工作量，减少受人工识别能力的影响而造成的误判等方面存在极大的挑战。

技术实现思路

1、一种基于脑电数据学习的数据可视化系统，其特征在于，

2、包括数据读取模块，数据学习模块，数据可视化模块，所述数据读取模块，数据学习模块和数据可视化模块依次连接；

3、所述数据读取模块：用于获取封装在.edf文件中的脑电数据；

4、所述数据学习模块：使用机器学习的方法对我们的脑电数据进行处理，得到相应的脑电分类等信息，并将得到的处理信息存入数据库中；

5、所述数据可视化模块，分为可视化控制模块和可视化显示模块；

6、所述可视化控制模块，用于操作人员对我们的系统发出相应的控制指令，使得数据可以按照操作人员的需求进行展示；

7、所述可视化显示模块，用于响应操作人员的控制指令将数据信息正确有效地展示出来；

8、所述数据学习模块，包括训练单元和预测单元。

9、所述训练单元，采用lightgbm机器学习框架对原始脑电数据进行训练，选择良好特征，通过调整模型参数获取最终的分类预测模型。

10、所述预测单元，采用在事先在训练单元训练好地分类预测模型来对从数据读取模块中读取到的.edf文件中记录的脑电数据，进行分类预测，得到每段脑电信号对应的分类结果，并将预测到的分类结果等信息存入数据库中。

11、所述可视化控制模块，集成于pyqt客户端，通过 pyqt 中的 qwebenginepage 模块，实现可视化控制指令到可视化显示模块的传输。

12、所述可视化控制模块，具体包括，脑电数据信号筛选单元，脑电数据信号时间规模调整单元，脑电数据信号滤波生成单元，脑电病理预测单元，脑电数据信号整体播放单元。

13、所述脑电数据信号筛选单元，用于筛选需要展示的脑电数据信号

14、所述脑电数据信号时间规模调整单元，用于对脑电数据信号在一帧中展示的时间规模进行调整。

15、所述脑电数据信号滤波生成单元，用于根据操作人员需要生成对应的波形数据和指令。

16、所述脑电数据信号预测单元，用于从mysql数据库中读取数据学习模块中预测单元所得到预测的信息，对该脑电信号所属病人进行谵妄病理预测，得到病人的患病概率，并发出相应指令；

17、所述脑电数据信号整体播放单元，通过固定的刷新频率，达到类似视频播放的效果，用于更好地表达出脑电数据信号的随时间变化的变化；

18、所述可视化显示模块，从数据库中获取经过数据处理得到的脑电数据分段分类信息，响应数据可视化控制模块的控制指令，使用echarts技术，通过pyqt 的qwebenginepage 模块，将脑电信号数据正确的展示在 pyqt 客户端中。

19、本发明结合机器学习对脑电信号特征进行学习和预测，结合数据的可视化技术对脑电数据信号和预测结果进行有效展示。能根据临床医生的需要展示脑电数据的各个方面的信息，并提供模型的预测结果参考，有效降低了人工评估主观性带来的影响，辅助提升了医生进行脑电数据查看和分析效率。

20、图1为本发明的一种基于脑电数据学习的数据可视化系统工作流程图，以下实例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。

21、本实施用例一种基于脑电数据学习的数据可视化系统，该系统包括数据读取模块，数据学习模块，数据可视化模块，所述数据读取模块，数据学习模块和数据可视化模块依次连接；

22、上述数据读取模块：用于获取封装在.edf文件中的脑电数据，

23、上述数据学习模块：使用机器学习的方法对我们的脑电数据进行处理，得到相应的脑电分类等信息，并将得到的处理信息存入数据库中，

24、上述数据可视化模块包括分为可视化控制模块和可视化显示模块，其中

25、上述可视化控制模块，用于操作人员对我们的系统发出相应的控制指令，使得数据可以按照操作人员的需求进行展示

26、上述可视化显示模块，用于响应操作人员的控制指令将数据信息正确有效地展示出来

27、脑电数据文件进入系统后，首先经过上述数据读取模块读取出相应的原始脑电数据信息，再将信息传递给数据学习模块。

28、上述数据学习模块，包括训练单元和预测单元。

29、上述训练单元，采用lightgbm机器学习框架对原始脑电数据进行训练，选择良好特征，通过调整模型参数获取最终的分类预测模型。

30、上述预测单元，采用在事先在训练单元训练好地分类预测模型来对从数据读取模块中读取到的.edf文件中记录的脑电数据，进行分类预测，得到每段脑电信号对应的分类结果，并将预测到的分类结果等信息存入数据库中。

31、上述可视化控制模块，集成于pyqt客户端，通过 pyqt 中的 qwebenginepage 模块，实现可视化控制指令到可视化显示模块的传输。

32、上述可视化控制模块，具体包括，脑电数据信号筛选单元，脑电数据信号时间规模调整单元，脑电数据信号滤波生成单元，脑电病理预测单元，脑电数据信号整体播放单元。

33、上述脑电数据信号筛选单元，用于筛选需要展示的脑电数据信号；

34、上述脑电数据信号时间规模调整单元，用于对脑电数据信号在一帧中展示的时间规模进行调整。

35、上述脑电数据信号滤波生成单元，用于根据操作人员需要生成对应的波形数据和指令。

36、上述脑电数据信号预测单元，用于从mysql数据库中读取数据学习模块中预测单元所得到预测的信息，对该脑电信号所属病人进行谵妄病理预测，得到病人的患病概率，并发出相应指令；

37、上述脑电数据信号整体播放单元，通过固定的刷新频率，达到类似视频播放的效果，用于更好地表达出脑电数据信号的随时间变化的变化，

38、上述可视化显示模块，从数据库中获取经过数据处理得到的脑电数据分段分类信息，响应数据可视化控制模块的控制指令，使用echarts技术，通过pyqt 的qwebenginepage 模块，将脑电信号数据正确的展示在 pyqt 客户端中。

技术特征：

1.一种基于脑电数据学习的数据可视化系统，其特征在于，

2.根据权利要求1所述的一种基于脑电数据学习的数据可视化系统，其特征在于，

3.根据权利要求1所述的一种基于脑电数据学习的数据可视化系统其特征在于

4.根据权利要求1所述的一种基于脑电数据学习的数据可视化系统，其特征在于，

技术总结
本发明的实例公开一种基于脑电数据学习的数据可视化系统。系统客户端采用pyqt5框架搭建，数据库采用MYSQL进行存储，数据可视化部分运用ECharts技术进行展示。系统涉及机器学习和可视化领域，具体包括：数据读取模块：用于获取封装在.edf文件中的脑电数据，数据学习模块：使用基于lightgbm的机器学习框架对我们的脑电数据进行处理，得到相应的脑电分类等信息，并将得到的处理信息存入数据库中，和数据可视化模块，其中数据可视化模块分为了可视化控制模块，用于操作人员对我们的系统发出相应的控制指令，使得数据可以按照操作人员的需求进行展示和可视化显示模块，用于响应操作人员的控制指令将数据信息正确有效地展示出来。本发明通过数据处理和可视化应用实现对脑电信息的可视化，多形式多方位的对脑电信息进行展示，解决了现有的脑电数据展示方式单一且缺少控制响应的问题。

技术研发人员：李亚东,高亮
受保护的技术使用者：尧芯微半导体（重庆）有限公司
技术研发日：
技术公布日：2024/1/16