本发明专利技术公开了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。本发明专利技术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。
【技术实现步骤摘要】
一种基于脑电波采集和人工智能技术的辅助护理系统
本专利技术涉及医护领域，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。
技术介绍
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。
技术实现思路
本专利技术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，本专利技术提供的技术方案为：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。本专利技术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专利技术做进一步的详细说明。本专利技术在具体实施时，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转化的信号数据输本文档来自技高网...
【技术保护点】
1.一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)，其特征在于：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；/n所述训练模块(2)包括提示器(8)、数据库(9)、深度学习模组(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组(10)，所述深度学习模组(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；/n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。/n...
【技术特征摘要】
1.一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)，其特征在于：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)、深度学习模组(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组(10)，所述深度学习模组(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...
【专利技术属性】
技术研发人员：任媛，张猛，苏新明，封辰叶，陆常玲，孔德磊，王玮，康健，
申请(专利权)人：中国医科大学附属第一医院，
类型：发明
国别省市：辽宁;21
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。