【技术实现步骤摘要】
本专利技术涉及脑卒中风险预测，具体涉及一种脑卒中风险预测系统、方法及数据采集设备。
技术介绍
1、脑卒中具有较高的发病率、致死率、致残率并且术后具有比较高的复发率；脑卒中是全球范围的重大健康难题，因为其发病快，一旦不能及时救治将造成不可逆转的健康问题；然而，脑卒中相关筛查工作量大、成本高，且缺乏对卒中高危人群统一的监测和管理；随着人工智能在各个领域的出色表现，近几年人工智能也被很多医学研究者用于脑卒中的预测及筛查中，用来实现脑卒中的风险预测，并辅助进行临床监测。
2、然而用于脑卒中预测的数据来源多为患者临床信息（包括临床用药及诊断方案）以及各种血液指标和患者的医学影像特征数据（包括患者头部ct，mri检查图像），比如：申请号为cn202111060331.0的专利，公开了一种基于多模态融合和dfs-lle算法的脑卒中院内并发症预测模型，其中就诊数据就包括了临床结构化和医学图像2种模态的数据；这些用于脑卒中预测的数据获取复杂，有些还会伴有创伤，并且获取需要较长时间，成本也较高。
技术实现思路
1、本专利技术提供的脑卒中风险预测系统，可以无创又便捷地进行脑卒中风险预测。
2、第一方面，本专利技术一实施例中提供一种脑卒中风险预测系统，包括：数据采集模块，用于至少获取被测对象的右手的第一生物电信号、左手的第二生物电信号、右足的第三生物电信号和左足的第四生物电信号，并根据所述第一生物电信号、所述第二生物电信号、所述第三生物电信号和所述第四生物电信号至少得到三路差分信号
3、一些实施例中，所述数据采集模块至少包括数据获取子模块、信号调理子模块、模数转换子模块和差分处理子模块；所述数据获取子模块用于获取所述第一生物电信号、所述第二生物电信号、所述第三生物电信号和所述第四生物电信号；所述信号调理子模块用于对所述第一生物电信号至少进行共模信号抑制、工频噪声滤除和信号放大得到第五生物电信号，对所述第二生物电信号至少进行共模信号抑制、工频噪声滤除和信号放大得到第六生物电信号，对所述第三生物电信号至少进行共模信号抑制、工频噪声滤除和信号放大得到第七生物电信号，对所述第四生物电信号至少进行共模信号抑制、工频噪声滤除和信号放大得到第八生物电信号；所述模数转换模块用于分别将所述第五生物电信号、所述第六生物电信号、所述第七生物电信号和所述第八生物电信号进行模数转换；所述差分处理子模块用于分别对转换后的第五生物电信号、转换后的第六生物电信号、转换后的第七生物电信号和转换后的第八生物电信号进行差分处理后，得到所述三路差分信号。
4、一些实施例中，所述数据获取子模块包括两个手部电极传感器和两个足底电极传感器，所述两个手部电极传感器用于获取所述第一生物电信号和所述第二生物电信号，所述两个足底电极传感器用于获取所述第三生物电信号和所述第四生物电信号。
5、一些实施例中，所述信号调理子模块包括：前置放大单元，用于分别对所述第一生物电信号、所述第二生物电信号、所述第三生物电信号和所述第四生物电信号进行信号放大；共模抑制单元，用于分别对放大后的第一生物电信号、放大后的第二生物电信号、放大后的第三生物电信号和放大后的第四生物电信号进行共模信号抑制；带通滤波单元，用于分别对共模信号抑制后的第一生物电信号、共模信号抑制后的第二生物电信号、共模信号抑制后的第三生物电信号和共模信号抑制后的第四生物电信号进行工频噪声滤除；主极放大单元，用于对工频噪声滤除后的第一生物电信号进行信号放大得到所述第五生物电信号，对工频噪声滤除后的第二生物电信号进行信号放大得到所述第六生物电信号，对工频噪声滤除后的第三生物电信号进行信号放大得到所述第七生物电信号和对工频噪声滤除后的第四生物电信号进行信号放大得到所述第八生物电信号。
6、一些实施例中，所述风险预测模型的构建方法包括：获取训练样本集，所述训练样本集中包括多组训练样本，每组所述训练样本对应于一个被测对象，每组所述训练样本包括对应于该被测对象的右手和右足的一路差分信号、左手和左足的另一路差分信号以及双手的又一路差分信号；对所述训练样本集进行预处理，所述预处理至少包括：去基线漂移、小波变换和降维处理；根据预处理后的训练样本和预设的多个分类模型，得到每个所述被测对象的多个预测结果，所述每个预测结果对应于一个分类模型；根据所述预测结果得到所述风险预测模型。
7、一些实施例中，所述根据所述预测结果得到所述风险预测模型，包括：对所述预测结果进行曲线拟合；根据曲线拟合的结果，构建所述风险预测模型。
8、一些实施例中，还包括：数据管理模块，所述数据管理模块用于将所述三路差分信号传送到预设位置进行存储。
9、第二方面，本专利技术另一实施例中提供一种脑卒中风险预测方法，包括：至少获取被测对象的右手的第一生物电信号、左手的第二生物电信号、右足的第三生物电信号和左足的第四生物电信号，并根据所述第一生物电信号、所述第二生物电信号、所述第三生物电信号和所述第四生物电信号至少得到三路差分信号，其中：根据所述第一生物电信号和所述第三生物电信号得到一路差分信号，根据所述第二生物电信号和所述第四生物电信号得到另一路差分信号，根据所述第一生物电信号和所述第二生物电信号得到又一路差分信号；根据所述三路差分信号和预先构建的风险预测模型进行所述被测对象的脑卒中风险预测。
10、第三方面，本专利技术另一实施例中提供一种数据采集设备，所述设备被应用于脑卒中风险预测，所述设备至少包括：数据获取子模块，用于至少获取被测对象的右手的第一生物电信号、左手的第二生物电信号、右足的第三生物电信号和左足的第四生物电信号，并根据所述第一生物电信号、所述第二生物电信号、所述第三生物电信号和所述第四生物电信号至少得到三路差分信号，其中：根据所述第一生物电信号和所述第三生物电信号得到一路差分信号，根据所述第二生物电信号和所述第四生物电信号得到另一路差分信号，根据所述第一生物电信号和所述第二生物电信号得到又一路差分信号；信号调理子模块，用于对所述第一生物电信号至少进行共模信号抑制、工频噪声滤除和信号放大得到第五生物电信号，对所述第二生物电信号至少进行共模信号抑制、工频噪声滤除和信号放大得到第六生物电信号，对所述第三生物电信号至少进行共模信号抑制、工频噪声滤除和信号放大得到第七生物电信号，对所述第四生物电信号至少进行共模信号抑制、工频噪声滤除和信号放大得到第八生物电信号；模数转换模块，用于分别将所述第五生物电信号、所述第六生物电信号、所述第七生物电信号和所述第八生物电信号进行模数转换；差分处理子模块，用于分别对转换后的第五生物电信号、转换后的第六生物电信号、转换后的第七生物电信号和转换后的第八生物电信号进行差分处理后，得到本文档来自技高网...
【技术保护点】
1.一种脑卒中风险预测系统，其特征在于，包括：
2.如权利要求1所述的系统，其特征在于，所述数据采集模块至少包括数据获取子模块、信号调理子模块、模数转换子模块和差分处理子模块；
3.如权利要求2所述的系统，其特征在于，所述数据获取子模块包括两个手部电极传感器和两个足底电极传感器，所述两个手部电极传感器用于获取所述第一生物电信号和所述第二生物电信号，所述两个足底电极传感器用于获取所述第三生物电信号和所述第四生物电信号。
4.如权利要求1所述的系统，其特征在于，所述信号调理子模块包括：
5.如权利要求1所述的系统，其特征在于，所述风险预测模型的构建方法包括：
6.如权利要求5所述的系统，其特征在于，所述根据所述预测结果得到所述风险预测模型，包括：
7.如权利要求1所述的系统，其特征在于，还包括：数据管理模块，所述数据管理模块用于将所述三路差分信号传送到预设位置进行存储。
8.一种脑卒中风险预测方法，其特征在于，包括：
9.一种数据采集设备,其特征在于，所述设备被应用于脑卒中风险预测，所述设
10.一种计算机存储介质，其特征在于，所述介质上存储有程序，所述程序能够被处理器执行以实现如权利要求1-7任一项所述的系统。
...【技术特征摘要】
1.一种脑卒中风险预测系统，其特征在于，包括：
2.如权利要求1所述的系统，其特征在于，所述数据采集模块至少包括数据获取子模块、信号调理子模块、模数转换子模块和差分处理子模块；
3.如权利要求2所述的系统，其特征在于，所述数据获取子模块包括两个手部电极传感器和两个足底电极传感器，所述两个手部电极传感器用于获取所述第一生物电信号和所述第二生物电信号，所述两个足底电极传感器用于获取所述第三生物电信号和所述第四生物电信号。
4.如权利要求1所述的系统，其特征在于，所述信号调理子模块包括：
5.如权利要求1所述的系统，其特征在...
【专利技术属性】
技术研发人员：何姣姣，王新安，王晨阳，杨婕，
申请(专利权)人：北京大学深圳研究生院，
类型：发明
国别省市：
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。