【技术实现步骤摘要】
本专利技术涉及人工智能领域，具体涉及一种基于脑电数据分析的小儿谵妄预测系统。
技术介绍
1、小儿谵妄是一种在儿科中较为严重的急性、波动性意识障碍状态。它通常表现为患儿在短时间内(几小时至几天)出现意识水平的变化、定向力减低、注意力不集中、认知功能受损以及行为异常等症状。谵妄包括高活动型谵妄(躁动型)、低活动型谵妄(安静型)以及混合型谵妄三个亚型。高活动型儿童表现为躁动及过度活跃，如身体持续的激烈活动、难以安抚的哭闹等；低活动型表现为反应迟钝、意识淡漠及非正常的安静状态，混合型兼有以上两种亚型的表现。
2、谵妄可能会损害脑神经，比如听力下降、智力出现障碍等，严重者可危及生命，因此早期识别并干预谵妄至关重要。
3、目前，对于小儿谵妄的预测与评估主要依赖医护人员的临床观察，缺乏客观、可量化的评估手段。
技术实现思路
1、为了解决现有技术中的上述问题，本专利技术提出了一种基于脑电数据分析的小儿谵妄预测系统，提供了可量化的评估手段。
2、本专利技术提出了一种基于脑电数据分析的小儿谵妄预测系统，所述系统包括：
3、脑电数据获取模块，用于获取待评估儿童的脑电数据；
4、脑电特征提取模块，用于从所述待评估儿童的脑电数据中提取相应的脑电特征数据；
5、风险预测模块，用于将所述待评估儿童的体检数据输入至训练好的风险预测模型，得到所述待评估儿童的谵妄类别；
6、其中，
7、所述待评估儿童的体检数据包括：所述待
8、所述待评估儿童的脑电特征数据包括：脑功能连接数据、δ波与α波的功率比，以及低频波与高频波的功率比；
9、所述脑功能连接数据包括：各个脑分区之间数据的关联特征；
10、所述谵妄类别包括：无谵妄、高活动型谵妄、低活动型谵妄或混合型谵妄。
11、优选地，所述脑电特征提取模块包括：
12、预处理单元，用于对所述待评估儿童的脑电数据进行预处理以提高波形的清晰度，得到预处理后的脑电数据；
13、波形特征计算单元，用于根据所述预处理后的脑电数据，计算各类波的波形特征；所述各类波的波形特征包括：各类波的功率；
14、功率值计算单元，用于根据所述各类波的功率，计算所述δ波与α波的功率比以及所述低频波与高频波的功率比；
15、脑功能连接数据提取单元，用于根据所述预处理后的脑电数据，提取所述脑功能连接数据。
16、优选地，所述脑电特征提取模块，还用于从样本儿童的历史脑电数据中提取相应的脑电特征数据；
17、所述系统还包括：
18、历史数据采集模块，用于采集预设数量的所述样本儿童的历史数据；其中，每个所述样本儿童的历史数据包括：年龄、所述历史脑电数据，以及谵妄类别标签；
19、训练模块，用于将所述样本儿童的体检数据输入至待训练的所述风险预测模型获取预测值，并根据所述预测值和对应的所述谵妄类别标签计算交叉熵损失函数，对所述风险预测模型进行迭代训练，得到训练好的所述风险预测模型；
20、所述样本儿童的体检数据包括：所述样本儿童的脑电特征数据。
21、优选地，所述待评估儿童为学龄期儿童；
22、所述待评估儿童的体检数据还包括：眼动数据；
23、所述系统还包括：
24、眼动数据获取模块，用于获取所述待评估儿童的眼动数据。
25、优选地，所述样本儿童为学龄期儿童；
26、所述样本儿童的历史数据还包括：历史眼动数据；
27、所述样本儿童的体检数据还包括：所述历史眼动数据。
28、优选地，所述谵妄类别标签为根据所述样本儿童的谵妄评估量表数据进行评估后得出的类别。
29、优选地，所述风险预测模型基于支持向量机、随机森林模型或神经网络模型。
30、优选地，所述低频波包括：δ波和θ波；
31、所述高频波包括：β波和γ波；
32、所述δ波的频率范围为0.5hz-4hz；
33、所述θ波的频率范围为4hz-8hz；
34、所述β波的频率范围为12hz-35hz；
35、所述γ波的频率范围为30hz-100hz。
36、本专利技术具有如下有益效果：
37、本专利技术提出的小儿谵妄预测系统通过将待评估儿童的脑电特征数据输入到训练好的风险预测模型来判断谵妄类别，提供了一种客观、量化的评估方案，避免了因医务人员的经验不足而导致的评估偏差，从而提高了评估结果的准确性。
38、对于学龄期儿童，将眼动数据和脑电特征数据一起送入风险预测模型来判断谵妄类别，进一步提高了评估结果的准确性。
本文档来自技高网...【技术保护点】
1.一种基于脑电数据分析的小儿谵妄预测系统，其特征在于，所述系统包括：
2.根据权利要求1所述的基于脑电数据分析的小儿谵妄预测系统，其特征在于，所述脑电特征提取模块包括：
3.根据权利要求1所述的基于脑电数据分析的小儿谵妄预测系统，其特征在于，
4.根据权利要求3所述的基于脑电数据分析的小儿谵妄预测系统，其特征在于，
5.根据权利要求4所述的基于脑电数据分析的小儿谵妄预测系统，其特征在于，
6.根据权利要求3所述的基于脑电数据分析的小儿谵妄预测系统，其特征在于，
7.根据权利要求1-6中任一项所述的基于脑电数据分析的小儿谵妄预测系统，其特征在于，所述风险预测模型基于支持向量机、随机森林模型或神经网络模型。
8.根据权利要求1-6中任一项所述的基于脑电数据分析的小儿谵妄预测系统，其特征在于，
【技术特征摘要】
1.一种基于脑电数据分析的小儿谵妄预测系统，其特征在于，所述系统包括：
2.根据权利要求1所述的基于脑电数据分析的小儿谵妄预测系统，其特征在于，所述脑电特征提取模块包括：
3.根据权利要求1所述的基于脑电数据分析的小儿谵妄预测系统，其特征在于，
4.根据权利要求3所述的基于脑电数据分析的小儿谵妄预测系统，其特征在于，
5.根据权利要求4所述的...
【专利技术属性】
技术研发人员：张静，刘涛涛，韩永正，孙可，李正迁，李民，郭向阳，
申请(专利权)人：北京大学第三医院北京大学第三临床医学院，
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。