【技術實現步驟摘要】
本申請涉及腦機交互、暈動癥識別，特別涉及一種監測特定腦區的暈動癥識別裝置及系統和存儲介質。
技術介紹
1、隨互聯網、智能手機、第五代移動通信技術的普及，乘坐各種交通工具時，人們常選擇使用手機來豐富自己的乘車時間，或者使用筆記本電腦進行工作。但是，部分乘客在交通工具移動期間使用上述設備會誘發暈動癥。其結果，影響乘坐體驗與工作績效，令身心處于亞健康狀態。
2、暈動癥，又可稱為暈車、暈船、暈機，指在乘坐各種交通工具時由于平衡感失調而引起的疾病，一般認為是由于當視覺、肌肉、關節等感官感受到的運動與前庭系統所感覺到的運動不相符所引起的頭暈、惡心嘔吐、食欲減退等癥狀，嚴重者會表現為感覺房屋與物體旋轉、無法站立乃至昏厥。據估，中國范圍內約三分之一的人口在乘坐各種交通工具時表現出暈動癥癥候，暈動癥影響人的身心健康，降低工作績效，因此，有必要尋找監測并識別暈動癥的方法，對于提高出行質量、優化工作績效具有十分重要的作用。
3、功能性近紅外光譜（fnirs），是一種非侵入式腦成像技術，能夠獲取大腦皮層血氧濃度信息，間接反應大腦的神經活動。相比于其他腦成像技術，具備高時間分辨率、可移動性強、安全性高、低成本等特點。針對乘坐交通工具時進行實時監測這一要求，fnirs有其他腦成像技術無可比擬的優勢。
4、現有使用fnirs識別暈動癥的方法集中在監測前額葉生理狀態領域，存在生理指標不明確、數據特征因人而異等缺陷，無法準確、高效地識別暈動癥；為提高識別效率與正確率，有必要根據暈動癥發病機理與不同腦區的功能特性，從生理角度提出
技術實現思路
1、為了解決上述問題，本申請提供一種監測特定腦區的暈動癥識別裝置及系統和存儲介質，以有效識別暈動癥狀態，為后續的暈動癥干預提供數據依據，以此降低乘坐交通工具時暈動癥所帶來的負面影響。
2、為了達到上述目的，本申請采用的技術方案如下：
3、第一方面，本申請提供一種監測特定腦區的暈動癥識別裝置，所述裝置包括：
4、信號獲取模塊，被配置為獲取目標對象特定腦區的生理信號；其中，所述特定腦區的生理信號包括枕葉的視覺皮層、中央中線區的運動皮層和感覺皮層以及額極區的前額極皮層與額葉的前額皮層的生理信號；
5、信號處理模塊，所述信號處理模塊與所述信號獲取模塊連接，所述信號處理模塊被配置為對所述生理信號進行格式轉換，得到血氧信號；
6、信號去噪模塊，所述信號去噪模塊與所述信號處理模塊連接，所述信號去噪模塊被配置為對所述血氧信號進行去噪處理，獲得純凈的血氧信號；
7、特征計算模塊，所述特征計算模塊與所述信號去噪模塊連接，所述特征計算模塊被配置為基于所述純凈的血氧信號，計算血氧特征值；其中，所述血氧特征值包括氧合血紅蛋白的峰值與變化率、10s窗口時間內的移動平均值以及氧合血紅蛋白與脫氧血紅蛋白的差值；
8、識別模塊，所述識別模塊與所述特征計算模塊連接，所述識別模塊被配置為基于設定閾值，將所述血氧特征值與所述設定閾值進行比較，以識別暈動癥。
9、進一步地，所述目標對象特定腦區的生理信號為目標對象在真實的交通工具內，通過佩戴近紅外腦成像系統設備所采集到的光強信號。
10、進一步地，所述信號處理模塊被進一步配置為：
11、在使用735nm與850nm近紅外光源的情況下，獲取四個光強信號，分別為735nm波長處的透射光強、850nm波長處的透射光強、735nm波長處的入射光強以及850nm波長處的入射光強；吸光度變化為：
12、；
13、式中，為波長為735nm時的吸光度變化，為波長為850nm時的吸光度變化；
14、根據修正的比格郎伯定律，引入差分路徑長度因子，構建如下方程：
15、；
16、式中，和分別為氧合血紅蛋白在波長735nm和850nm處的摩爾吸光系數；和分別為脫氧血紅蛋白在波長735nm和850nm處處的摩爾吸光系數；為氧合血紅蛋白濃度變化，為脫氧血紅蛋白濃度變化；為近紅外光的波長；
17、基于所述方程求出氧合血紅蛋白濃度變化與脫氧血紅蛋白濃度變化，配合初始濃度基線，獲得氧合血紅蛋白與脫氧血紅蛋白的絕對濃度。
18、進一步地，所述信號去噪模塊被進一步配置為：
19、使用一階線性擬合對所述血氧信號去漂移，得到第一信號；
20、將所述第一信號分解為不同的主成分，每種主成分代表一種信號變化模式；通過剔除頻率低于設定頻率的慢變化成分和與神經活動頻段不一致的成分，獲得第二信號；
21、對所述第二信號進行帶通濾波以濾除無關信號；其中，所述帶通濾波的頻率設置為0.01-0.15hz，所述無關信號包括心率信號、呼吸信號和環境光干擾信號。
22、進一步地，所述特征計算模塊被進一步配置為：
23、通過如下方法計算氧合血紅蛋白的峰值與變化率：識別4s內信號中的局部極大值作為峰值，即在時刻np時達到峰值，滿足；，m為常數，hbo[np]為np時刻的氧合血紅蛋白濃度，hbo[n]為n時刻的氧合血紅蛋白濃度，n為時間點標記序號；使用向后差分法計算hbo變化率；
24、通過如下方法計算10s窗口時間內的移動平均值：在采樣率為12.5hz的情況下，窗口大小為n=125，；其中，為10s窗口時間內的氧合血紅蛋白濃度的移動平均值，為k時刻的氧合血紅蛋白濃度，為10s窗口時間的起始時刻的時間點標記序號，為時間點標記序號；
25、通過如下公式計算氧合血紅蛋白與脫氧血紅蛋白的差值：
26、；
27、式中，d[n]為氧合血紅蛋白與脫氧血紅蛋白濃度的差值，hbo[n]為氧合血紅蛋白濃度，hbr[n]為脫氧血紅蛋白濃度。
28、進一步地，所述識別模塊被進一步配置為通過如下方法確定設定閾值：
29、基于至少一個目標時刻的血氧特征值，來確定設定閾值；其中，所述目標時刻為目標對象認為暈動癥發作時，向所述識別模塊發出指令的時刻；
30、在只有一個目標時刻的血氧特征值時，以該目標時刻的血氧特征值作為設定閾值；
31、在具有至少兩個目標時刻的血氧特征值時，選擇氧合血紅蛋白的峰值與變化率、10s窗口時間內的移動平均值以及氧合血紅蛋白與脫氧血紅蛋白的差值中的最小值作為設定閾值。
32、第二方面，本申請一種監測特定腦區的暈動癥識別系統，所述系統包括：存儲器，用于存儲計算機程序；處理器，用于執行所述計算機程序以實現如下方法：
33、獲取目標對象特定腦區的生理信號；其中，所述特定腦區的生理信號包括枕葉的視覺皮層、中央中線區的運動皮層和感覺皮層以及額極區的前額極皮層與額葉的前額皮層的生理信號；
34、對所述生理信號進行格式轉換，得到血氧信號；
35、對所述血氧信號進行去噪處理，獲得純凈的血氧信號；
36、基于所本文檔來自技高網...
【技術保護點】
1.一種監測特定腦區的暈動癥識別裝置，其特征在于，所述裝置包括：
2.如權利要求1所述的監測特定腦區的暈動癥識別裝置，其特征在于，所述目標對象特定腦區的生理信號為目標對象在真實的交通工具內，通過佩戴近紅外腦成像系統設備所采集到的光強信號。
3.如權利要求2所述的監測特定腦區的暈動癥識別裝置，其特征在于，所述信號處理模塊被進一步配置為：
4.如權利要求3所述的監測特定腦區的暈動癥識別裝置，其特征在于，所述信號去噪模塊被進一步配置為：
5.如權利要求1所述的監測特定腦區的暈動癥識別裝置，其特征在于，所述特征計算模塊被進一步配置為：
6.如權利要求1所述的監測特定腦區的暈動癥識別裝置，其特征在于，所述識別模塊被進一步配置為通過如下方法確定設定閾值：
7.一種監測特定腦區的暈動癥識別系統，其特征在于，所述系統包括：
8.如權利要求7所述的監測特定腦區的暈動癥識別系統，其特征在于，對所述生理信號進行格式轉換，得到血氧信號，包括：
9.如權利要求8所述的監測特定腦區的暈動癥識別系統，其特征在于，對
10.一種存儲有指令的非暫時性計算機可讀存儲介質，其特征在于，當所述指令由處理器執行時，執行如下步驟：
...【技術特征摘要】
1.一種監測特定腦區的暈動癥識別裝置，其特征在于，所述裝置包括：
2.如權利要求1所述的監測特定腦區的暈動癥識別裝置，其特征在于，所述目標對象特定腦區的生理信號為目標對象在真實的交通工具內，通過佩戴近紅外腦成像系統設備所采集到的光強信號。
3.如權利要求2所述的監測特定腦區的暈動癥識別裝置，其特征在于，所述信號處理模塊被進一步配置為：
4.如權利要求3所述的監測特定腦區的暈動癥識別裝置，其特征在于，所述信號去噪模塊被進一步配置為：
5.如權利要求1所述的監測特定腦區的暈動癥識別裝置，其特征在于，所述特征計算模塊被進一步配置為：<...
【專利技術屬性】
技術研發人員：王黎靜，盧新達，趙彥锃，徐海鑫，蔡天旸，鄒雨楠，李潤豪，鄒佳瑩，賀紀陽，尚文珊，章駿，
申請(專利權)人：杭州市北京航空航天大學國際創新研究院北京航空航天大學國際創新學院，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。