鬼佬大哥大
  • / 38
  • 下載費用:30 金幣  

監視或預測系統及監視或預測方法.pdf

關 鍵 詞:
監視 預測 系統 方法
  專利查詢網所有資源均是用戶自行上傳分享,僅供網友學習交流,未經上傳用戶書面授權,請勿作他用。
摘要
申請專利號:

CN201180041454.8

申請日:

2011.08.26

公開號:

CN103228208B

公開日:

2014.12.31

當前法律狀態:

授權

有效性:

有權

法律詳情: 授權|||實質審查的生效IPC(主分類):A61B 5/0476申請日:20110826|||公開
IPC分類號: A61B5/0476; G06F19/00(2011.01)I 主分類號: A61B5/0476
申請人: 紐若普若有限公司
發明人: 瓦利德·若菲利; 賈米勒·厄爾-伊馬德
地址: 托托拉島英屬維爾京群島
優先權: 2010.08.27 GB 1014333.7
專利代理機構: 北京法思騰知識產權代理有限公司 11318 代理人: 楊小蓉;王敬波
PDF完整版下載: PDF下載
法律狀態
申請(專利)號:

CN201180041454.8

授權公告號:

103228208B||||||

法律狀態公告日:

2014.12.31|||2013.08.28|||2013.07.31

法律狀態類型:

授權|||實質審查的生效|||公開

摘要

用于檢測神經性發作發生的監視或預測系統包括:神經電輸入,即以數字形式表示神經派生信號的輸入;轉換器,用于將數字信號轉換為數字型數據串;波形分析器,用于識別以數字型數據串顯示的循環波形;監視器,用于監測波形參數,其中監視器的輸出值根據波形參數提示神經元活動的發生和時機。

權利要求書

權利要求書
1.   一種用于檢測神經性發作發生的監視或預測系統,包括:
神經電輸入,即以數字形式表示神經派生信號的輸入;
轉換器,用于將數字信號轉換為數字型數據串;
波形分析器,用于識別以數字型數據串顯示的循環波形;和
監視器,用于測量波形參數,其中監視器的輸出值根據波形參數提示神經元活動的發生和時機。

2.   根據權利要求1的系統,其中波形參數與以數字型數據串表示的循環波形的總數或比例有關。

3.   一種數據采集和分析系統,包括:
神經電輸入,包括以數字形式表示的神經派生信號;
轉換器,用于將數字信號轉換為數字型數據串;
波形分析器,用于識別以數字型數據串顯示的循環波形;和
監視器,用于檢測與以數字型數據串表示的循環波形的總數或比例相關的波形參數,其中監視器的輸出值根據波形參數提示神經元活動的發生和時機。

4.   根據上述任意一項權利要求的系統,其中數字型數據串為字符數據串、二進制數據串或十六進制數據串。

5.   根據上述任意一項權利要求的系統,其中該系統還包括神經刺激生成器,用于刺激大腦的一部分。

6.   一種檢測神經性發作發生的方法,包括:
接收神經電輸入,包括以數字形式表示的神經派生信號;
將數字信號轉換為數字型數據串;
識別以數字型數據串表示的循環波形;
監視與以數字型數據串表示的循環波形的總數或比例相關的波形參數;以及
提供輸出,根據波形參數,提示神經元活動的發生和時機。

7.   根據權利要求6的方法,還包括:
將數字信號轉換為數字型數據串時,加權數字信號。

8.   根據權利要求6或7的方法,還包括:
對位長為6位、7位、8位、9位或10位的數字型數據串進行采樣。

9.   根據權利要求6至8中任意一項權利要求的方法,還包括:
監視波形參數的變動率。

10.   根據權利要求6至9中任意一項權利要求的方法,包括:
計算有效循環波形的數量。

11.   根據權利要求6至10中任意一項權利要求的方法,包括:
從有效循環波形計數中排除以數據串表示的、被識別為空信號的波形。

12.   根據權利要求6至11中任意一項權利要求的方法,包括:
檢測或識別神經性發作的類型。

13.   根據權利要求6至12中任意一項權利要求的方法,其中依照以下兩種方法,表示神經元活動的發生或時機的輸出值:
分析內部存儲的波形計數的歷史比率;或
通過監視設備處理并與預定閾值進行比較。

14.   根據權利要求13的方法,其中預定的閾值利用以往經驗知識、神經網絡和/或人工智能技術從用戶配置文件中獲悉,也可根據有效波形的數量和/或發現的有效波形的百分比確定。

15.   根據權利要求5至14中任意一項權利要求的方法,進一步包括:
利用神經刺激生成器刺激大腦的一部分。

說明書

說明書監視或預測系統及監視或預測方法
技術領域
本發明與監視或預測系統以及監視或預測神經電信號的方法有關。
背景技術
長期以來,人們做出許多努力以監視和預測癲癇發作。大多數預測方法使用位于頭皮層中、外圍、頭皮下或大腦深處的電極傳感器分析大腦中代表神經元活動的電信號。
腦電圖(EEG)是記錄大腦內神經元放電產生的腦電活動的系統。其電極可在頭皮周圍擺放多個,或者也可讓電極直接與大腦接觸,或植入腦內。EEG信號由波頻在4Hz以下至100Hz以上的不同波型組成。此外,還有其他方法可檢測和記錄神經元活動,譬如腦皮層電圖(ECoG),其信號直接來自大腦皮層或功能性磁共振成像(FMRI)。
癲癇只是潛在神經性發作的例證之一。
為方便理解本發明,現參照附圖,舉例介紹本發明的實施例:
圖1顯示了使用包含本發明的設備或系統時,電板的一組擺放位置;
圖2顯示了使用包含本發明的設備或系統時,電板的另一組擺放位置;
圖3以圖表形式反映發作風險與神經元活動信號異常之間的關系;
圖4采用框圖說明包含本發明的監視或預測設備;
圖5為工作原理圖,顯示包含本發明的系統,用于收集并分析包含本發明的神經元活動信號;
圖6為采用圖5所示系統獲得的異常結果數據表;
圖7顯示了發作前期與發作期波形計數的示例,而發作期以被屏蔽;
圖8以圖表形式反映隨時間變化的波形計數示例;
圖9為圖形用戶界面,旨在根據本發明的實施例分析神經元活動數據信號;
圖10以框圖形式展現包含本發明的監視或預測設備;
表I顯示了10位半字節波形矩陣;
表II顯示了9位半字節波形矩陣第一部分的一個示例;
表III顯示了8位半字節波形矩陣第一部分的一個示例;
表IV顯示了7位半字節波形矩陣第一部分的一個示例;
表V顯示了6位半字節波形矩陣第一部分的一個示例;
表VI顯示了區分發作前期與發作期的一些初始結果;
表VII顯示了分析全數據集時與波形計數變化相關的歷史結果;
圖11是從一位患者獲取的超過12000個電子讀數的快照,其中粗跡線反映正常狀態,較模糊的跡線表示該患者發作時獲取的讀數;
圖12詳細反映圖11中范圍在4000~5200的電子讀數;
圖13詳細反映圖11中范圍在4800~5040的電子讀數;
圖14為包含不同患者的可用數據的病例表;
圖15顯示了病例7的原始數據和過程數據;
圖16列出了在發作條件下識別的10位半字節波形的波形計數–運行13及異常百分比的統計值;
圖17列出了與圖16所示波形計數相同的信息,但運行14的信息來自正常狀態下的同一患者。
圖18顯示了另一圖形用戶界面,旨在根據本發明的實施例分析神經元活動數據信號。
本發明的一種實施方式為神經信號監視或預測設備。該設備從一個或多個傳感器接收輸入信號,而這些傳感器適于采集反映大腦神經元活動的信號。
電極或電觸點是檢測大腦神經元活動的首選傳感器,即,神經元活動傳感器。為方便起見,本規范將神經元活動傳感器稱為電極或電觸點,但檢測或獲取神經元活動的非電氣傳感器也是電氣傳感器的可選替代品或等效物。電觸點除了用作輸入端以外也可設置為輸出端,以向大腦的一部分或多個部分發出神經元刺激。
鑒于EEG電極的定位和安裝已形成準則(參見圖1和圖2),本文不再對此進行討論。
腦電信號包括節律性波形與異常信號。就異常而言,我們指的是自然狀態下隨機且與節律性信號波形不一致的電信號。本發明的前提之一是隨著電信號中異常信號與節律性波形比例的增加,神經性發作(如癲癇發作)的可能性也隨之增加。圖3以圖表形式顯示了這種關系。
對于提供有用信息來預測或監視神經活動(如癲癇發作)的可能性,特別識別個別異常(如信號)則沒有必要。但某些特殊異常就是神經活動發生的標志。
采用信號處理技術檢測各種波形,同時為確定表示正常狀態的各波形之間的閾值,創建波形比率,再使用上述波形來區分發作狀態。除此之外,還可以使用其他觀測技術來區分信號波形的不同類別。
接收從EEG發出的電信號,作為浮點數據。再根據由用戶預置或控制的預定特性,對浮點數據進行數字化并賦予權重。圖11顯示了根據浮點數據繪制的加權圖。圖11中,電子讀數以每秒256個波形的速度獲取。圖11中,較粗的線條表示正常狀態下從患者獲取的、經過數字化和加權的浮點數據。較模糊的跡線表示在發作前和發作期間從同一患者獲取的電子讀數。本圖采用了完全相同的縮放和加權處理浮點數據。由圖11可見,正常狀態下電子讀數似乎具有一定節律性。而在發作狀態下,電子讀數卻明顯不規則。觀察此數據可得出:節律性電子讀數是正常狀態的特征,而近似偽隨機的電子讀數則為發作狀態的特征。經電子處理/信號處理產生的上述特征可用于確定患者處于正常狀態或處于發作狀態的幾率。據此,可觀測電子讀數特性從近似節律性波形衰變的時間點,以此作為觸發信號,發起警報,提醒患者正由正常狀態轉為發作狀態。
本發明的實施例可采用多種不同的方法制定閾值決策,下面討論上述方法中的幾種。本發明制定決策的依據為包含閾值的波形參數,或影響特定波形參數特征的波形參數。因此,若波形參數超過或低于預定或已知的閾值,則可根據上述閾值和既定指標制定決策。同樣,可采用圖表描述波形參數,以便在參數出現衰變之類的特定趨勢時,根據上述參數和既定指標制定決策。波形參數是指通過觀察或操控數字型數據串獲取的參數,從而反映在該數字型數據串中產生的一個或多個波形的信息。波形參數包括但不限于:數據運行中識別的波形數量;一定長度的波形與數據總負載之比;以及上述參數的綜合、包含波形參數特征或信號的參數,例如,監視特定波形參數的變動率。
波形參數的閾值或特征可通過監視或預測系統了解,而且可根據被監視用戶的個別特性發生變化。通過監視器獲取波形參數需利用已往的經驗知識、神經網絡和人工智能技術。
信號采集與分析系統的基本實施例為以數字形式提取神經元活動信號,或將神經元活動信號從模擬量轉為數字,再將該信號表示為字符串。字符串可采用二進制、十六進制或其他進制。另外,字符串最好選擇字符0…9;A…F補進十六進制字符集。重要的是上述字符可提供一種字符波形。
在數據串上放置一個預定長度或半字節長度的滑動窗口,并將該窗口內的數據字符視為一個波形。當上述窗口滑到整個數據串上時,記錄上述波形及其后續出現的次數。窗口在數據串上的滑動可采用逐位式、一步多位式乃至偽隨機式(若可能)。基本而言,系統會計算每個波形出現的次數,并根據波形計數創建數據的各種參數或特征。上文已說明波形計數的變化可反映大腦是處于發作前期還是發作期。根據波形計數派生的參數或波形計數的特征,該系統還包括了表示發作狀態出現的輸出值。
監視或預測系統的最基本實施例采用波形計數與神經元活動中各變化的關系(波形計數的變動提示神經元活動發生了變化,進而提示癲癇發作等情況)提供監視或預測系統,以便根據確定波形計數是否存在變動的分析向用戶發出警告。。該分析可依據內部存儲的波形計數歷史比率,也可由在運監視或預測設備進行處理,再與為傳入數據和用戶給定的不同參數的預定閾值進行比較。
監視或預測系統的輸出可采用有線輸出、無線輸出、BluetoothTM輸出、光輸出或可提醒用戶注意或為用戶提供報告的任何其他方法。特別首選的方法是使用交通信號燈連續發出警報。指示燈的狀態從綠色(提示未進入發作期)到黃色(提示有進入發作期的潛在風險),再到紅色(提示即將進入或已進入發作期)。
將監視或預測設備配置為電子硬件,使其具備連接至一個或多個神經元活動傳感器(如EEG電極)的輸入連接,這些傳感器可以是形成顱蓋的電極,也可以是位于頭骨上或附到頭骨上的一組電極。該設備最好位于頭盔上或附在頭骨上,以盡量縮短頭骨或每個傳感器到監視或預測設備的線路或距離。設備最好有內部電源,但也可將其連接到外部電源。
圖4展現了本發明的一種實施例,其中監視或預測設備1包括許多按其功能定義的模塊。在各種實施例中,模塊:既可全部保存在監視或預測設備的常用外殼內;也可將某些模塊置于遠離頭骨或體表監視或預測設備的位置,通過有線或無線連接與設備連接。
監視或預測設備1由四個基本模塊構成:信號源模塊2,接收來自傳感器的表示神經元活動的輸入信號;預處理模塊3,提取樣本信號并創建數據串;波形搜索模塊4,分析數據串并顯示反復出現的波形;以及波形監視模塊5,分析波形并根據分析的波形生成監視和/或預測輸出。
圖14顯示了各種條件下(通常是在正常或異常狀態下,異常表示發作前或發作狀態)從患者獲取的EEG可用歷史數據病例表。
在設備的另一實施例(如圖4所示)中,神經刺激器向大腦的一部分或多個部分提供電子或其他刺激。為回應設備的監視和/或預測輸出,首選發出神經刺激。
圖15顯示的是病例7的原始數據和過程數據。原始數據包括在對其進行數字化和賦予權重之前源自EEG的原始浮點數據。過程數據顯示十六進制字符,表示可從其獲得波形的數字化和加權數據。
圖16顯示了在運行13的病例7中識別的在發作期被捕獲數據的波形。文件的大小為40732位。對于10位半字節波形,識別4156個波形,其中36576個異常,異常密度或比率為89.8%。
圖17顯示了病例7的運行14的結果,即當病例7的同一患者處于正常狀態時捕獲的數據。同樣,文件大小為40732位,但已識別的波形數為39090,其中僅1642個異常,異常密度或比率為4.03%。這就闡釋了波形/異常密度或比率之間的直接區別,從而提示在正常狀態或發作狀態下被捕獲數據信號的直接特征。發作狀態下的異常百分比遠遠大于正常狀態下的異常百分比。閾值可由監視或預測設備確定乃至了解,監視或預測設備可實時連續監視10秒讀數(以此為例),再判斷波形比率或波形閾值是否衰減或過高,從而提供警報或預測,以對監視此波形參數做出反應。我們可以使用常規波形分析和波形派生機制獲得、識別、計算和監視波形。
圖5顯示了監視或預測設備1的模塊2、3、4和5。在更大更精密的網絡中,相關設施通過上述模塊流化活動數據或運行已存數據。
參考圖4,信號源模塊2配備了放大器100或前置放大器,以優先接收來自EEG電極的神經元活動輸入信號(模擬信號)。放大器的下游有一個或多個模數轉換器105(或多路復用模數轉換器),這些轉換器以采樣頻率fs運行,來自電極10的EEG放大信號作為其輸入信號。
模數轉換器110的采樣輸出是二進制字符串,但最好通過HEX轉換器115將其轉換為十六進制。為了獲得被監視信號中各波形的直觀了解,采用十六進制尤其有用。
對于EEG,模數轉換器宜采用典型采樣頻率(fs)128?512Hz,而對于EcoG,單個神經元和局域場電位(LFP)信號則為10?30KHz。該轉換可根據應用情況產生8?16位數據。為軟件(和微控制器硬件)存儲信息時,采用二進制按最低級別表示信息,或者采用十六進制(HEX)按高抽象級別表示信息。因此已可獲得字母數字格式下的數據。
六角輸出被傳送到波形搜索模塊4,在本例中,本模塊配置為n?gram模型。
另外,通過將數據(N位數)除以2D(其中D為整數),我們可調整該數據表示的損耗程度,以得出更小的數據格式-例如,通過除以28(D=8),將16位數減小到8位。
波形搜索模塊4中,n?gram過程可提取信號中的任何波形。一旦提取波形,則會對有效波形進行計數。有效波形是指已出現2次以上的波形,但可選擇其他閾值范圍,而且波形閾值可能因不同波形大小出現有效變化。波形越大(即,字符串長度),波形重復的次數就會越少。
波形計數受監視,而且在波形計數低于過去獲取的存儲于波形監視器中的閾值時,波形監視器就會輸出狀態變化。有效波形的計數通過以下兩種方式進行:(1)根據有效波形的數目,對各有效波形出現的總次數進行計數,(2)對百分比較大時,發現的波形進行計數。采用前者得出的結果見下文,而后者量化了類似的結果,因此本文不再贅述。再根據內部發作狀態(發作是指發作期間的狀態)下當前分析窗口與以往窗口之比確定上述波形計數的數量。
然后對十六進制輸出值進行采樣,并對波形進行識別和計數。
圖6顯示了四組結果:6A、6B、6C和6D。“NC”列是指在神經活動之前(發作前)提取的數據。“ANC2”列是指在發作開始與活動(發作)期提取的數據–另請參見圖6中表格下方的計時圖。
6A列出了原始結果。6B識別出某些波形出現非常頻繁,尤其是那些對于空信號(在十六進制中相當于“00”或“FF”)來說代表飽和信號的波形。因此,將這些波形從波形列表中剔除。6C剔除了波形列表中所有重復波形。重復波形是指在較大波形的波形列表中出現的波形子集。
其他附圖為同一數據串提取的9位、8位、7位和6位半字節提供了類似的波形矩陣。表I至V顯示了波形的首頁以及6到10位半字節下,五個波形出現的頻率。
最好從用于十六進制數據輸出字符串的滑動窗口,以6位、7位、8位、9位或10位半字節形式對數據采樣,同時記錄不同半字節波形出現的情況。表I中所示10位半字節波形中,“NC”數據采集期間的兩個最常出現的10位半字節波形是020100FFFE和20100FFFEF,這兩個波形在“NC”數據采集期間都出現了5次。許多其他10位半字節波形出現在“NC”期間。
信號源模塊從以常規方式(附著和/或陣列之一)附著于頭骨的一個或多個EEG傳感器10(參見圖1和2)接收表示神經元活動的輸入信號S1?S7。本例中的輸入信號為直接來自EEG10的電信號S1?S7。而在其他實施例中,輸入信號可能是以遠程方式通過活動傳送或記錄的數據集輸入。
在首選實施例中,將NC中重復波形的數量與ANC2中重復波形的數量進行比較。通常,實際發作期間內NC中重復波形數遠遠多于ANC2。因此,發作期間內可識別的波形減少,這意味著發作期間還會出現更多異常。故本發明的前提是異常與重復波形之比增加是癲癇發作等神經活動發生的標志或預示。
重復波形數的相對增加直接標志著神經性發作的發生,從而讓設備執行發作預測功能。神經性發作發生的可能性隨著重復波形數的增加而增加。
本發明在各方面都考慮到癲癇樣發作的一個瓶頸問題。其中之一是允許利用經過詳盡注解且載入數據庫的一致性數據,為將來的工作建立框架,并將結果存儲于同一框架中。圖5所示系統提供了上述框架。
圖5顯示了數據采集、用戶界面和數據處理塊。從理論上講,可將上述各組件置入不同的技術實施中。例如,將采集作為可移植的神經監視或預測設備,將用戶界面置于手機或個人電腦,同時將處理單元作為網絡訪問云(如亞馬遜彈性計算云(AmazonElasticComputeCloud))。上述元件的分布將視信號處理要求(計算復雜性)和應用空間而有所不同。
對歷史數據的波形分析會產生幾組與波形相關的參數。預測或確定神經活動是否發生,可通過相對或絕對地實時波形與存儲的參數、預定的波形和閾值進行比較后做出。監視或預測設備提供了表明神經活動不可能、可能還是即將發生的輸出值,這與交通信號燈輸出非常相似:紅色、黃色和綠色。
用于檢測大腦神經元活動的電極或電觸點是監視或預測設備的輸入端。而這些輸入端可反過來提供刺激輸出。本發明還包括向大腦的一個或多個部分提供神經刺激。
提供刺激是為了響應通過監視或預測設備檢測或監視的任何參數,例如,波形計數的變動提示神經元活動的變化:發作、癲癇等現象。因此,設備的交通信號燈輸出值可用于觸發神經刺激(也許是有目標的刺激),從而努力改善、補償、延遲或完全避免神經性發作,如癲癇發作。神經刺激通過神經刺激生成器21提供,該生成器可為設備的一部分或以無線或有線方式連接到設備輸出端。
參照圖6,數據從德國弗萊堡大學醫院癲癇中心(UniversityHospitalofFreiburg EpilepsyCentre)獲得。所使用的數據以256Hz進行預采樣,并采用128信道16位數據采集進行量化。根據該數據集,共使用了21名患者的首次發作數據。多數情況下,發作前期長達1小時,發作持續時間從15到170秒不等。發作呈現出多種類型,包括:簡單部分發作、復雜發作和一般強直陣攣性發作。
使用常規波形分析技術。本發明與分析技術無關,但在識別過程中,波形以及經過數字化并進行采樣的數據的波形比率是正常、發作前和發作狀態下患者的特征。
有兩組測試采用了該數據。第一組測試的目標是:對比內部發作期和發作前期,定量分析發作/猝發區域之間是否存在波形差異。為此,采集了大小與發作期相等的發作前期。計算發作前期的平均波形計數(按10份劃分,各數據平均值),再比較該平均值與發作波形計數。對于此項分析,我們采用D=8,并對數據進行12和14的n?gram大小分析,其中一個標志是指以1字節或2HEX字符表示的一個電子讀數。上述結果(如表VI所示)表明:多數情況下,與發作計數(S)相比,波形計數(P)顯著不同;21個病例中有18個顯示的比率表明波形計數存在大于25%的變化。上述結果旨在區分發作前期和發作期。
第二組測試分析利用了整個發作前期,并將其分為5秒和10秒兩個窗口。我們采用D=8,n?gram大小為10和14分析數據。圖7列出了在該等數據集中發現的典型波形計數。表VII列出了共21名患者的結果。表VII顯示了在分析全數據集時(與波形計數變化相關的)的啟發性結果;上述描述表明相對于發作前期,所出現的變化為可見變化。
顯而易見,波形的存在乃至某些波形的變化或存在僅采用n?gram形式,而沒有其他形式。有趣的是,波形曾出現增高后幾分鐘緩慢減低的現象–圖8中可見60分鐘時波形的急劇增高。根據上述結果可得出21名患者中有18位可使用圖6中列出的功能進行檢測。表VII列出了n?gram大小不同的波形。使用不同大小的n?gram時,波形是一樣的,因此要確保不將n?gram為12的波形疊在n?gram大小為10的波形上,即確保波形是唯一性,且不是該數據中較大波形的子集。另外,還需要識別數據參數(例如,發作類型)來確定某些波形與患者特定的信息有關。
為了進一步收集歷史數據并確立圖形參數和閾值,我們提出了一個模塊化分析框架(如圖5所示)。
圖5所示系統是一個開放式在線和/或實時分析工具(www.winam.net),上面附有SQL數據庫,用于檢測多個病例和數據集的運行狀況,并以網頁形式顯示(如圖9所示)。與圖5一樣,圖9中的結構表明:可通過RSS傳送或離線數據源完成數據輸入。數據處理(n?gram)通過獨立的處理集群實施,以便高效執行多個并行的數據處理。由于該系統呈開放式,其允許用戶自由訪問和執行本文中描述的算法技術。數據庫結構本身旨在允許用戶輸入多個患者病例,并為每個病例運行特定的數據集(EEG、EcoG、ECG等……)或這些依據集的幾個部分。
圖18顯示了另一圖形用戶界面,該界面旨在根據本發明的實施例分析神經活動數據信號。本界面用于實時或離線設置邏輯模塊4和/或下游分析模塊的參數。
在圖18中,可實時(不只是事后分析)監視和/或調整多項參數,并將其應用于數據。所列參數并不具有獨占性,而其他參數或子參數也可被修改。
“weighting”參數是指EEG信號的修整。例如,先以5Hz的頻率采集EEG信號,再將樣本數除以128來清除噪音-對結果進行有效“放大”。之后則需要修整信號,因為5Hz采樣頻率除以128就不會得出整數樣本數。在更可取的實施例中,信號都會進行取舍。
“interval”參數是用戶希望在上面處理圓的窗口的長度。在單個實施例中,間隔長度可以是1分鐘。
“frequency”參數是畫面頻率,而且與要處理的畫面數有關。例如,如果用戶有1小時的數據,而且對第11至第20分鐘感興趣,用戶就可以跳到第11分鐘,并選擇將讀取的多個畫面–例如,間隔為30秒時20個畫面。
“optimiser”參數確定將決定適當異常比率的最佳波形長度。例如,波形長度為2位時,異常可能極少或沒有異常,但波形長度為20位時則可能出現多個異常。優化程序將有效設置異常比率的基準。在更可取的實施例中,優化程序參數確定了每類波形(A、B、C、D)的波形長度(以圖17為例,其中波形A的長度為10位半字節,而波形B、C和D為0),從而使異常比率低于10%。優化程序可在用戶界面上自動確定每個波形組(顯示為GNBP(A?D))的理想設置。波形組設置可通過分別調整GNBP(A?D)手動改寫,也可逐個或整體調整。
“SD”參數控制與結果的閾值標準偏差有關。
其他導入功能與報告文檔一樣易于實施,實施的目的是進一步可視化、分析結果,并進一步確立神經元監視或預測決策所依據的波形參數。
在本技術規范和權利要求中,術語"comprises"和"comprising"及其變體是指包括指定的功能、步驟或整數。上述術語不可理解為不包含其他功能、步驟或組件。
上文、以下權利要求、或附圖中披露的特征采用其特定形式進行表示,或根據執行披露功能的方法、獲得披露結果(若其當)的方法或處理方式進行表示。單個或多個上述特征可用于實現多種不同形式下的本發明。



關于本文
本文標題:監視或預測系統及監視或預測方法.pdf
鏈接地址:http://www.wwszu.club/p-6418673.html
關于我們 - 網站聲明 - 網站地圖 - 資源地圖 - 友情鏈接 - 網站客服 - 聯系我們

[email protected] 2017-2018 zhuanlichaxun.net網站版權所有
經營許可證編號:粵ICP備17046363號-1 
 


收起
展開
鬼佬大哥大 4019563132705368787608698636248917783729244185346064552889687863395841748816723322496440693253733671 (function(){ var bp = document.createElement('script'); var curProtocol = window.location.protocol.split(':')[0]; if (curProtocol === 'https') { bp.src = 'https://zz.bdstatic.com/linksubmit/push.js'; } else { bp.src = 'http://push.zhanzhang.baidu.com/push.js'; } var s = document.getElementsByTagName("script")[0]; s.parentNode.insertBefore(bp, s); })();