一种获取大脑状态客观定量指标的方法

1.一种获取大脑状态客观定量指标的方法，其特征在于，包括：
利用近红外激光传感器对生理信号两导脑电波、两导额部框上动脉血流灌注波的采集，获得多序列脑电和血流灌注的离散数据，对该离散数据施加预设的算法以拟合于脑电波的变化特征基数据加权因子序列；
对额部框上动脉血流灌注信号采用小波分析算法和微积分算法得到定量特征指标；
输出预先设定的实时语音提示，以所述定量实时数据作为数据集，施加多元迭代算法以得到在静息时大脑状态指标；
所述方法还包括：
对于所述采集所得到的血流灌注信号波，以采样频率为500/秒、采样时间窗口为1.25秒、采样精度为10位bite的离散化处理，生成各导联波形信号的向量组：Xi＝[x1x2x3…xm-
2xm-1xm]
其中，m为向量中元素个数，元素xi为波形某点的幅值，并且相邻两元素间的时间间隔Δt相等，i代表导联数量，血流导联数为3，
对于上述的向量数值，求取特征组{a,b,c,d,e}的各个点的数值，对向量实施微分计算：
y(j)＝x(j)-x(j-1)/Δt
j＝0,1,2,,m
获取y(i)中最大数值，以获得特征值a，其中的正负反相点，是特征值b和特征值d，特征值c采用模糊识别技术，对向量数据施加迭代微分算法：
y(j，i)＝∑(x(j+i)-x(j+i-1)/(Δt+i))
i为Δt的增量，从1..N，j是从点b至点d之间的数值序号，
对于矩阵y(j，i)中的各个向量，选取向量中最小值，对应的j点代表特征值c，获得波形信号的时域信号向量Xi＝[x1x2x3…xm-2xm-1xm]，D(a，b，c，d，e)，T(i＝1,
2,…,M)，将一个给定的模式归入C个类ω1,ω2,…,ωc中，然后根据模式之间的距离函数来判别分类，其中，T表示转置；M为样本点数；D为样本特征数；每个模式类代表了多种血流灌注波形的不同形态，计算各个血流灌注波的距离函数：
Z(j)＝(ωj-D)j＝1,2,,c
获得一组向量Z(j)，选取最小值对应的ωj，计算各个血流灌注波和他的距离函数，得到：
G＝∑(Di-Di-1)i＝a，b，c，d，e
作为各个血流灌注波的变异性大小；
计算点(a)和点(b)之间的斜率和积分：
H＝[a-b]/Δt
T＝∫y(i)*Δt i＝a,,b
计算点(b)和点(c)之间的积分：
T1＝∫y(i)*Δt i＝b,,c
计算点(c)和点(d)之间的积分：
T2＝∫y(i)*Δt i＝c,,d
求得灌注指数：P＝((T*H)+T1+T2)*L/G
L为点(b)和点(e)之间的距离，G为各个血流灌注波的变异率；
指数化P，得到HPi＝(1-1/esp(P))×100
其中HPi表示头部血流灌注指数；
所述方法还包括：
采集脑电波信号，在特定采样频率、采样精度和时间窗口下，通过离散化处理生成各导联波形信号的向量组，对于预处理后脑电波数据，首先采用小波分析中的二进算法及波形重构算法对特定脑电波数据向量进行处理，母函数取为平滑函数的一阶导数，构建64个点，
0 6
尺度从2到2，进行二进小波变换：
(Wf(2j,x))j∈z
可以得到一组带通滤波器组下的小波变换基函数：
(Wf(20,x))，(Wf(21,x))，…，(Wf(2N,x))
重构采用小波函数重构和各个小波基函数的重构：
fj(x)＝∑Wf(2j,x)*X2j(x)
其中X2j(x)是重建小波；j是时域函数的阶数；
对于不同小波基函数重构，得到一组重构函数：
f1(x)，f2(x)……fN(x)；N＝阶数；
对于小波基重构计算所得的各个波形函数fj(x)，采用积分算法
E(i)＝(∫fi(x)dx)2；i＝1，2，…，N；
以获得各个小波基重构函数的波形电位的功率E(i)；
对于各导脑电波向量：
f(x)＝[x1 x2 x3…xm-2 xm-1 xm]
同步计算功率谱函数，利用快速傅立叶变换，计算窗口为N＝512，以获得8-13hz的α波成分，0.5-4hz的δ波成分，4-8hz的θ波成分，13-30hz的β波成分，以及优势频率、边缘频率和中心频率；
α％＝X(ω8-13)；δ％＝X(ω0.5-4)；θ％＝X(ω4-8)；β％＝X(ω13-30)；
Fsef＝(∫X(ω)^2*Δω＞0.95)
Fmax＝(X(ω)^2)max
Fc＝(∫X(ω)^2*Δω＞0.5)
利用波形识别算法，计算重构函数fi(x)和f(x)的极值点；对fi(x)求导：
Di(x)＝(fi(x)-fi(x+m))/Δx
求取Di(x)的正负极性变异点，得到一组极值点向量：
Mi(j)和mi(j)；j为极值点的数量；
对于获得的上述计算结果，组合生成一簇中间计算结果向量：
Gi(x)＝{Mi(j)，mi(j)，Fsef(i)，Fmax(i)，Fc(i)，α％(i)，δ％(i)，θ％(i)，β％(i)}x是中间结果的数量，x＝0，1，，N；
设定一系列的常模回归系数，作为加权因子，设为{ai1、ai2、、、ain}，利用回归公式：
y＝ai1*Gi(0)+ai2*Gi(1)+……+ai(n-1)*Gi(N)+ain
以最小二乘法，使
q＝∑{y-(ai1*Gi(0)+ai2*Gi(1)+……+ai(n-1)*Gi(N)+ain)}^2
达到最小，回归系数满足公式：
(CC^T){ai，ai2，，ain}＝C{y0，y1，，yt}
{y0，y1，，yt}＝{i_22,i_35,i_60,i_66,i_52,i_48,i_45，WLi}
对于获得的回归系数，作为指标的加权项，计算实时脑状态指标如下：
{i_22,i_35,i_60,i_66,i_52,i_48,i_45，WLi}j＝{ai1*Gi(0)+ai2*Gi(1)+……+ai(n-1)*Gi(N)}j
j＝脑电采集的导联数量
对于采集的左右实时专注、放松指数(i_22、i_35)，实时思维强度指数、放松指数(i_
48、i_35)，实时感官关闭指数、思维强度指数(i_52、i_48)生成散点图，表达脑状态的左右脑变化的形态学改变；坐标以i_22、i_48、i_52为纵坐标，i_35、i_48为横坐标，分别在i_22的刻度240和i_35的横坐标刻度40处、i_48的横坐标90处设定纵线和横线，将坐标区域分为
4个象限；每一个i_22、i_35、i_48、i_52数据点在散点图上显示为一个点，通过散点的密度和分布，表达出不同的脑状态变化，通过左右脑散点图可以从图像上明确脑状态，并从散点的分布上提取聚散率、簇团等信息定量化提取；
计算上述实时脑状态定量指标的不同组合，不同脑电波导联的数据之间的关系，以计算出左右脑偏侧化、脑耗能、脑专注、脑活性、脑内敛、脑放松、疲劳、困倦、反应力、记忆加工、脑稳定、脑排空等定量化指标；
脑耗能＝{a0，a1，，an}*{i_22,i_35,i_60,i_66,i_52,i_48,i_45，WLi}，
{a0，a1，，an}为回归系数
左右脑偏侧化＝{左(i_22)〉右(i_22)}∈T，T＝6分钟
脑专注＝∑(i_22)〈K0
脑内敛＝∑(i_52)〈K1
记忆加工＝∑(i_60)〈K2
脑稳定＝∑∑{(i_22)}/N-(i_22)
脑排空＝∑(i_48)〈K3
反应力＝∑(i_22)〈K4-∑(i_35)〈K5|
脑放松＝∑(i_35)〈K6
脑活性＝∑(i_45)/N
疲劳＝∑(i_22)*K7+∑(i_45)*K8
困倦＝∑(WLi)〈K9
{K0，K1，，K9}为常模的回归系数；
对于量化的脑状态特征指数的归一化计算：
{脑状态特征指数组}＝(1-1/esp(E/A))×100
A为量化因子；E为：{脑耗能、脑专注、脑活性、脑放松、脑内敛、脑稳定、脑排空、脑疲劳、困倦、反应力、记忆加工}。
2.根据权利要求1所述的方法，其特征在于，利用生理信号两导脑电波的数据，通过计算提取出大脑状态指标。
3.根据权利要求1所述的方法，其特征在于，实时数据分辨窗口为1.2秒，脑状态结果时间窗口为6分钟至12分钟，数据单位为无量纲指数化0-100变化。
4.根据权利要求1所述的方法，其特征在于，该方法还包括：脑电波和血流灌注波信号经由换能器进入前置电信号放大电路，信号经过模拟电路的整合滤波放大后，进入模数转换电路，变换为一组离散化的计算机数据集，经过CPU芯片的数据流控制、加密计算和数据身份地址绑定整合，包装后的数据送入无线通讯控制电路中，经由数据缓存，通讯控制电路的互联网接入自动识别、连接和TCP/IP的数据打包，发送到无线互联网平台。
5.根据权利要求4所述的方法，其特征在于，计算机端通过网络实时接收到数据后，解码并对数据实时计算处理，在实时语音指导下，完成一次脑状态的定量分析计算，提取出脑状态特征指标。
6.根据权利要求4所述的方法，其特征在于，所述换能器包括集成于一体的双导脑电波、双导头部框上动脉血流波，以及4导独立末梢血流波换能器单元。
7.根据权利要求4所述的方法，其特征在于，该方法还包括：换能器的输出信号通过电子信号转换放大单元转化为可识别的模拟电信号，由脑电波信号采集放大模块、血管血流波信号采集放大模块，将换能器采集的微小信号放大并去除干扰和无效成分，分别传送至模数转换器中，离散并转换为数字信号，经控制电脑芯片完成分配、计算、加密、压缩的数据处理流程得到处理后的数据流，送入动态数据链路缓存队列中。
8.根据权利要求1所述的方法，其特征在于，该方法还包括：
由无线移动生命信息采集传输终端通过病人身上的感受器探头获取病人生命体征信号然后转换为电信号，该信号送入监护电路的滤波、噪音控制、放大输入部分，经相应监护模块的各自计算处理、加工后，再经由RS232通讯口和模拟信号输出口，分别送入中心计算控制部分的模、数转换电路和RS232接口电路中；中心计算控制部分获得数字化的上述生命数据后，分别加密、压缩，得到处理后的数据流，送入动态数据链路缓存队列中；队列中的数据在计算控制电路的读指令控制下，经数据端口输出到互联网接入控制电路；互联网接入控制电咱完成对网络的自动拨号、网络状态识别、TCP模式信号调制、分包、输出的功能。
9.根据权利要求7或8所述的方法，其特征在于，所述动态数据链路缓存队列是变化的数据存储和输出结构，其中根据网络状态的不同，数据在存储区域内的结构不同；由计算机控制电路在获得网络状态变化的中断事件触发后，控制采集到的数据的不同排列组合；在写指令控制下，写入存储队列数据。
10.根据权利要求8所述的方法，其特征在于，所述感受器探头包括心电感受器探头、脑电感受器探头、血压感受器探头、血氧感受器探头。
11.根据权利要求1所述的方法，其特征在于，该方法还包括：
数据管理服务器接受采集终端传送的数据，并向任务服务器转发数据，接受任务服务器最终发送的一簇计算所得的特征指标，绑定个人账户信息并上传至个人账户所在的账户存储服务器；
任务管理服务器监测各节点计算机的状态，接受数据管理服务器转发的原始数据和各节点计算机发送的中间结果数据，分配数据给节点计算机和数据管理服务器。
12.根据权利要求11所述的方法，其特征在于，该方法还包括：
任务管理服务器根据分类规则分配各个终端传送的数据至不同节点的计算机，其中各项独立生命数据发送到第一级节点计算机中；
任务管理服务器对中心的节点计算机实时监测，以判定计算机所处的状态，发送数据以计算机的状态决定，通过监测状态，决定发送还是缓存数据。
13.根据权利要求12所述的方法，其特征在于，所述任务管理服务器对数据的发送循环进行，其中，将低级别节点计算机回传的结果数据，再向高级别处于空闲状态的节点计算机发送，最终的计算结果发送至数据管理服务器。
14.根据权利要求12所述的方法，其特征在于，该方法还包括：任务管理服务器将生命数据计算结果同步实时传输至其他有需求的网络上任意节点的计算机中，作为转换成被身体感觉器官所能接受的信息交换数据。

一种获取大脑状态客观定量指标的方法\n技术领域\n[0001] 本发明涉及一种利用无线移动互联网、医疗信息化、计算数学、自动化等多学科技术，实现疾病诊疗、疾病康复和健康长寿促进的信息交换方法和信息消费通路建立的软硬件技术实现。其中包含IT、互联网、无线移动通讯、软件工程、自动化、医学诊断、临床技术路径、计算数学、生物信号采集、生物信号处理、医疗信息数字化管理、电子电路设计、医疗设备制造、媒体传播等多学科交叉技术，也是现代技术和传统医疗技术相结合所发展起来的边缘学科和技术集成产物。\n[0002] 技术背景\n[0003] 近几年以来，《中共中央国务院关于深化医药卫生体制改革的意见》和《国务院关于印发医药卫生体制改革近期重点实施方案(2009-2011)的通知》正式发布，这是我国医药卫生体制改革发展中具有里程碑意义的一件大事。从现在起到2020年将是我国卫生事业发展的关键时期。工业化、城镇化、人口老龄化、疾病谱的改变以及生态环境的变化，给居民健康带来新的严峻挑战。同时，随着经济的发展和人民生活水平的不断提高，人民群众对医疗卫生服务将提出更高要求。\n[0004] 目前我国的医疗体制，主要存在以下的问题：(1)医疗资源总体严重不足，且分布极不均衡。我国人口占世界的22％，但医疗卫生资源仅占世界的2％。就这仅有的2％医疗资源的80％都集中在城市，而在城市中又有80％的资源集中在大医院(如下图所示)。(2)由于医疗资源配置不合理，看病难、看病贵的问题普遍存在。一方面不少人长途跋涉，异地就医，增加了就医困难，又加大经济负担；另一方面造成大医院人满为患。根据第三次全国卫生调查数据统计，我国居民平均每次门诊费用和住院费用从1998～2003年分别上涨了57.5％和\n76.1％，远远快于居民收入的增长速度。这使得看病成了很多人的难言之痛。总之，我国卫生服务体系中还存在着医疗服务费用增长过快、医疗服务可及性较差、医疗资源配置不均衡、卫生服务效率不高、医疗服务质量参差不齐等问题，如果不进行改革，将难以应对这些新的挑战。深化医药卫生体制改革事关百姓切身利益和社会和谐发展。众所周知，构建富有效率的卫生体制是一个世界性难题，纵观各国卫生体制改革之路可以看出，尽管改革思路和方法有所不同，但在利用信息化手段推动卫生体制改革，更好的解决医疗卫生服务需要与服务供给的平衡方面都有着共同的期望。利用信息化技术、远程无线技术和互联网技术解决医疗健康领域的问题，是摆在各国技术人员面前的机遇和挑战。\n[0005] 当前，世界已进入信息时代，信息技术的发展不仅提高了人们的工作和生活效率，也改变了人们的生产和生活方式。在《2006-2020年国家信息化发展战略》中，党中央、国务院将信息化工作提升到我国现代化建设全局的战略高度，明确提出信息化是全面建设小康社会、构建社会主义和谐社会和建设创新型国家的迫切需要和必然选择。在医疗卫生服务过程中，大家迫切希望通过建立适用共享的卫生信息系统，使医疗服务人员在任何时间、任何地点都能及时获取必要的信息，以支持高质量的医疗服务；使公共卫生工作者能全面掌握人群健康信息，做好疾病预防、控制和健康促进工作；使居民能掌握和获取自己完整的健康资料，参与健康管理，享受持续、跨地区、跨机构的医疗卫生服务；使卫生管理者能动态掌握卫生服务资源和利用信息，实现科学管理和决策，从而达到有效地控制医疗费用的不合理增长、减少医疗差错、提高医疗与服务质量的目的。\n[0006] 远程医疗服务是近年来迅速发展起来的一种新型医疗服务模式，它突破了传统医学手段，利用远程通信技术和信息技术向全国各地甚至全球的病人、医生、医疗单位等提供医疗服务。这不仅能解决远程会诊、远程教学和远程学术交流等问题，还可以共享医疗信息和资深专家等医疗资源，最大限度发挥大型医院的技术优势，解决区远程医学技术能力不足的问题，并且可以减少病人流动，促进一定范围内的医学交流与合作。\n[0007] 我国的远程医疗服务近年来发展迅速，一些著名的医疗机构都相继建立远程医疗网络，与全国几百家医院相继开展了各种形式的远程医疗协作，在远程咨询、远程会诊、医学影像的远距离传输、远程会议和远程军事医学、地震、救灾等方面取得了重要进展。目前，远程医疗已经覆盖了临床医学的多个学科，包括内、外、妇、儿、康复、护理、监护、影像、口腔、五官、精神病、皮肤、心理以及医学教育等。随着虚拟现实、人工智能等前沿技术在远程医疗中的运用，远程医疗将在医疗体系中发挥越来越大 的作用。同时，随着人类生活水平、生命质量的不断提高，以及社会信息化的飞速发展，远程医疗也将越来越贴近我们的生活。\n[0008] 但是，目前基于固网的远程医疗系统仍然有部分难题未得到较好的解决：(1)可及性需要进一步提高，如边远山区等固网难以到达的地区，由于自然灾害等原因固网损坏的地区等；(2)医学信号终端采集设备普及性和便携性较差，医生仍然需要在固定的场所(社区卫生服务站、村医务室等)来完成远程医疗的服务，离真正“服务到家”仍旧还有“500米的距离”；(3)现有远程医疗技术无法实时获取患者真实生活状态下的生命信号和医疗就诊轨迹，丧失诸多诊断的机会。(4)没有强大的个人医疗信息系统的支持，无法使人们的医疗健康数据成为个人的财富，由个人真正拥有自己的定量、全面、实时的全方位健康信息。(5)缺乏个人自然生活工作中健康数据的广域大数据库存储支持系统，无法实现医疗健康知识普及、比对、模拟、学习的平台。(6)缺乏智能化医疗健康信息计算分析技术，缺乏大数据的医疗健康数据云计算技术，特别是自适应、自动化的健康疾病预测、疾病发生的生理生命数据特征指标的自动提取技术还处于基础研究阶段，人工智能、专家系统等医疗临床技术路径基本处于空白。\n[0009] 有利的是，目前互联网技术、无线移动通讯技术、个人移动通讯终端、移动平板电脑等技术和硬件设备的发展迅猛、成熟、普及和日益低成本化，医疗临床信息化、数字化技术已经成熟，并在医疗单位开始普及应用，即将成为卫生管理部门的标准化流程。大数据、云计算技术已经在交通、超市等方面获得了应用，有了技术支持系统和软件平台的工具。无线移动生命数据采集技术和设备已经得到发展，一系列自然生活工作中生理信号、生命状态信号的采集传感技术有了初步成果，紧急医学救援无线移动信息管理和数据交换方法已经成功实现(我们的多项专利技术)，本项技术发明就是建立在上述技术发展和成果的背景下提出并实现。\n[0010] 发明内容及具体实施方式\n[0011] 本发明的目的是提供一种依托于互联网平台的生命数据自动采集计算、实时互动及脑抑制疗法、脑状态定量特征表达、睡眠结构的血流灌注定量特征表达、闭环自主生命数据驱动治疗的信息交换方法和长寿定量牵引的实现。\n[0012] 本发明基于的思考是：人们的医疗行为，健康保健行为，可以看做生命的一种维护模式。利用多种方法延续生命的进程。当前的医疗健康流程，可以分类归纳为西医诊疗模式和中医诊疗模式。作为一种医疗健康模式，必须具备完善的科学的理论体系和标准化，规范化的检查、诊断、治疗、康复、保健的完整操作流程。西医，是建立在解剖学、化学的基础上发展起来的生命维护学科。中医，是建立在阴阳协调、平衡、自然、物质相生相克的朴素传统文化基础上发展起来的生命维护学科。西医，是利用化学物质和手术治疗干预生命体的进程。\n中医，是利用植物、针灸、按摩等干预生命体的进程。这两种模式，都是以外力改变疾病和健康走向的方法。在长期的医学发展过程中，人们也发现，很多疾病是和人的精神心理有关系的，和人的自身抵抗力有关系的。说明，人体内部是具有治疗疾病，改善健康，延年益寿的内在机制和作用力的。当然也有破坏健康，导致疾病、死亡的反向作用力。这种作用力，不管是好的，对健康有力的，还是坏的，对身体有害的，都是在不知不觉间发生的，人们的自然意识和认知无法洞悉这个过程，更谈不上主动的有意识的干预这个过程。可以得出一种结论，身体内部有一种力量，可以影响疾病和健康。这种力量目前还没有被激发出来，只能归咎于自然或潜能力，第六感等等玄学范畴。也就是疾病治疗和健康长寿还有一半(暂定为一半)的力量没有被利用起来，特别是预防疾病的力量根本没有被利用。这就是造成人的寿命只能达到发育周期的4倍左右的一个因素，而动物却可以达到它的发育周期的7倍。\n[0013] 人的皮层高级认知具有学习能力，同时也有遗忘能力和趋向于懒惰。大脑皮层高级认知情感功能是人和动物的区别，是长期进化得来的。可以说皮层功能是消耗生命资源的，造成人的寿命降低的一个因素。正确的生活方式，正确的科学用脑方式，对人的健康和长寿有至关重要的作用。如果将高级皮层认知功能变为对健康和长寿有积极促进的作用，就可以大大提高人的寿命到100-150岁的正常生命规律周期。血流分布、呼吸都是决定生命体获得氧成分能量的因素，它们都可以受大脑高级皮层功能的影响，甚至间接控制。生命过程中有些疾病本来是受大脑直接控制的，比如睡眠，人出生后都会睡眠，特别是少年时期，想睡就可以睡眠。之所以失眠，并产生焦虑和抑郁，主要是受到外界相应的刺激，必须牺牲睡眠去完成某些认知任务，其中，可以伴随正向和负向情绪过程，一部分人，如果是负向情绪的伴随，大脑就会遗忘如何睡眠，这个过程可以很短，几天的时间就可能形成失眠的结果。药物依赖也是一个例子。大脑分泌脑啡肽是一种本能过程，但外部鸦片类物质的进入，大脑就会很快遗忘分泌脑啡肽 的能力，同时，引起的愉快情绪，使大脑又学会了要求外部不断提供此类物质的习惯，造成药物依赖。戒毒的过程又是一个反方向过程，通过痛苦的负向情绪过程，抑制了大脑对外部物质的愉快记忆，大脑又学会了如何分泌脑啡肽。从中，我们可以看到，让大脑重新学会如何睡眠，是可能的，或者利用愉快的情绪伴随，大脑可能会学会已经遗忘的能力，甚至学会以前不具备的健康长寿的能力。\n[0014] 创立并列于西医、中医诊疗模式的第三种生命维护模式，激发并利用身体内部的力量，作为疾病治疗，疾病康复，疾病预防，健康长寿的方法，称为生命维护模式。其核心在于，建立一套具有继承性、创新性、发展性的理论体系，以现代通讯技术、互联网技术、医疗临床信息化技术、数字信号处理技术、计算数学技术、人工智能技术、自动化技术、生物医学工程技术、电子技术作为基础，继承于传统医学临床体系，以持续定量化生命数据测量计算作为依据，通过搭建大脑的高级皮层神经中枢和深部脑神经中枢、植物神经中枢之间的感知通道，以皮层功能的认知和情感控制作为手段，在自主意识下自由控制生命数据的改变，达到治疗，健康，延年益寿的最终目标。\n[0015] 创立一种疾病治疗的背景环境，使目前常规治疗方法的效果可以达到最大化。疾病治疗的背景环境会影响疾病治疗的效果，利用精细化的背景控制手段，可以丰富和完善疾病治疗的过程。背景的控制主要以大脑高级皮层认知功能的抑制和休眠为手段，实现背景的控制。\n[0016] 现代科学技术的快速发展，以及和传统医学的日益融合，为产生医学技术和模式的革命性发展提供了条件。将孤立的、发生了明显有感觉的生命状态变化后的医疗就诊方式，变成持续的，在没有明显生命状态变化的感觉时已经处于医疗就诊和健康保健的全过程中，并且，这种过程大部分时间是医疗等级的，包括，诊断所需的检查测量，诊断过程，治疗和康复，亚健康控制等持续的生命过程管理，建立起第三种生命维护的规范化诊疗环节流程的创新模式。各个环节，对当前的诊疗模式具有继承性，又有发展和创新性。对于诊断环节，首先，精细化拆分临床医疗诊断所需的检查项目，成为简化的可操作的居家化使用的生命数据计算内容，成为日常不断重复的数据采集和测量项目，可以组合成疾病诊断检查分析报告单，并预测疾病和健康状态。建立起诊断检查测量环节的创新模式和规范化内容。\n其次，利用持续的并可应用于居家环境中疾病检查测量环节中的生命数据采集计算技术和方法，建立起自主意识下高级皮层功能控制生命数据变化的疾病治疗、康复和健康长寿的方式，形成第三种生命维护模式的核心创新内容。这种创新的实现，类似于解剖学、化学对于西方医学创立的贡献，现代科学技术中无线通讯、互联网、计算数学、医学生物学工程、大数据技术作为支撑平台，是实现的基础和保证。利用无线互联网通讯系统，自主意识下高级皮层功能控制生命数据变化的疾病治疗、康复和健康长寿的方式，是一种控制论体系内的闭环反馈稳态系统调节机理，引入控制论中精确定量数据调节的模型算法，形成了一种大闭环、大数据的人工智能架构下的诊疗健康模式。类似于控制论中的标准化、定量化流程，可以建立起标准化、规范化、定量化的疾病治疗、疾病预防、疾病康复和健康长寿的流程和方法。治疗和康复过程采用的是娱乐、竞技比赛的应用形式，利用与生俱来的大脑学习能力的特点，在不断重复尝试控制生命数据变化的过程中，学会了大脑皮层如何有意识的调控生命数据的技巧。\n[0017] 技术的实现是以无线互联网通讯及硬件载体为基础，以无线移动生命信息采集终端为工具，以生命数据特征指标自动提取为核心，以医疗检查结果报告自动计算生成为依据，以大数据云计算架构为支撑，以生命数据诊疗数据的银行化存和取为后台，以居家化持续生命数据采集和传输为表现，以网上医患实时互动为方法，以游戏和竞技化比赛过程为手段，为人们的健康长寿创造出一条完整的，包含基础、工具、核心、依据、支撑、后台、表现、方法、手段的并列于传统医疗服务模式的第三种生命维护模式，具有现实可行化、服务精细化、过程科学化、技术继承化、使用经济化等等强大的可应用性、有效性和创新性。创造出一整套疾病预防、疾病诊断和治疗的全新诊疗服务的辅助方法。为人们的疾病预防、治疗、康复以及健康长寿的需要打开一扇充满快乐和刺激的新大门。\n[0018] 本发明的核心理念就是：建立第三种生命维护模式，将疾病发生后就诊时才会作的临床诊断检查分解为生命数据的系列单一自动测量计算项目，普及到人们日常生活工作中，持续开展，形成连续的诊断检查分析报告和趋势；将自动测量计算的生命数据作为工具，以大脑皮层高级自主意识主动控制生命数据的变化(工具的使用变化)作为治疗和康复、健康长寿的手段；以形成的检查分析报告和趋势为基础，预测预防疾病的发生和发展；\n以医疗就诊轨迹中医嘱处方作为提示依据，自动短信提示居家患者的检查治疗行为，并给以无应答自动短信报警服务。\n[0019] 本发明包含硬件系统、软件平台、应用模式三个部分。硬件系统包含生命信息采集传感器、无线移动生命信息采集传输终端，主观感受信息采集器，家庭诊疗健康信息提示工作站，生命数据感知学习控 制设备，以及相应的数据存储服务器、数据计算服务器等部分组成，完成生命数据、医疗轨迹、主观感受信息的采集，信息的传输通讯，疾病治疗、康复的控制等任务。软件平台是起到管理医疗健康信息在互联网平台下的信息交换过程的作用，平台是以相互集成和相对独立的模块化系统存在，包括健康银行网站系统、生命数据计算系统、个人居家检查治疗信息提示报警管理系统、系列检查报告生成系统、生命数据特征指标自动提取系统、云计算自动分配管理系统、单项生命数据计算服务管理系统、自适应生命数据感知闭环反馈系统、数据播报信息管理系统等系统组成。应用模式包含利用生命数据计算结果和疾病治疗、慢病控制的过程数据治疗疾病和疾病康复、健康长寿的有奖竞技比赛的健康信息消费模式，将疾病治疗和疾病康复、健康长寿的过程融入在个人游戏的信息消费模式，疾病治疗、康复和健康长寿的示范带头人数据公示模板应用等三种媒体传播应用模式。\n[0020] 无线移动生命数据采集传输终端的组成包含三个单元。第一单元是生理、生命信号采集换能器，第二单元是生命信息采集传输终端主机，第三单元包含手持通讯终端或移动、固定电脑的网站输入界面。采集换能器采集的生命体症和生理数据包括：波形信号：脑电波、头部和末梢血流灌注波、阴茎血流灌注波、心电波、脉搏氧容积波、口鼻胸腹呼吸波、肌肉动作电位波、眼动波、呼吸末二氧化碳浓度波。数值信号：脉搏次数、无创血压、血糖、脉搏氧饱和度、呼吸末二氧化碳浓度、吸入氧浓度、体温、呼吸次数、阴茎周径、阴茎硬度、阴茎温度、阴茎动脉氧饱和度、尿量、相对肢体运动量(上下4肢)、体重、运动出汗量。采集的生活状态数据包括：吃药、饮食、进水量、便量。采集的主观感受数据包括：疼痛分级、呕吐分级、头晕分级、生活质量分级、胸闷、尿频、尿液颜色、出血、拉肚、便秘、大便颜色、心慌、气短、无力、眩晕、哮喘、发热、烦躁、发怒、焦虑分级、抑郁分级、入睡困难、早醒、做梦。基本电路见图\n1-图15。\n[0021] 终端主机完成生理信号和证明体症信号的放大、整形、转换接受、加密、打包、通讯等工作，其中包含了监护电路：其中包含信号转换电路、信号放大电路、滤波电路等信号整形放大电路，以及中心计算控制管理电路、通讯接口电路、动态数据链路缓存电路、无线互联网络接入控制和自动分包上传电路、电源电路等部分；各部分之间的连接关系如下：通过人体的脑电、血流灌注、心电、脑电、血压、血氧、呼吸、体温等生理波形信号和生命体症数值信号换能器探头，转换人体的相应生命体征、生理信号为电信号和计算机数值信号，电信号送入监护电路的滤波、噪音控制、放大输入部分，经相应监护模块(HXD_I)的各自计算处理、加工后，再经由模块的模拟信号输入口，分别送入中心计算控制管理电路的模、数转换电路，生命数值信号经由RS232接口电路送入中心计算控制管理电路的通讯接口中；中心计算控制管理电路获得数字化的上述生命数据后，分别加密、压缩；得到处理后的数据流，送入动态数据链路缓存队列中；动态数据链路缓存队列是变化的数据存储和输出结构；根据网络状态的不同，数据在存储区域内的结构不同；由计算控制管理部分在获得网络状态变化的中断事件触发后，控制采集到的数据的不同排列组合；在写指令控制下，写入存储队列的数据缓冲区；队列中的数据在计算控制管理电路的读指令控制下，经数据端口输出到无线互联网络接入控制电路；互联网络接入控制电路部分完成对网络的自动拨号、网络状态识别、TCP／IP模式信号调制、分包、输出的功能，上传至数据存储服务器和数据计算服务器；\n[0022] 系统中的监护模块采用具有注册销售许可的华翔多功能组合式监护设备(HXD_I)。其多功能模块包含了常规生命体征和脑功能指标的监测，同时，对于常规生命体征的二次计算，又获得了多项功能监测指数。\n[0023] 数据的采集以分布计算处理模式分别在不同的控制单元中完成，包括了生命体征的数据采集，获得的数据以循环二进制队列结构整合入计算控制单元中。中心计算控制管理电路以标准的数据结构，统一的数据频率，揉合本机在组网中的名称结构，终端的名称结构为：\n[0024] 终端机器地址=组网范围内的唯一地址号+组网服务器的固定IP地址\n[0025] 组网内最大机器数量=65535\n[0026] 对数据实施加密化处理和压缩。整合的数据流进入链路存储队列中。数据窗口为8个bety\n[0027] L流窗口=wavelet(m1+m2+m3+m4+addr+asyn+data1+data2)\n[0028] m1，m2，m3，m4为模块传送的数据，asyn为同步，data为数据和加密包[0029] 系统数据发送和状态接受、命令接受是系统实用化的根本保证。也是系统能够安全使用的关键环节之一。GPRS和CDMA在移动中并不是一个稳定的互联网接入技术。诸多环节可以影响数据传送的效果。对于数值型数据的传送，可以使用UDP包。采用多次发送的方式，保证服务器可以接受到一次有效数据 实体。对于波形图像的传输，要求连续性和排他性。不能丢失数据。这是本项技术的难点。数据的加密和压缩是波形传输的另一个难点。波形图像的传送必须采用TCP包。利用单片计算机的流控制能力，实时处理GPRS接入的状态和内部缓存大小。自动识另和自我修正网络通讯的实时进程，进而控制数据流的方向和网络呼叫拨号。设置了多达六分钟的数据链路动态队列区。保证数据的完整和容错能力的提高。\n[0030] 数据在链路存储队列中等待入网。网络状态触发电路触发一个网络状态事件，计算控制单元的事件处理流程根据事件性质，分别进入不同的线程处理单元。在正常状态下，取得链路数据，以TCP协议分包，通过无线网络向网络中设置的网址和端口发送协议包。\n[0031] TCP协议包+=(save_point-read_point)*real_data→read_point++\n[0032] save_point，read_point为数据指针，real_data为实时数据。\n[0033] 如果非正常状态，系统启动等待拨号线程处理流程，网络接入状态识别电路定时尝试网络接通情况，同时，触发一个数据缓存事件，并重组数据结构。网络状态识别确定网络服务器忙还是网络断线发生，触发不同的消息，启动重新拨号电路或尝试连通服务器线程(见图2)。\n[0034] L流窗口=(m1+m1+m1+m1+addr+asyn+data)\n[0035] m1为传送的关键数据，asyn为同步，data为加密包\n[0036] 动态数据链路管理包含了内存数据队列管理，数据加密管理，数据压缩管理。数据结构动态改变，数据流的重组。涵盖了回顾数据及当前数据发送的动态相互协调和关键数据快速传送的功能。\n[0037] 系统的数据传输，采用公网和无线模式，必须加密数据的传输。本系统没有采用常规数据加密技术。提出一种具有独立知识产权的动态数据加密方法：小波分析数据加密技术。考虑的基础是小波分析技术的复杂和精细，分解和还原特性，以及强大的抗干扰能力。\n系统的硬件设计充分考虑了本项技术的实施。数据格式扩展到八通道数据传输能力。事先设定特定数据段的小波变换和指数化小波分析结果。其中的母函数以及数据变换的分辨率保密，各成分数据的通道号无序。在接收端，对信号实施反变换，可恢复数据的原始特性。本项技术的采用，可以消除信号的干扰。小波分析技术的应用，还可在接收端对信号进行处理，提取出多种信号的某些特征指标，以便作为远距离反馈调控的数据基础。本项技术的采用，是系统实用化的基础。\n[0038] 生活状态数据和主观感受数据的采集通过主观感受信息采集器实现。主观感受信息采集器包含手机、移动平板、固定电脑等各种电脑设备，在本发明中表达的健康银行个人账号下，以B／S结构的浏览器窗口或APP应用软件操作窗口作为输入操作界面，以手工输入方式录入数据，录入界面采用点选方式选择不同的感受数据或量的数据，包括：疼痛分级、呕吐分级、头晕分级、生活质量分级、胸闷、尿频、尿液颜色、出血、拉肚、便秘、大便颜色、心慌、气短、无力、眩晕、哮喘、发热、烦躁、发怒、焦虑分级、抑郁分级、入睡困难、早醒、做梦等等日常行为上的现象和感觉。这些数据直接通过电脑的无线、有线互联网接入上传至本发明中健康银行个人账号的数据存储和计算服务器中。这些主观信息生成医疗健康服务的患者主诉内容，存储记录下来，同时，相应的生命体症和生理信号的变化也同步记录下来，获得生活和工作中健康医疗信息的全面采集。\n[0039] 集成在一体的脑电波、头部血流灌注波的信号采集换能器，连续采集额部双侧的脑电波和额部双侧框上动脉的血流灌注波。传感器分为数个集成在6×0.7×0.3cm硅胶体范围内的换能器组合。硅胶体称为硅胶床。每个换能器采用工业级信号传感器。包括一组压力感受器、一组近红外激光发生器、近红外激光接受器和经过氧化处理的一组金属银电极片。金属电极传感脑电波信号，压力感受器和近红外激光传感血流灌注信号，金属电极分为左侧框上部位和右侧框上部位两个脑电信号引导电极，以及双耳耳垂部两个脑电信号参考电极。组合后分别采集左右脑的脑电波信号，电极设计经过理化处理，在形状上和电位极化上满足干电极采集脑电波信号的应用要求，不需对信号采集点附近的皮肤做专业处理，就可以方便的采集到符合医疗标准的脑电波信号。压力感受器和近红外激光传感器分别集成在框上靠中部位置的双侧框上动脉解刨学位置附近，左右侧部位压力感受器和光发射器分别选择两组器件，光接受器分别选择一组器件，在个人简单佩戴的使用要求下保证发射光能够可靠的照射到血管部位，以及压力感受器感受到血管的搏动信号。额部两侧的压力感受器、激光传感器和脑电波传感器固定于硅胶床上，按照上述规则从左至右排列，耳部脑电引导电极固定于两个耳夹上，通过导线和硅胶体成为一个整体。硅胶体和一个有弹性的松紧带相连，形成一个可以调节直径的有松紧的头套。硅胶体的导线引出至松紧带的中部后脑部位顺下，配接插头，得到一个完整的头部脑电和血流灌注信号的换能器。\n[0040] 末梢血流灌注波换能器，集成了一套近红外激光传感器，包括接受和发射光器件，传感器固定于 2.5×0.7×0.3cm硅胶体上，采集手指部位的血流灌注波信号。硅胶体和刺啦条相连，使用时包裹于手指末端，刺啦条固定。得到末梢血流灌注波信号换能器。信号的导线和头部血流灌注及脑电波信号换能器相连，通过一个插头接入生命信号采集传输终端的相应插座上。传感器外观图及信号流程、电路图见图3-图5。\n[0041] 近红外激光传感器照射血管中流动的血流，通过血管中血流携带的红细胞的数量变化产生反射波的变化，同时，血流对血管壁产生作用，形成搏动，压力感受器感受到这种搏动。通过压力感受器感受到最大化的血管搏动，可以找到框上动脉的大体位置，近红外激光传感器中的近红外激光发射器，可以照射到血管并产生反射波，设置在一侧的激光接收器接收到反射信号，作为输出。同时，设立在血管部位的压力换能器接受到的血管壁搏动波，也作为输出信号。两种信号输出，经过生命信号采集传输终端的监护电路电子信号转换放大单元转化为可识别的模拟电信号，传送至模数转换器中，离散并转换为数字信号，进入中心计算控制电路芯片，完成分配、计算、加密、压缩、绑定身份信息的数据处理流程。得到处理后的数据流，送入动态数据链路缓存队列中并无线发送至互联网平台，在服务器端得到实时的血流灌注波。同理，也可以在服务器端得到实时末梢血流灌注波。脑电波传感器感受到大脑皮层带电离子的极化反应而产生的生物电位变化，在引导电极和参考电极之间形成电位差信号作为输出，信号通过生命信号采集传输终端的监护电路电子信号转换放大单元转化为可识别的模拟电位信号，传送至模数转换器中，离散并转换为数字信号，经中心计算控制管理电路芯片的处理，类似于血流灌注波，在服务器端获得实时的脑电波数据。\n[0042] 集成于一体的阴茎血流灌注波、阴茎周径、阴茎硬度、阴茎温度、阴茎动脉氧饱和度换能器采集睡眠中的阴茎生理变化状态信号，换能器装置具备连续采集阴茎局部血流变化、硬度变化、周径变化、温度变化、相对血氧变化等生理参数。传感器分为数个集成在5×\n0.7×0.35cm硅胶体范围内的换能器组合。每个换能器采用工业级信号传感器。包括光发生器和光接受器、压力传感器、温度传感器、金属电极片。传感器按照某种规则排列，引出导线，接头，完成生理信号换能输出的作用。传感器是条状结构，中间部分带有弹性物质，一头连接医用创可贴，以环状方式套在阴茎根部。传感器内部引出多条导线，多股缠绕，一端配置接头，连接到前置放大器的输入端。\n[0043] 放大器包含血流灌注前置放大器、硬度周径放大器、血氧饱和度模块、温度输入接口、各部分放大器包含前置滤波、一级放大、零点调节、有缘滤波、时间常数、信号隔离、二级放大输出。信号变换成为0-5V的电压信号。分别代表阴茎血流变化、阴茎硬度变化、阴茎周径变化、阴茎温度变化、阴茎相对血氧饱和度变化等参数。血氧饱和度模块采用市场上销售的医疗设备标准血氧模块，血氧监测探头加以改造。实现阴茎相对血氧的测定。阴茎周径测量需要使用零点调节，在将传感器安装到阴茎上之后，其松紧度以无线移动生命信号采集传输终端的零点指示灯闪亮作为标志。经过放大整形处理的信号经过模数转换后变为数字信号，送入中心计算控制电路芯片，完成分配、计算、加密、压缩、绑定身份信息的数据处理流程。得到处理后的数据流，送入动态数据链路缓存队列中并无线发送至互联网平台，在服务器端得到实时的阴茎血流灌注、阴茎周径、硬度、温度、相对氧饱和度等波形和数值。阴茎硬度、阴茎血流、阴茎周径见图6-图8。\n[0044] 心电波、脉搏氧容积波、口鼻胸腹呼吸波、肌肉动作电位波、眼动波、呼吸末二氧化碳浓度波、脉搏次数、无创血压、血糖、脉搏氧饱和度、呼吸末二氧化碳浓度、吸入氧浓度、体温、呼吸次数等信号换能器采用市场上可以购买到的专用功能模块实现，主要以HXD_I系列多参数组合是监护仪的各功能模块为主，配合国际国内相应模块供应商的产品实现上述生理、生命体症信号的采集。各功能模块输出信号包括波形输出和数字输出两种模式，分别送入中心计算控制管理电路的模拟信号输入端和数字通讯接口端。信号的通讯采用有线和无线方式混合实现，无线方式采用具备蓝牙或wifi模式的功能模块实现，主要是血糖微创测量盒、呼吸成分测量盒，这两部分测量单元和无线移动生命信号采集传输终端可以是分体的，无线方式连接，其他功能模块包含在终端设备中，有线方式连接。各功能模块的输出信号经过无线移动生命信号采集传输终端的模数转换器变换为离散的数字信号，进入中心计算控制电路芯片，经过类似于上述的处理加工后。得到处理后的数据流，送入动态数据链路缓存队列中并无线发送至互联网平台，在服务器端得到实时的上述多种生命体症和生理信号的波形和数值。各部分电路见图9-图14。\n[0045] 相对肢体运动量(上下4肢)信号采集换能器采用加速度传感器件实现，以穿戴方式固定于身体的四肢。四个加速度传感器分为上下两个部分，分别以有线方式固定于上衣和裤子上。四条信号线连接至一个4×1×2.5cm的集线盒上，信号线的走向在裤腰部位交汇，并以固定在裤腰上的方式连接到集线盒。 集线盒有一条信号输出线接入无线移动生命信号采集传输终端的相应插座上，实现四肢相对运动大小的信号换能器功能。肢体运动加速度信号是交流电信号，送入终端的监护电路部分，并经过模拟信号的放大整形等处理后，通过模数转换，成为离散的数字信号进入中心计算控制管理电路，在经过数字化处理后发送至互联网平台，在服务器端得到实时四肢相对运动量波形信号。相对运动量信号采集电路见图15。\n[0046] 尿量、体重、运动出汗量的采集换能器采用数字称重仪实现，测量的重量信号通过无线方式传输至无线移动生命信号采集传输终端中，再由终端发送至本发明中健康银行的服务器端。重量信号的无线发送采用蓝牙技术或wifi技术模式实现。重量信息采集电路见图16。\n[0047] 家庭诊疗健康信息提示工作站，是一台家庭使用的桌面计算机系统，也可以是家用电脑系统、智能手机等，通过这台电脑，再取得授权的情况下(购买服务)，电脑将按照服务器传送过来的指令发出声音和屏幕文字信息，指导使用者完成相应的疾病治疗、康复和健康长寿的各个步骤。如果使用手机作为提示端设备，主要以短信形式发出。服务器的指令生成遵循医嘱处方要求，在本发明中健康银行个人账户的就医信息录入中包含有医嘱处方，提取处方中的吃药和测量的内容，按照处方中规定的时间生成治疗指令序列，定时发送至指定的个人家庭电脑或手机上。\n[0048] 生命数据感知学习控制设备，包含运动控制平板电脑，自动机器人两个部分。平板电脑通过无线互联网平台接受到本发明中包含的生命数据计算分析服务器的计算结果，根据计算结果发出机器人的运动控制指令，控制机器人的动作。机器人采用美国进口的可编程可组装模块式机器人产品EV3，包含一组动作指令系统。机器人和控制电脑之间的通讯采用蓝牙模式。信息交换是大闭环反馈控制系统架构下的人机组合闭环模式。控制回路中包含人的生理生命信号、无线互联网平台、信号计算服务器、控制电脑、执行机构(机器人)、人的感官输入系统。信号流程为：通过无线移动生命信号采集传输终端实时采集使用者的生理生命体症信号，通过无线互联网平台发送至网络上的信号计算分析服务器上，通过云计算模式，获得实时的反应人的生命状态的实时特征指标，在通过无线互联网平台直接传送到控制电脑中，电脑根据特征指标和使用者设定的疾病治疗或健康保健、用脑素养的目的，发出不同的执行机构运动的控制指令，执行机构接受到指令后产生相应的运动形态，人的眼睛、耳朵看到并听到执行机构的运动后(相当于感知到自己生理和生命信号的变化)，通过调节自己生理生命信号的改变，促使执行机构的运动达到自己希望的状态，形成了人、互联网、执行机构、人的闭环反馈的控制模式。控制流程见图25\n[0049] 集成在一体的脑电波、头部血流灌注波的信号采集换能器，连续采集额部双侧的脑电波和额部双侧框上动脉的血流灌注波，以及肢体末梢的血流灌注波。多路波形数据通过互联网无线模式传输到数据计算服务中心和数据存储中心。数据计算服务中心的服务器对各路波形数据施加云计算处理，提取出代表睡眠特征的指标。额部框上动脉是来自于眼底动脉的血管分支，眼底动脉来自于颅内动脉血管的分支。框上动脉的血流灌注和颅内血流灌注有相关性。颅内血流灌注是维持大脑功能的根本因素，也是影响脑状态的根本因素。\n大脑皮层的工作可以用皮层血流灌注的改变代表，现代脑部扫描和测量技术，主要观察脑部各功能区的血流影像变化。医学研究证明：脑部血流灌注的血液量，占身体血液总量的\n30％左右。可以说大脑皮层的工作消耗了大量血液所携带的氧成分和其他内分泌物质。血流灌注的作用主要是携带氧成分在全身循环，并不断在各器官细胞间交换氧分子和二氧化碳分子。氧分子是细胞完成代谢功能的能量供应，产生氧化反应的主要成分。二氧化碳是氧化反应的附带产物，通过血流的运输，到达人体的肺部，通过呼吸交换到身体以外。测量头部血流灌注，特别是通过颅外血管，测量到和颅内血流灌注相关的特征指标，可以客观反应大脑皮层功能状态的改变。通过实验表明，大脑在睡眠状态中，血流灌注产生变化，躯体血流灌注也产生变化，这种变化可以利用血流灌注的测量得到反映。血流灌注的测量包含头部血流灌注测量和肢体末梢血流灌注测量，测量的结果是得到头部血流灌注指数和末梢血流灌注指数两个指标，分别命名为HPi指数和Pi指数。这两个指数是身体发出的生命体征输出信号，代表了睡眠状态下，两个部位血流灌注的变化，反过来看待，这个指数也直接代表了睡眠结构和睡眠质量的改变，是睡眠测量的定量客观表达。这种睡眠结构的表达方式，代表了生理数据直接反应睡眠质量的突破。\n[0050] HPi和Pi的获得来自于额部框上动脉血流灌注波和肢体末梢血流灌注波的计算，计算采用复合算法，模式识别、波形识别、微积分和小波算法。\n[0051] 对于采集的血流灌注信号波，以采样频率为500／秒、采样时间窗口为1.25秒、采样精度为10位bite的离散化处理，生成各导联波形信号的向量组：\n[0052] Xi=[x1 x2 x3 … xm-2 xm-1 xm]\n[0053] 其中，m为向量中元素个数，元素xi-波形某点的幅值，并且相邻两元素间的时间间隔Δt相等。i代表导联数量。血流导联数为3。\n[0054] 对于上述的向量数值，求取特征组{a，b，c，d，e}的各个点的数值。对向量实施微分计算：\n[0055] y(j)=x(j)-x(j-1)／Δt\n[0056] j=0，1，2，，m\n[0057] 获取y(i)中最大数值，可以获得特征指(a)，其中的正负反相点，就是特征值(b)和特征值(d)，特征值(c)采用模糊识别技术，对向量数据施加迭代微分算法：\n[0058] y(j，i)=∑(x(j+i)-x(j+i-1)／(Δt+i))\n[0059] i为Δt的增量，从1..N，j是从点(b)至点(d)之间的数值序号。\n[0060] 对于矩阵y(j，i)中的各个向量，选取向量中最小值，对应的j点代表了图中的(c)点。\n[0061] 获得波形信号的时域信号向量Xi=[x1x2x3…xm-2xm-1xm]，D(a，b，c，d，e)，T(i=1，\n2，…，M)，将一个给定的模式归入C个类ω1，ω2，…，ωc中，然后根据模式之间的距离函数来判别分类。其中，T表示转置；M为样本点数；D为样本特征数。每个模式类代表了多种血流灌注波形的不同形态，计算各个血流灌注波的距离函数：\n[0062] Z(j)=(ωj-D)   j=1，2，，c\n[0063] 获得一组向量Z(i)，选取最小值对应的ωj，计算各个血流灌注波和他的距离函数，得到：\n[0064] G=∑(Di-Di-1)   i=a，b，c，d，e\n[0065] 作为各个血流灌注波的变异性大小。\n[0066] 计算点(a)和点(b)之间的斜率和积分：\n[0067] H=[a-b]／Δt\n[0068] T=∫y(i)*Δt   i=a，，b\n[0069] 计算点(b)和点(c)之间的积分：\n[0070] T1=∫y(i)*Δt   i=b，，c\n[0071] 计算点(c)和点(d)之间的积分：\n[0072] T2=∫y(i)*Δt   i=c，，d\n[0073] 求得灌注指数：\n[0074] P=((T*H)+T1+T2)*L／G\n[0075] L为点(b)和点(e)之间的距离，G为各个血流灌注波的变异率。\n[0076] 指数化P，得到\n[0077] Pi=(1-1／esp(P))×100\n[0078] 同理，HPi也可以计算得到。\n[0079] HPi=(1-1／esp(P))×100\n[0080] 脑电波的研究方法主要以功率谱分析为重点，以各频段成分的多少作为脑功能状态的分析指标。由于脑电图的个体差异，脑电波频谱功率成分的定量难于达到量值上的统一。各成分波在脑电图中的表达也不具备连续性，对于脑功能状态的分辨率极低，线性度不理想。同时由于功率谱数学算法对于非周期信号处理的窗口效应，造成数值上的随机误差。\n不具备人群应用的共性。即相互之间没有可比性，只有定标后自身相对比较有一定的意义。\n很难达到群体性研究的目地。\n[0081] 近期，国际上研究失眠焦虑抑郁的定量测定，利用了左右脑的兴奋程度差异的方法。采集左右脑前额叶脑电图数据，利用传统的功率谱分析技术，提取脑波中的Alpha成分的高低，代表左右脑的兴奋度。研究发现左脑兴奋度高的人，失眠焦虑抑郁的几率低。这种成分的左右脑比值，作为定量化指标，称为脑前额叶偏侧化研究。这种研究的问题在于，脑波中的频谱成分，由于人的个体差异，没有绝对值意义上的可比性。其敏感度和特异性不足。引起伪差的可能性大。应用价值有待确定。\n[0082] 脑电波采集一般应用于临床医疗单位的神经内科脑电图室以及其他科室的睡眠监测中，已经成为基本临床诊断的一个项目。但脑电波信号采集的条件还是比较严格的，需要良好的屏蔽或者接地。患者头部电极位置还需要处理，以便降低皮肤阻抗。达到电生理信号的采集要求。对于普及化的脑电采集应用，提出的要求是对于脑电信号采集的环境和条件降低，患者本人不需刻意处理，直接佩带电极，获得符合电生理要求的脑电信号。\n[0083] 上述换能器采集的左右脑半球额部脑电波信号，通过互联网无线模式传输到数据计算服务中心和数据存储中心。对于采集到的脑电波信号，施加云计算处理，采用小波分析、谱分析、波形识别、微积分等算法实时计算，获得定量表达脑功能状态的一组特征指标。\n计算需要采集6-10分钟的脑电波数据。获得定量脑功能状态指标如下：\n[0084] 1.i_35：脑放松状态指数\n[0085] 2.i_22：脑专注度指数\n[0086] 3.i_60：脑活性指数\n[0087] 4.i_48：脑思维强度指数\n[0088] 5.i_52：脑内敛指数\n[0089] 6.i_66：左右脑偏侧化指数(左右脑协调性指数)\n[0090] 7.i-45：脑稳定度指数\n[0091] 8.WLi：脑镇静指数\n[0092] 9.脑耗能：脑兴奋度水平\n[0093] 10.脑专注力：平均专注能力\n[0094] 分为：内专注----凝聚于自身的专注\n[0095] 外专注----凝聚于外部的交流\n[0096] 11.脑内敛(感觉闭锁)：关闭自身输入的能力，听、看、体感。\n[0097] 12.脑放松：平均自我放松入静能力\n[0098] 13.记忆加工：脑处于记忆加工状态，主要指大脑在似睡非睡态\n[0099] 14.脑疲劳：脑疲劳程度\n[0100] 15.脑内敛：关闭感官输入的能力\n[0101] 16.脑稳定：维持在一种脑状态的能力\n[0102] 17.脑排空：大脑空明状态，自由想象状态\n[0103] 18.困倦睡眠：脑困倦程度\n[0104] 19.反应强度：脑状态之间的转换速度\n[0105] 20.脑当前状态：脑能力、脑健康评分总分\n[0106] 提取的上述定量指数是人们大脑皮层输出电位信号中的共性成分，也是相关于人的高级思维活动的共性成分。相关于脑专注状态，i_22、i_52、脑专注有规律性变化。相关于脑放松和镇静的提高，i_35、i_48、WLi有显著性数值改变。相关于失眠、焦虑、抑郁和疲劳的亚健康状态，脑耗能、左右脑偏侧化、脑疲劳、脑困倦、i_35、i_22、i_66、i_60、i_45有相关性变化。相关于学习能力和解决问题能力，i22、i45、i_66、i_60、内专注、外专注、感官闭锁有特异性表现。脑状态指标的变化特性满足人群中应用的重复性、相关性。也消除了脑电图的个体差异。在不同人之间绝对值可比。同时，有良好的脑功能状态分辨率、特异性、线性度和较高的时间分辨率。\n[0107] 脑电波信号是人工睡眠分期的主要参考工具。临床上手工分期依据脑电波中的特征波形判断睡眠的各个分期。睡眠结构分为快相睡眠和非快相睡眠两种状态。快相睡眠伴随快速眼动的发生。非快速眼动相又分为1，2，3，4期睡眠，从浅到深。快速眼动相在额部脑电的引导电极上产生眼动肌电波，1期睡眠以8到13hz的脑波频率成分(α波)和13hz以上的脑波成分(β波)交替出现为标记，2期睡眠以一组10个左右α波成分出现为代表，或者出现单个4hz以下的脑波成分(顶尖峰、k综合波)，3期睡眠以低于4hz以下的δ波成分占居一帧时间(20秒)的30％为代表。4期睡眠δ波成分占居一帧时间的50％为代表。脑电成分4到8hz之间的脑波成分称为θ波。根据脑电成分的特征，可以人工开展睡眠结构的分期。本发明通过对脑电波数据的计算分析，利用波形识别和小波算法可以对睡眠结构实现自动分期。计算服务中心的服务器接受到两路脑电波数据后，施加云计算处理，可以提取出代表睡眠特征的神经电生理指标。从而，结合头部及末梢血流灌注波的睡眠特征指标的自动提取，精确的睡眠结构自动分期可以实现。\n[0108] 数据计算服务中心对于接受的脑电波信号，施加云计算处理，算法采用小波分析、功率谱分析、波形识别、微积分等算法，提取出实时反应大脑睡眠结构和当前脑状态的定量客观表达。睡眠结构的计算需要采集夜间一宿8小时的睡眠脑电波及眼动波数据。计算获得的睡眠结构指标包括：\n[0109] 1.睡眠总时间\n[0110] 2.醒觉总时间\n[0111] 3.醒觉次数\n[0112] 4.体动次数\n[0113] 5.睡眠潜伏期\n[0114] 6.深睡眠效率\n[0115] 7.浅睡眠效率\n[0116] 8.非快相睡眠1，2，3，4期占睡眠时间的比例\n[0117] 9.快相睡眠潜伏期\n[0118] 10.快相睡眠效率\n[0119] 11.快相睡眠周期次数\n[0120] 12.快相睡眠密度\n[0121] 13.快相睡眠总时间\n[0122] 14.快相睡眠占睡眠时间的比例\n[0123] 对于采集的脑电波信号，采样频率为500／秒、采样时间窗口为1.5秒、采样精度为\n10位bite，离散化处理，生成各导联波形信号的向量组：\n[0124] fi(x)=[x1 x2 x3 … xm-2 xm-1 xm]\n[0125] i：脑电波导联数量，m：向量元素数量\n[0126] 各导联脑电波数据采集1.5秒，组成每导联的脑电数据向量Ni。对向量数据做直流分量去除的预处理：\n[0127] f(x)=f(x)-Ay；\n[0128] Ay：向量的直流分量\n[0129] 对于预处理后脑电波数据，施加波形识别算法、谱分析算法和小波分析算法。小波分析算法作为脑电波计算的最新数学处理工具，具有显著的计算优势。小波算法定义：\n[0130] 若f(x)函数是空间域{-∞，+∞}的信号，连续小波变换算法公式如下：\n[0131]\n[0132] 对于脑电波向量的计算采用二进制离散小波变换，其公式如下：\n[0133]\n[0134] 对于小波频率域的计算公式，采用如下表达式：\n[0135]\n[0136] 谱分析算法采用离散Fourier计算公式：\n[0137] F(ω)=f(ω)=∫f(t)e-jωtdt\n[0138] 反变换采用下述公式：\n[0139]\n[0140] 对于脑电波数据，首先采用小波分析中的二进算法及波形重构算法对特定脑电波数据向量进行处理，母函数取为平滑函数的一阶导数(样条函数)，构建64个点，尺度从2θ到\n26，进行二进小波变换：\n[0141] (Wf(2^j，x))j∈z\n[0142] 可以得到一组带通滤波器组下的小波变换基函数：\n[0143] (Wf(2^0，x))，(Wf(2^1，x))，，，(Wf(2^N，x))\n[0144] 重构采用小波函数重构和各个小波基函数的重构，公式如下：\n[0145] fj(x)=∑Wf(2^j，x)*X2^j(x)\n[0146] 其中X2^j(x)是重建小波；j是时域函数的阶数\n[0147] 对于不同小波基函数重构，得到一组重构函数：\n[0148] f1(x)，f2(x)，，fN(x)；N=阶数；\n[0149] 对于小波基重构计算所得的各个波形函数fi(x)，采用积分算法\n[0150] E(i)=(∫fi(x)dx)^2；i=1，2，，N；\n[0151] 可以获得各个小波基重构函数的波形电位的功率E(i)。\n[0152] 对于各导脑电波向量：\n[0153] f(x)=[x1x2x3…xm-2xm-1xm]\n[0154] 同步计算功率谱函数，利用快速Fourier变换计算公式：\n[0155]\n[0156] 计算窗口为N=512，可以获得8-13hz的α波成分，0.5-4hz的δ波成分，4-8hz的θ波成分，13-30hz的β波成分。以及优势频率、边缘频率和中心频率。\n[0157] α％=X(ω8-13)；δ％=X(ω0.5-4)；θ％=X(ω4-8)；β％=X(ω13-30)；\n[0158] Fsef=(∫X(ω)^2*Δω>0.95)\n[0159] Fmax=(X(ω)^2)max\n[0160] Fc=(∫X(ω)^2*Δω)>0.5)\n[0161] 利用波形识别算法，计算重构函数fi(x)和f(x)的极值点。对fi(x)求导：\n[0162] Di(x)=(fi(x)-fi(x+m))／Δx\n[0163] 对Di(x)排序，得到极大值和极小值，设定阈值a，可以求取眼动波等肌动电位，捕捉到快相睡眠的眼动现象和眼动密度。\n[0164] 求取Di(x)的正负极性变异点，得到一组极值点向量：\n[0165] Mi(j)和mi(j)；j为极值点的数量。\n[0166] 对于获得的上述计算结果，组合生成一簇中间计算结果向量：\n[0167] Gi(x)={Mi(j)，mi(j)，Fsef(i)，Fmax(i)，Fc(i)，α％(i)，δ％(i)，θ％(i)，β％(i)}[0168] x是中间结果的数量，x=0，1，，N；\n[0169] 设定一系列的常模回归系数，作为加权因子，设为{ai1、ai2、、、ain}，利用回归公式：\n[0170] y=ai1*Gi(0)+ai2*Gi(1)+……+ai(n-1)*Gi(N)+ain\n[0171] 以最小二乘法，使\n[0172] q=∑{y-(ai1*Gi(0)+ai2*Gi(1)+……+ai(n-1)*Gi(N)+ain)}^2\n[0173] 达到最小，回归系数满足公式：\n[0174] (CC^T){ai，ai2，，ain}=C{y0，y1，，yt}\n[0175] {y0，y1，，yt}={i_22，i_35，i_60，i_66，i_52，i_48，i_45，WLi}[0176] 对于获得的回归系数，最为指标的加权项，计算实时脑状态指标如下：\n[0177] {i_22，i_35，i_60，i_66，i52，i_48，i-45，WLi}j={ai1*Gi(0)+ai2*Gi(1)+……+ai(n-1)*Gi(N)}j\n[0178] j=脑电采集的导联数量\n[0179] 对于采集的左右实时专注、放松指数(i_22、i_35)，实时思维强度指数、放松指数(i_48、i_35)，实时感官关闭指数、思维强度指数(i_52、i_48)生成散点图，表达脑状态的左右脑变化的形态学改变。 坐标以i_22、i_48、i_52为纵坐标，i_35、i_48为横坐标，分别在i_\n22的刻度240和i_35的横坐标刻度40处、i_48的横坐标90处设定纵线和横线，将坐标区域分为4个象限。每一个i_22、i_35、i_48、i_52数据点在散点图上显示为一个点。通过散点的密度和分布，表达出不同的脑状态变化。通过左右脑散点图可以从图像上明确脑状态，并从散点的分布上提取聚散率、簇团等信息定量化提取。见图17。\n[0180] 计算上述实时脑状态定量指标的不同组合，不同脑电波导联的数据之间的关系，可以计算出左右脑偏侧化、脑耗能、脑专注、脑活性、脑内敛(感官闭锁)、脑放松、疲劳、困倦、反应力、记忆加工、脑稳定、脑排空等定量化指标。计算时间窗口为6-10分钟，医疗应用为十分钟，其他6分钟。\n[0181] 脑耗能={a0，a1，，an}*{i_22，i_35，i_60，i_66，i_52，i_48，i_45，WLi}[0182] {a0，a1，，an}为回归系数\n[0183] 左右脑偏侧化={左(i_22)>右(i_22)}∈T\n[0184] T=6分钟\n[0185] 脑专注=∑(i_22)