典型文献
基于嵌入式AI的癫痫发作监测系统实现
文献摘要：
癫痫监测旨在防止患者在癫痫发作期间因失去意识而可能经历的事故.通过分析脑电信号来进行癫痫实时监测,从而为癫痫的诊断、治疗和评估提供相应的参考.本研究设计了一款基于嵌入式AI的癫痫发作监测系统,分为3部分:训练模块、测试模块和报警模块.其中,训练模块使用波恩数据集,采用小波包分解和一维卷积神经网络进行训练,最终模型准确率高达98.3％;测试模块使用脑电波传感器采集信号,通过蓝牙传输,经单片机处理后与训练模型比对;报警模块是将上述结果反馈至微信小程序,如若异常及时报警.该系统基于嵌入式AI,采用可穿戴式癫痫监测报警设备,具有实时监测癫痫发作的功能,能减小患者受到的伤害,保护患者安全.
文献关键词：
癫痫;脑电信号;嵌入式AI;小波包分解;一维卷积神经网络;微信小程序
中图分类号：
作者姓名：
张宣;刘安康;张培玲
作者机构：
河南理工大学物理与电子信息学院,河南焦作454000
文献出处：
引用格式：
[1]张宣;刘安康;张培玲-.基于嵌入式AI的癫痫发作监测系统实现)[J].中国医学物理学杂志,2022(09):1151-1158
A类：
B类：
癫痫发作,系统实现,发作期,脑电信号,测试模块,波恩,小波包分解,一维卷积神经网络,终模型,模型准确率,用脑,脑电波,蓝牙传输,单片机,机处理,训练模型,结果反馈,微信小程序,如若,时报,可穿戴式,监测报警,报警设备,患者安全
AB值：
0.276152
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
