基于移动互联网的老年痴呆症监护系统

1.基于移动互联网的老年痴呆症监护系统，其特征在于：包括智能终端、云服务器以及脑电监测装置，所述脑电监测装置通过蓝牙信号与智能终端连接，所述智能终端通过移动互联网与云服务器连接，其中：
所述脑电监测装置，用于实时获取老年痴呆症患者或健康人的脑电信息，并将脑电信息发送到智能终端；
所述智能终端，用于接收老年痴呆症患者或健康人的脑电信息、完成老年痴呆症患者或健康人的认知-心理测评以及输入老年痴呆症患者或健康人的临床信息，并将脑电信息、认知-心理测评和临床信息上传到云服务器；
所述云服务器，用于接收医院上传的老年痴呆症患者或健康人的MRI图像信息和智能终端上传的信息，对接收到的MRI图像信息和脑电信息进行处理，并对处理后的MRI图像信息、脑电信息以及接收到的认知-心理测评结果信息和临床信息进行基于大数据信息的机器学习和数据挖掘，从而完成辅助诊断，并生成相应的护理指导建议，然后将辅助诊断结果和护理指导建议反馈给智能终端；
所述对处理后的MRI图像信息、脑电信息以及接收到的认知-心理测评结果信息和临床信息进行基于大数据信息的机器学习和数据挖掘，如下：
a、采用数据分治与并行处理策略对大数据信息进行基本处理；
b、采用张量分解进行大数据信息的特征选择：利用Tucker分解方法进行数据分解，以及利用FSOM算法进行特征提取；
c、采用半监督的学习算法对大数据信息进行分类；
d、采用FCM聚类算法对大数据信息进行聚类，并运用MapReduce模型进行数据的大规模并行处理；
e、采用Apriori算法对大数据信息进行关联分析。
2.根据权利要求1所述的基于移动互联网的老年痴呆症监护系统，其特征在于：所述在智能终端上输入的临床信息包括身高、体重、性别、年龄、病史、家族史基本信息和体温、血氧饱和度、血压生理参数检测数据。
3.根据权利要求1所述的基于移动互联网的老年痴呆症监护系统，其特征在于：所述云服务器对接收到的MRI图像信息进行如下处理：
对MRI图像进行脑组织自动分割计算和脑组织体积计算，所述脑组织自动分割计算采用BET算法，利用直方图和形变模型的方法实现脑组织的分割；所述脑组织体积计算是先利用阈值法和区域增长技术确定脑组织的边界，然后采用三维ROI方法确定脑组织的三维范围，从而计算出脑组织的体积。
4.根据权利要求3所述的基于移动互联网的老年痴呆症监护系统，其特征在于：所述云服务器对接收到的脑电信息进行如下处理：
采用ICA方法除去不规则眼动造成的伪迹；
对经过ICA方法处理后的脑电信息进行挖掘：运用相关维数方法进行非线性脑电信号分析，刻画神经系统复杂性；运用Lempel-Ziv复杂度算法在大脑处于不同功能状态时不同脑区的复杂度；运用脑电相干性分析方法进行脑电的同步性分析。
5.根据权利要求1-4任一项所述的基于移动互联网的老年痴呆症监护系统，其特征在于：所述脑电监测装置包括帽子、单极脑电传感器、参考电极、集成模拟前端、混合信号微控制器、蓝牙模块、充电管理模块以及充电电池；
所述单极脑电传感器设置在帽子的内侧，并与佩戴者的额头皮肤接触；所述参考电极与帽子相连，并夹在佩戴者的耳垂处；
所述单极脑电传感器和参考电极分别与集成模拟前端连接，所述集成模拟前端、混合信号微控制器和蓝牙模块依次连接；
所述充电电池为集成模拟前端、混合信号微控制器和蓝牙模块供电，所述充电管理模块用于控制充电电池的工作。
6.根据权利要求5所述的基于移动互联网的老年痴呆症监护系统，其特征在于：所述集成模拟前端采用ADS1291芯片，用于对单极脑电传感器和参考电极采集到的脑电信号进行放大、滤波和AD转换。
7.根据权利要求5所述的基于移动互联网的老年痴呆症监护系统，其特征在于：所述混合信号微控制器采用MSP430G2303处理器，用于对集成模拟前端处理的脑电信号进行接收和存储，并控制该脑电信号通过串口方式传输给蓝牙模块。
8.根据权利要求5所述的基于移动互联网的老年痴呆症监护系统，其特征在于：所述蓝牙模块采用BLE-CC2541芯片，用于接收混合信号微控制器传输的脑电信号，并将该脑电信号发送到智能终端。
9.根据权利要求5所述的基于移动互联网的老年痴呆症监护系统，其特征在于：所述充电电池采用型号为CN-383450的充电电池。

基于移动互联网的老年痴呆症监护系统\n技术领域\n[0001] 本发明涉及一种监护系统，尤其是一种基于移动互联网的老年痴呆症监护系统，属于疾病监测、护理领域。\n背景技术\n[0002] 老年痴呆症(又称“阿尔茨海默病”)是一种会导致记忆力、执行力、视觉空间、语言交流、抽象思维、学习和计算等多方面大脑认知功能障碍的神经退行性疾病。老年痴呆症常发生在老年期及老年前期，患病风险随着年龄增长而成倍增加，年过60岁患病率一般为\n4％-8％，65岁后增加到10％，80岁后会超过30％。近年来，中国老年痴呆症患者的数量呈显著上升趋势，据统计我国目前患者总数约有600万，居世界首位，全球患者中大约1/4在中国。据《抗老年痴呆市场研究报告》预测，随着我国人口老龄化的问题日益突出，预测到2020年中国老年痴呆症患者将达1020万人，防治老年痴呆症形势严峻，刻不容缓。同时，由于老年痴呆症发病隐匿，易与生理性老化相混淆，使得老年痴呆症难以早期发现，容易被患者及家属忽视，从而失去了最佳的治疗时机。\n[0003] 目前，老年痴呆症主要是在出现痴呆症状后通过认知-精神有关量表进行评估，并结合影像学等检查作出临床诊断，但是当临床症状明显时诊断的老年痴呆症患者基本都处于中晚期，而且老年痴呆症在病理上具有不可逆性，现有情况下，一方面，国内外对老年痴呆症均无有效的治疗方法，现有治疗手段主要采用药物治疗，但这些药物只能在病情发展的特定阶段有限度地缓解或者稳定病情，不能达到治愈的效果，此外，药物治疗只是老年痴呆症防治措施中的一个环节，也只能是患者出现痴呆症状后，才予以实施，因而这种治疗方法难以取得满意的疗效，另一方面，医院内还没有针对老年痴呆症患者的临床信息系统及辅助诊断系统，关于认知-心理量表的评价和MRI图像的解释也很大程度上受医生的个人主观影响，缺乏一致性和客观性，而且一些认知-心理量表和MRI图像显示的异常也可见于一些其他心理、精神和脑部等疾病，并不是老年痴呆症的唯一征象，因此临床上老年痴呆症的确诊很大程度上依赖于医生的经验和水平，这也从客观上导致了老年痴呆症确诊的困难和确诊时间的延误，从而给老年痴呆症患者和家人造成了不必要的经济负担和精神痛苦。\n[0004] 现有的老年痴呆症护理需要姑息治疗和有效的照顾护理相结合，在很多国家，尤其是中国，家庭照顾者通常认为这不仅仅是一种责任，而且是表达爱和忠于感情的一种方式，因此在很大程度上，老年痴呆症患者都依靠家庭系统的照顾。老年痴呆症患者照顾者承受着多方面的压力，他们不但要学习疾病知识、用药知识，还要掌握护理技巧和心理调节，然而，国内老年痴呆症患者照顾者健康教育需求的调查结果显示，照顾者对疾病相关的健康知识了解甚少，特别是欠缺沟通技巧，缺乏安全护理知识，缺少锻炼患者自理的方法，不了解服药方法和不良反应等方面的知识。很大部分的照顾者会过高估计患者的生理和心理功能，忽视老年痴呆症患者由于脑部病理因素无法辨认方向，听不懂简单的讲解或读不懂简单的说明，导致患者甚至照顾者自身产生抑郁情绪。\n发明内容\n[0005] 本发明的目的是为了解决上述现有技术的缺陷，提供一种老年痴呆症监护系统，该系统使用方便、功能丰富，利用了移动互联网技术，可以实现老年痴呆症的自动辅助诊断，提高了诊断的准确性，有利于老年痴呆症的预防和早期检测，还能为老年痴呆症患者的护理做出更科学合理的指导，从而减轻老年痴呆症患者的身体痛苦和心理负担。\n[0006] 本发明的目的可以通过采取如下技术方案达到：\n[0007] 基于移动互联网的老年痴呆症监护系统，包括智能终端、云服务器以及脑电监测装置，所述脑电监测装置通过蓝牙信号与智能终端连接，所述智能终端通过移动互联网与云服务器连接，其中：\n[0008] 所述脑电监测装置，用于实时获取老年痴呆症患者或健康人的脑电信息，并将脑电信息发送到智能终端；\n[0009] 所述智能终端，用于接收老年痴呆症患者或健康人的脑电信息、完成老年痴呆症患者或健康人的认知-心理测评以及输入老年痴呆症患者或健康人的临床信息，并将脑电信息、认知-心理测评和临床信息上传到云服务器；\n[0010] 所述云服务器，用于接收医院上传的老年痴呆症患者或健康人的MRI图像信息和智能终端上传的信息，从而完成辅助诊断，并生成相应的护理指导建议，然后将辅助诊断结果和护理指导建议反馈给智能终端。\n[0011] 优选的，所述在智能终端上输入的临床信息包括身高、体重、性别、年龄、病史、家族史基本信息和体温、血氧饱和度、血压生理参数检测数据。\n[0012] 优选的，所述云服务器对接收到的MRI图像信息进行如下处理：\n[0013] 对MRI图像进行脑组织自动分割计算和脑组织体积计算，所述脑组织自动分割计算采用BET算法，利用直方图和形变模型的方法实现脑组织的分割；所述脑组织体积计算是先利用阈值法和区域增长技术确定脑组织的边界，然后采用三维ROI方法确定脑组织的三维范围，从而计算出脑组织的体积。\n[0014] 优选的，所述云服务器对接收到的脑电信息进行如下处理：\n[0015] 采用ICA方法除去不规则眼动造成的伪迹；\n[0016] 对经过ICA方法处理后的脑电信息进行挖掘：运用相关维数方法进行非线性脑电信号分析，刻画神经系统复杂性；运用Lempel-Ziv复杂度算法在大脑处于不同功能状态时不同脑区的复杂度；运用脑电相干性分析方法进行脑电的同步性分析。\n[0017] 优选的，所述云服务器对处理后的MRI图像信息、脑电信息以及接收到的认知-心理测评结果信息和临床信息进行基于大数据信息的机器学习和数据挖掘，如下：\n[0018] a、采用数据分治与并行处理策略对大数据信息进行基本处理；\n[0019] b、采用张量分解进行大数据信息的特征选择：利用Tucker分解方法进行数据分解，以及利用FSOM算法进行特征提取；\n[0020] c、采用半监督的学习算法对大数据信息进行分类；\n[0021] d、采用FCM聚类算法对大数据信息进行聚类，并运用MapReduce模型进行数据的大规模并行处理；\n[0022] e、采用Apriori算法对大数据信息进行关联分析。\n[0023] 优选的，所述脑电监测装置包括帽子、单极脑电传感器、参考电极、集成模拟前端、混合信号微控制器、蓝牙模块、充电管理模块以及充电电池；\n[0024] 所述单极脑电传感器设置在帽子的内侧，并与佩戴者的额头皮肤接触；所述参考电极与帽子相连，并夹在佩戴者的耳垂处；\n[0025] 所述单极脑电传感器和参考电极分别与集成模拟前端连接，所述集成模拟前端、混合信号微控制器和蓝牙模块依次连接；\n[0026] 所述充电电池为集成模拟前端、混合信号微控制器和蓝牙模块供电，所述充电管理模块用于控制充电电池的工作。\n[0027] 优选的，所述集成模拟前端采用ADS1291芯片，用于对单极脑电传感器和参考电极采集到的脑电信号进行放大、滤波和AD转换。\n[0028] 优选的，所述混合信号微控制器采用MSP430G2303处理器，用于对集成模拟前端处理的脑电信号进行接收和存储，并控制该脑电信号通过串口方式传输给蓝牙模块。\n[0029] 优选的，所述蓝牙模块采用BLE-CC2541芯片，用于接收混合信号微控制器传输的脑电信号，并将该脑电信号发送到智能终端。\n[0030] 优选的，所述充电电池采用型号为CN-383450的充电电池。\n[0031] 本发明相对于现有技术具有如下的有益效果：\n[0032] 1、本发明的老年痴呆症监护系统，通过智能终端可以接收老年痴呆症患者或健康人的脑电信息，通过智能终端的用户界面可以完成老年痴呆症患者或健康人的认知-心理测评以及输入老年痴呆症患者或健康人的临床信息，随后智能终端通过移动互联网将脑电信息、认知-心理测评结果信息和临床信息发送到云服务器，在云服务器可以接收医院上传的MRI图像信息，结合智能终端上传的信息，进行基于大数据信息的机器学习和数据挖掘，从而实现老年痴呆症的自动辅助诊断，避免现有诊断方法中过于依赖医生个人水平和经验造成的诊断结果片面和不一致，提高了诊断的准确性。\n[0033] 2、本发明的老年痴呆症监护系统，通过使老年痴呆症患者或健康人佩戴脑电监测装置(该装置将老年痴呆症的监测设施植入可穿戴设备中)，可以实现老年痴呆症患者或健康人的实时脑电监测，对于老年痴呆症患者，可以实时监测老年痴呆症的病情现状，并预测其发展趋势；对于健康人，可以有效地预防老年痴呆症，尽早发现老年痴呆症从而尽早采取积极的干预手段减缓老年痴呆症带来的身体伤害和精神负担。\n[0034] 3、本发明的老年痴呆症监护系统，在云服务器可以自动生成护理指导建议，并反馈给智能终端，给照顾者提供科学合理的护理指导建议，从而更好地控制老年痴呆症患者的病情，同时也有针对照顾者的心理调节建议，从而避免照顾者产生抑郁情结。\n附图说明\n[0035] 图1为本发明的老年痴呆症监护系统的总体结构图。\n[0036] 图2为本发明的脑电监测装置结构图。\n[0037] 图3为本发明的脑电监测装置中集成模拟前端所用芯片的管脚连接图。\n[0038] 图4为本发明的脑电监测装置中混合信号微控制器所用处理器的管脚连接图。\n[0039] 图5为本发明的脑电监测装置中蓝牙模块的管脚连接图。\n[0040] 图6为为本发明的脑电监测装置中充电管理模块的充电电路原理图。\n具体实施方式\n[0041] 实施例1：\n[0042] 下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。\n[0043] 如图1所示，本实施例的老年痴呆症监护系统应用于某个家庭中，包括智能终端、云服务器以及脑电监测装置，所述脑电监测装置通过蓝牙模块与智能终端连接，所述智能终端通过移动互联网与云服务器连接，其中：\n[0044] 家庭中老年痴呆症患者或健康人的脑电信息利用脑电监测装置进行实时获取，所述脑电监测装置如图2所示，包括帽子(图中未示出)、单极脑电传感器、参考电极、集成模拟前端、混合信号微控制器、蓝牙模块、充电管理模块以及充电电池；所述单极脑电传感器设置在帽子的内侧，并与佩戴者(该佩戴者为家庭中的老年痴呆症患者或健康人)的额头皮肤接触；所述参考电极与帽子相连，并夹在佩戴者(该佩戴者为家庭中的老年痴呆症患者或健康人)的耳垂处；所述单极脑电传感器和参考电极分别与集成模拟前端连接，所述集成模拟前端、混合信号微控制器和蓝牙模块依次连接。\n[0045] 所述脑电监测装置中，所述集成模拟前端采用TI(Texas Instruments，德州仪器)公司的ADS1291芯片，该芯片的管教连接如图3所示，该芯片集成了数据处理、AD转换等一系列功能；集成模拟前端用于对单极脑电传感器和参考电极采集到的脑电信号进行放大、滤波和AD转换。\n[0046] 所述脑电监测装置中，所述混合信号微控制器采用TI公司的MSP430G2303超低功耗处理器，该处理器的管脚连接如图4所示，从图中可以看到，MSP430G2303处理器的管脚5、管脚6、管脚7、管脚8、管脚9、管脚10、管脚11、管脚12、管脚15、管脚17和管脚18分别与ADS1291芯片的管脚21、管脚20、管脚19、管脚18、管脚17、管脚16、管脚15、管脚14、管脚22、管脚25和管脚26一一对应连接；混合信号微控制器用于对集成模拟前端处理的脑电信号进行接收和存储，并控制该脑电信号通过串口方式传输给蓝牙模块。\n[0047] 所述脑电监测装置中，所述蓝牙模块采用BLE-CC2541芯片，该芯片的管脚连接如图5所示，从图中可以看到，BLE-CC2541芯片的管脚15、管脚19、管脚20、管脚21、管脚22、管脚23和管脚24分别与MSP430G2303处理器的管脚23、管脚19、管脚3、管脚4、管脚20、管脚21和管脚22一一对应连接；蓝牙模块用于接收混合信号微控制器传输的脑电信号，并将该脑电信号发送到智能终端。\n[0048] 所述脑电监测装置中，所述充电电池采用型号为CN-383450的充电电池，该电池最大工作电压为3.7V，最大放电电流为600mAh；充电电池为集成模拟前端、混合信号微控制器和蓝牙模块供电。\n[0049] 所述脑电监测装置中，所述充电管理模块中通过充电电路实现电源向充电电池的充电过程(即控制充电电池的工作)，所述充电电路原理图如图6所示。\n[0050] 所述智能终端，用于接收老年痴呆症患者或健康人的脑电信息、完成老年痴呆症患者或健康人的认知-心理测评以及输入老年痴呆症患者或健康人的临床信息，并将脑电信息、认知-心理测评和临床信息上传到云服务器；其中，所述脑电信息通过家庭中老年痴呆症患者或健康人佩戴上述脑电监测装置进行获取，由脑电监测装置通过蓝牙模块发送到智能终端上；所述认知-心理测评包括认知功能测评和神经心理测评，由老年痴呆症患者或健康人在智能终端的用户界面上完成，认知功能测评结果和神经心理测评结果可以获取被测者的认知心理学疾病特征；所述临床信息在智能终端的用户界面上输入，包括家庭中老年痴呆症患者或健康人的身高、体重、性别、年龄、病史、家族史基本信息和体温、血氧饱和度、血压生理参数检测数据。\n[0051] 所述云服务器可以接收老年痴呆症患者或健康人的MRI图像信息以及接收智能终端上传的信息，其中，MRI图像信息和脑电信息可以获取被测者的神经影像学疾病特征，所述MRI图像信息是家庭中老年痴呆症患者或健康人在医院接受MRI检查后的图像结果，由医院的计算机上传到云服务器；\n[0052] 所述云服务器对接收到的MRI图像信息进行如下处理：\n[0053] 对MRI图像进行脑组织自动分割计算和脑组织体积计算，所述脑组织自动分割计算采用BET(Brain Extraction Tool，脑组织提取工具)算法，利用直方图和形变模型的方法实现脑组织的分割；所述脑组织体积计算是先利用阈值法和区域增长技术确定脑组织的边界，然后采用三维ROI(Region of interest，目标感兴趣区域)方法确定脑组织的三维范围，从而计算出脑组织的体积。\n[0054] 所述云服务器对接收到的脑电信息进行如下处理：\n[0055] 采用ICA方法(Independent ComponentAnalysi，独立成分分析)除去不规则眼动造成的伪迹，ICA方法是一种基于中心极限定理的盲信源分离方法；\n[0056] 通过更深层次的分析方法对经过ICA方法处理后的脑电信息进行挖掘，以获得更多的信息，具体包括：\n[0057] 1)运用相关维数方法进行非线性脑电信号分析，刻画神经系统复杂性，存在认知功能障碍患者其大脑的功能及结构均发生了变化，神经元之间联结减少，大脑皮层活动减少，这些表现通过相关维数反映出来；\n[0058] 2)运用Lempel-Ziv复杂度(Lempel-Ziv complexity，简称为LZC)算法到大脑处于不同功能状态时不同脑区的复杂度，大脑发育或功能越好，其复杂度越高，而存在认知障碍的患者表现出与正常人相比较低的复杂度；\n[0059] 3)运用脑电相干性分析方法进行脑电的同步性分析，可以反映两个信号在某一频率范围上波动形式的一致程度，可以间接反映相应位点大脑皮质之间的联络程度，不同位点的两个导联之间的相干系数越大，表示导联所在的位点的皮质联络越强，老年痴呆症患者和正常老年人相比半球间相干性有更明显的下降。\n[0060] 由于接收到的数据数量庞大，所述云服务器进一步对处理后的MRI图像信息、脑电信息以及接收到的认知-心理测评和临床信息进行基于大数据信息的机器学习和数据挖掘，包括如下步骤：\n[0061] 1)采用数据分治与并行处理策略对大数据信息进行基本处理；\n[0062] 2)采用张量分解进行大数据信息的特征选择：利用MET(Memory-Efficient Tucker Decomposition)这一内存使用更高效的Tucker分解方法进行数据分解，以及利用FSOM(Fast Self-organizing Map，快速自组织映射)算法进行特征提取；\n[0063] 3)采用半监督的学习算法对大数据信息进行分类；\n[0064] 4)采用FCM(Fuzzy c-means，模糊c均值)聚类算法对大数据信息进行聚类，并运用MapReduce模型进行数据的大规模并行处理；\n[0065] 5)采用Apriori算法对大数据信息进行关联分析。\n[0066] 所述云服务器通过对接收到的MRI图像信息、脑电信息、认知一心理测评结果信息和临床信息进行上述处理后，自动完成辅助诊断，并生成相应的护理指导建议，然后将辅助诊断结果和护理指导建议反馈给智能终端，由智能终端上的用户界面进行显示。\n[0067] 另外，上述实施例中的智能终端可以是智能手机、PDA智能终端、平板电脑等。\n[0068] 综上所述，本发明系统可以实现老年痴呆症的自动辅助诊断，避免现有诊断方法中过于依赖医生个人水平和经验造成的诊断结果片面和不一致，提高了诊断的准确性；此外，还能够给照顾者提供科学合理的护理指导建议，从而更好地控制患者病情，同时也有针对照顾者的心理调节建议，从而避免照顾者产生抑郁情结。\n[0069] 以上所述，仅为本发明专利较佳的实施例，但本发明专利的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明专利所公开的范围内，根据本发明专利的技术方案及其发明构思加以等同替换或改变，都属于本发明专利的保护范围。