陈刚，张翘楚哈尔滨石油学院信息工程学院；哈尔滨石油学院

基于意念控制的重患护理辅助系统

陈刚1，张翘楚2
1哈尔滨石油学院信息工程学院；2哈尔滨石油学院

现代医学研究表明，意念活动具有一定的规律性特征，和大脑的意识存在某种程度的对应关系。利用人脑中浮现某种固定的想法或特定的场景时，会出现相对固定频率的脑电波的特点,使用脑电波传感器来检测大脑相应脑电波频率的变化而设计出的一套医疗护理辅助系统，可以使患者不开口表达自己的需求。即被监护者的需求通过脑电波传感器检测到对应的脑电波频率的出现，利用通信子系统将这种需求发送到家属及医护人员处，从而将监护人从繁重的日常护理中解放出来。

脑电波；医疗护理；意念控制；人工智能

1　研究背景

本系统的研究围绕脑电波的检测与应用展开。脑电波（Elec⁃troencephalogram，EEG）是大脑在活动时，大量神经元同步发生的突触后电位经总和后形成的[1]。脑-机接口技术（Brain-Computer Interface，BCI），是指在人脑与计算机等外部设备之间利用脑波具有随情绪波动而变化的特性建立直接的连接通路。通过对于脑电信息的分析解读，将其进一步转化为相应的动作[2]。

系统涉及的研究内容包括生物特征识别、信号处理、人机交互、无线通信等方面。通过脑-机接口，将检测到的脑电波频率信号进行识别，滤除噪音后转换为电平信号，通过收集大量实验数据获得人的意念与脑电波之间的联系，结合模式识别算法，实现对意念的检测、转换、识别与应用，从而实现对某些特殊群体的医疗辅助护理。

2　系统组成与工作流程

2.1系统组成

系统主要由信号检测子系统、信号识别子系统、监护子系统构成。每个子系统又由若干功能模块构成，如图2-1所示。

图2-1　系统结构图

系统按功能可分为脑电波信号检测、脑电波信号识别、识别结果处理等核心模块。脑电波信号检测通过专用的脑电波检测传感器检测出使用者的实时脑电波；脑电波信号识别会将检测到的脑波信号，通过专用算法进行识别，保留有价值的信号；识别结果处理模块会将经过一系列处理后的脑电波转化为相应的求助信号发送到家属及医护人员的终端上，以便及时得到帮助。

2.2系统工作流程

图2-2　系统流程图

系统加电后，检测子系统和识别子系统间蓝牙模块进行配对，配对成功后，开始传输患者实时脑波数据。然后主控模块进行判断该信号是否与现有特征库中的信号相匹配，若匹配，则将信息告知患者家属和医生；若不匹配，则由工作人员决定是否将新的信号添加至特征库。如果判断该信号无必要添加至特征库，则系统会将该信号丢弃，继续进行监测。系统工作流程如图2-2所示。

3　系统测试

3.1脑电波数据抓取

系统采用美国神念公司的TGAM芯片，这是一种非植入式脑信号采集芯片，它能直接与干电极相连且在与头部贴合良好的情况下输出原始脑电信号。抓取的脑电波原始数据如图3-1所示。

图3-1　脑电波原始数据

3.2脑电波识别

在抓取大量脑电波原始数据后，采用模式近邻（KNN）算法进行设别。KNN分类算法是一种典型的非参数、有效、较流行的惰性学习方法，其思路简单且易于实现[3]。在使用KNN算法进行脑电波识别的计算步骤如下：（1）对计算对象x，计算x与训练集R中的每个数据对象的距离；（2）找出未标记数据集U中计算对象x与训练集R中的数据对象距离最近的k个；（3）依次统计出这k个数据对象的所属类别，找出包含个数最多的类；（4）将x划分到此类中；（5）重复以上步骤，直到所有计算对象分类结束；（6）输出标识后的数据集。

在经过KNN算法处理过本系统所抓取的脑电波原始数据后，确定病人急需帮助的脑电波区间，当脑电波检测装置检测到脑电波数据到达该区间时，触发相应的告警模块。

3.3脑电波控制

在患者正确佩戴检测头环后，打开系统开关，确认头环与系统蓝牙接收模块是否配对成功，配对成功后系统即可开始正常工作。检测模块会将脑电波数据实时传输到系统主控单元进行处理。当到达利用KNN算法确定的报警范围后，系统会将报警信号分别通过GSM模块以短信的形式发送到患者家属的手机上，并且触发护士站或医生办公室处的警报灯及语音报警模块。此时，家属或医护人员就会及时对报警信号做出相应处理，使患者得到应有的帮助。

4　结论

基于意念控制的重患护理辅助系统采用间接式脑电波测量方法，避免了直接式测量方法对人脑的伤害，减少了使用和维护成本；同时可有效降低护理人员的工作强度。目前在脑电波的测量及识别方面，由于受技术条件制约，对意念的识别还有相当的局限性，在后续的开发中，还需要对脑电波信号进行进一步的挖掘，使得系统具有更高的实用性。

[1]张海军,王浩川.多导联EEG信号分类识别研究[J].计算机工程与应用.2008.

[2]Wolpaw.J.R,Birbaumer.N,Heetderks.W.J.Brain-computer in⁃terface technology:a review of the first international meeting[J].IEEE transactions on rehabilitation engineering,2000,8(2):164-173.

[3]刘应东,牛慧民.基于k-最近邻图的小样本KNN分类[J].计算机工程.2011.5,37(9):198.