智能癲癇病監測報警系統

楊振凱+苗成林+吳龍濤+黃睿

摘 要：通過相關渠道獲得了癲癇病人腦電波數據庫，并運用LVQ神經網絡模型進行訓練并在Matlab環境下進行仿真，得到結論：當腦電波中高頻的γ波（醫學稱為“棘波”）強度較大且反復出現時，癲癇極易發作。基于此分別設計并制作了適用于戶外和夜晚情景的癲癇病人智能監護系統。針對夜間環境研發的警報儀分為4個部分：腦電波傳感器、51單片機系統、藍牙模塊和語音警報模塊。針對戶外環境開發了一個基于安卓平臺的App。腦電波傳感器實時采集病人的腦電波，并通過藍牙分別傳輸到單片機和手機，這些設備對數據進行解析。若發現腦電波異常，單片機將驅動警報模塊發出警報;手機則會以短信息方式將病人位置信息通知家人，從而讓他們迅速采取措施。

關鍵詞：癲癇病;智能監控;報警;腦電波

癲癇病，是一種常見的神經系統疾病，其發病往往具有時間、地點的隨機性，尤其夜間戶外發病不易被發現，極易發生危險。針對此種情況，文章設計了智能癲癇病監測報警系統，下面將分別詳細介紹該系統的工作原理及創新點等。

1 ?工作原理

癲癇病人智能監護系統的研發主要完成了以下三方面工作，分別是前期理論研究、警報儀的設計和手機客戶端的App開發。

（1）理論研究。人的腦電波可按頻率分為θ、δ、α、β、γ5種基本波形，在不同精神狀態下不同波形占據主導。根據這一基本原理，我們首先獲取到了大量的癲癇患者腦電波數據。基于Matlab環境，進行LVQ神經網絡建模，對數據進行相關性分析，以得到患者腦電波的5種波形強度的相對大小和發病情況的關系。發現low-γ和mid-γ兩個頻率相對高的分量權重系數較高。分析神經網絡的神經節點情況，我們可得到以下結論：當相對高頻的頻率分量強度較大且反復出現，腦電波呈現出“棘波”和“尖波”時，患者癲癇發作的可能性很大。我們將這種波的強度加權組合，得到一個判斷腦電波癲癇可能性的閾值，以下的警報儀和安卓App就是基于這個閾值進行癲癇判別和預警的。

（2）警報儀由51單片機、藍牙收發模塊、語音警報模塊和腦電波傳感器組成。三者的通信由藍牙方式通過串口通信。系統硬件結構組成如圖1所示。

（3）手機客戶端的App。基于Android平臺的癲癇病人監護App應用首先通過藍牙模塊與腦電波傳感器連通，實時獲取腦電波數據，并進行腦電波的解析。當檢測到腦電波處于高度興奮或緊張狀態時，會通過鈴聲提示患者平靜心情;當檢測到高頻γ波（或“棘波”）頻繁出現時，即表示癲癇很可能要發作，此時會通過GPS模塊獲取患者位置信息，并通過短信模塊發送至預先設定的號碼。App工作過程如圖2所示。

圖1 ?系統硬件結構組成圖

圖2 ?App工作過程圖

2 ?創新點

癲癇病人監護系統的創新點主要體現在以下幾個方面：

（1）數據通信采用藍牙通信，這樣就能做到實時采集，實時監控，而且模塊輕便，適合在室內放置。

（2）基于原始腦電波，進行腦電波的分離解析，通過理論研究結論進行波形分析，實時獲取患者精神狀態，在發病之前觸發警報。

（3）系統可以實時獲取患者精神狀態，日常中當患者情緒波動較大時及時提醒患者調整情緒，從而降低發病頻率。

（4）基于Android平臺的手機App操作簡單，可以設置多位親人的號碼進行呼救，而且發送患者的位置信息方便及時施救。

3 ?市場前景

目前認為癲癇的患病率為4‰～9‰，由世界衛生組織在我國組織的大規模的調查報告為8‰，我國現有癲癇病人1000多萬人。我國的新發病率為25/10萬*年，所以每年新增發病人數為35萬人，然而現實生活中大量病人由于夜間發病或戶外突然發病，家人不能及時救治釀成悲劇，我們這款產品在研究癲癇病的發病機理后，針對其發病突然性和隨機性的特點，開發出分別適應戶外和夜間兩種環境的應用，解決了患者家屬實時有效看護患者的問題，而且操作簡單，攜帶方便，后期產品化后可以將腦電波傳感器置于常用的帽子中，從而保護患者隱私，其市場前景巨大。

4 ?獲獎感言

參加這個比賽對于我們而言既是一次學習，又是一次鍛煉，這是青春的比拼，這是智慧的碰撞，我們在ICAN里面不僅收獲了一個獎項，更多的是一種精神，一種團隊合作的精神，一種開拓進取不斷進取的精神，這些都是比得獎重要得多的東西，在這個過程里我們還收獲了友情，感謝ICAN，希望越來越多的人關注它。