CN109965872A - 基于吸烟者渴求状态的电刺激触发平台 - Google Patents

Abstract

本发明公开基于吸烟者渴求状态的电刺激触发平台，包括脑电信号采集设备、渴求解码模块和可控直流电刺激发生器，所述脑电信号采集设备通过渴求解码模块与可控直流电刺激发生器连接；渴求解码模块根据预先构建的分类器模型计算发送的数据包，判断当前大脑状态对应吸烟刺激大脑状态的概率值，当概率值超过设定阈值时，触发可控直流电刺激发生器。本发明通过渴求解码模块并结合脑电信号采集设备和可控直流电刺激发生器，对吸烟成瘾者的脑电信号进行分析得到实时的渴求状态，并发送触发信号控制可控直流电刺激发生器的输出，能够更为有效地对吸烟成瘾者的渴求进行调控，降低他们的成瘾行为，且整个干预过程是完全自动的。

Description

基于吸烟者渴求状态的电刺激触发平台

技术领域

本发明属于认知神经科学技术领域，涉及到基于吸烟者渴求状态的电刺激触发平台。

背景技术

物质成瘾是影响人类健康的重大精神疾病之一。其中尼古丁(吸烟)成瘾是目前世界上分布最为广泛的物质成瘾形式，平均致病年龄最早的一种。中国作为烟草大国，吸烟人数已经达到3亿，约占全国人口近1/3，同时在中国每年因为吸烟相关的疾病而死亡的人数就达到100万人。与其他物质依赖类似，吸烟成瘾的戒断率非常低。有调查显示超过75％的吸烟者曾尝试戒烟，但只有3％的戒烟者能够戒烟成功。对吸烟的强烈渴求是复吸率高的主要原因，吸烟渴求指的是当给吸烟者呈现和吸烟相关的刺激时，就会诱发他们产生想要吸烟的感觉。

经颅直流电刺激(transcranial Direct Current Stimulation,tDCS)是一种无创、安全的颅外脑刺激手段。tDCS通过放置在头皮表面的阳极和阴极对特定脑区施加微弱直流电刺激，引起神经元细胞膜的超极化或者去极化过程，进而激活或抑制相应脑区的功能。由于其安全和易于操作，特别是不需要被试主观参与的特性，越来越多的研究开始探索采用tDCS治疗吸烟成瘾的可能性。

已经有很多研究探究了tDCS应用于吸烟成瘾的效果，这些研究都集中关注于渴求，特别是尼古丁线索诱发的渴求。Fregni及其同事首次发现了对左侧背外侧前额叶(DLPFC)施加单次微弱直流电刺激能显著地降低被试的吸烟渴求(Fregni et al.,2008)。之后，有很多研究都探索了在左侧DLPFC脑区施加tDCS降低吸烟渴求的效果，很多研究都支持了Fregni的发现。DLPFC和决策行为有关，因此，采用tDCS调节吸烟者渴求的机制可能是调节吸烟者的决策能力来实现的。但是，也有研究没有得到tDCS对吸烟行为的调节作用。比如，Xu et al.对隔夜戒断并且非努力寻求戒烟的吸烟者的左侧DLPFC施加tDCS刺激后，并未发现tDCS对渴求的调节作用(Xu et al.,2013)。

通过比较这个工作和之前发现有效果的工作，我们可以基本确定对左侧DLPFC施加tDCS刺激是可以降低吸烟者的渴求的，但是调节的效果可能与吸烟者在接受tDCS刺激时的自身状态相关。Kekic等综述了之前的数据，也发现tDCS的一般调控效果(从非常有效到几乎没效)跟被试当前的状态关系非常大(Kekic et al.,2016)。但是单纯的tDCS干预由于不涉及到吸烟者自身状态的检测，无法解决这个问题。

发明内容

本发明的目的在于提供的基于吸烟者渴求状态的电刺激触发平台，用于实时监视吸烟成瘾者的大脑活动，通过渴求解码模块对脑电信号进行解码，当发现吸烟成瘾者的渴求状态达到阈值时，触发经颅直流电刺激仪器进行干预，解决了现有经颅直流电刺激无法根据大脑状态进行渴求调节的弊端。

本发明的目的可以通过以下技术方案实现：

基于吸烟者渴求状态的电刺激触发平台，包括脑电信号采集设备、渴求解码模块和可控直流电刺激发生器，所述脑电信号采集设备通过渴求解码模块与可控直流电刺激发生器连接；

所述电脑信号采集设备采用脑电放大器，用于对电脑数据的采样频率进行设置，并将预设时间段的脑电信号作为数据包，发送至渴求解码模块，其中，脑电数据的采样频率为256HZ，数据包中包含了所有采样电极在1s内的时间序列电压信号；

所述渴求解码模块用于接收电脑信号采集设备发送的若干数据包，根据预先构建的分类器模型实时计算发送的数据包，判断当前大脑状态对应吸烟刺激大脑状态的概率值，当概率值超过设定阈值时，渴求解码模块触发可控直流电刺激发生器；

所述可控直流电刺激发生器，接收渴求状态解码模块发送的触发信号，输出预设幅值、预设时长的直流电信号。

进一步地，所述渴求解码模块的具体实现，包括以下步骤：

S1、收集吸烟者在吸烟刺激反应任务时的脑电信号，基于采集到的脑电信号分别提取吸烟刺激条件和非吸烟刺激条件下的脑电特征，其中，反应任务包括吸烟刺激和非吸烟刺激，脑电特征包括时域电压和频域能量；

S2、将吸烟刺激条件和非吸烟刺激条件下的脑电特征进行对比，基于非参检验中的置换检验得到两种刺激条件间有显著差异的时频区域，采用多个电极采集整个头皮的脑电信号，并将两种刺激条件间有显著差异的时频信息进一步通过基于簇的统计检验形成时间信息和电极信息的时空簇特征，时空簇特征包括时间，空间、电压/能量；

S3、将每个时空簇中的电压值和能量值在时间维度和空间维度做平均，从而得到每个簇的电压/能量值；

S4、将每个簇的电压/能量值通过线性支持向量机(SVM)算法训练出分类器，实现对吸烟刺激条件和非吸烟刺激条件大脑状态的区分,线性支持向量机算法的具体实现过程通过Matlab软件中的fitcsvm获得；

S5、利用上诉构建的分类器模型来实时计算当前被试所处于的渴求状态，所述渴求状态采用分类器的输出来表示，将由脑电采集设备实时获取到的1s的脑电数据输入到之前建立的分类器中，分类器的输出是一个概值(0-1)，该概率值反应的是当前大脑所处的脑活动模式对应于吸烟刺激反应的脑活动模式的相近程度，即多大概率上处于吸烟刺激反应的脑活动模式(高吸烟渴求状态)，该值主要通过Matlab软件中的fitSVMPosterior计算得到。

进一步地，所述步骤S3中设空簇中所有三维点的表示是{(a1,b1,p11),(a1,b2,p12),...,(a1,bm,p1m),(a2,b1,p21),...,(a2,bm,p2m),...,(an,bm,pnm)}，其中，a1,a2,...,an表示时空簇中所有不同的时间点，b1,b2,...,bm表示时空簇中所有不同的空间点(电极点)，p11,p12,...,pnm表示在每个时空点下对应的电压/能量值；

根据每个时空点的电压/能量值，获得每个簇的电压/能量平均值为

进一步地，所述步骤S4中，支持向量机是一个二元分类算法，线性支持向量机是一个超平面，选取P个线性可分样本{(X1,d1),(X2,d2),...,(Xp,dp),...(XP,dP)},对于任一输入样本Xp,期望输出为dp＝±1，Xp表示为吸烟者在吸烟刺激条件或非吸烟刺激条件下时空簇的电压/能量值，dp代表两类类别标识,即吸烟刺激渴求状态、非吸烟刺激渴求状态；

用于分类的超平面方程为：W0^TX+b0＝0；

然后利用最大间隔算法求出使得超平面离两边的数据间隔最大的W0和b0的值。

进一步地，所述W0和b0的计算过程如下所示：

1)构造约束优化问题；

使得且α_i>＝0,i＝1,2,…,P

2)上述约束优化问题没有公式解，通常的方法是用SMO算法求出使得Q(α)最小时对应的

3)

4)找出所有的满足α_i>0对应的样本(Xi,di)(假设这样的样本一共有S个)。计算出每个(Xi,di)对应的

根据求得的数据间隔最大的W0和b0的值，代入超平面方程，则得到最终的分类器的判别函数为f(X)＝sgn(W0^TX+b0)，即若W0^TX+b0>0,dp＝+1；若W0^TX+b0<0,dp＝-1。

进一步地，所述分类器输出概率值的具体过程如下：

输出概率值的公式为：Pr(y＝1|X)≈PA,B(f)＝1/(1+exp(Af(X)+B))

公式中的参数A和B是最优化问题的解，其中fi＝f(Xi)，di∈(d1,d2,...,dp,...,dP)。

本发明的有益效果：

本发明提供的基于吸烟者渴求状态的电刺激触发平台，通过渴求解码模块并结合脑电信号采集设备和可控直流电刺激发生器，对吸烟成瘾者的脑电信号进行分析得到实时的渴求状态，并发送触发信号控制可控直流电刺激发生器的输出，能够更为有效地对吸烟成瘾者的渴求进行调控，降低他们的成瘾行为，且整个干预过程是完全自动的。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明中基于吸烟者渴求状态的电刺激触发平台的示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参阅图1所示，基于吸烟者渴求状态的电刺激触发平台，包括包括脑电信号采集设备、渴求解码模块和可控直流电刺激发生器，脑电信号采集设备通过渴求解码模块与可控直流电刺激发生器连接；

电脑信号采集设备采用脑电放大器，用于对电脑数据的采样频率进行设置，并将预设时间段的脑电信号作为数据包，发送至渴求解码模块，其中，脑电数据的采样频率为256HZ，数据包中包含了所有采样电极在1s内的时间序列电压信号；

渴求解码模块用于接收电脑信号采集设备发送的若干数据包，根据预先构建的分类器模型实时计算发送的数据包，判断当前大脑状态对应吸烟刺激大脑状态的概率值，当概率值超过设定阈值时，渴求解码模块触发可控直流电刺激发生器；

其中，渴求解码模块的具体实现，包括以下步骤：

S1、收集吸烟者在吸烟刺激反应任务时的脑电信号，基于采集到的脑电信号分别提取吸烟刺激条件和非吸烟刺激条件下的脑电特征，其中，反应任务包括吸烟刺激和非吸烟刺激，脑电特征包括时域电压和频域能量；

S2、将吸烟刺激条件和非吸烟刺激条件下的脑电特征进行对比，基于非参检验中的置换检验得到两种刺激条件间有显著差异的时频区域，采用多个电极采集整个头皮的脑电信号，并将两种刺激条件间有显著差异的时频信息进一步通过基于簇的统计检验形成时间信息和电极信息的时空簇特征，时空簇特征包括时间，空间、电压/能量。

S3、将每个时空簇中的电压值和能量值在时间维度和空间维度做平均，从而得到每个簇的电压/能量值。

假设时空簇中所有三维点的表示是{(a1,b1,p11),(a1,b2,p12),...,(a1,bm,p1m),(a2,b1,p21),...,(a2,bm,p2m),...,(an,bm,pnm)}，其中，a1,a2,...,an表示时空簇中所有不同的时间点，b1,b2,...,bm表示时空簇中所有不同的空间点(电极点)，p11,p12,...,pnm表示在每个时空点下对应的电压/能量值；

每个簇的电压/能量平均值为

S4、将每个簇的电压/能量值通过线性支持向量机(SVM)算法训练出分类器，实现对吸烟刺激条件和非吸烟刺激条件大脑状态的区分,线性支持向量机算法的具体实现过程通过Matlab软件中的fitcsvm获得。

线性支持向量机算法：支持向量机(SVM)是一个二元分类算法，线性支持向量机是一个超平面，把原始样本集划分为两部分,并且这个超平面离两边的数据间隔最大。

考虑P个线性可分样本{(X1,d1),(X2,d2),...,(Xp,dp),...(XP,dP)},对于任一输入样本Xp(吸烟者在某个吸烟刺激条件或非吸烟刺激条件下时空簇的电压/能量值),期望输出为dp＝±1(代表两类类别标识：吸烟刺激渴求状态、非吸烟刺激渴求状态)。

用于分类的超平面方程为：W0^TX+b0＝0；

然后利用最大间隔算法求出使得超平面离两边的数据间隔最大的W0和b0的值。

其中，W0和b0的计算过程如下所示：

1)构造约束优化问题

使得且α_i>＝0,i＝1,2,…,P

2)上述约束优化问题没有公式解，通常的方法是用SMO算法求出使得Q(α)最小时对应的

3)

4)找出所有的满足α_i>0对应的样本(Xi,di)(假设这样的样本一共有S个)。计算出每个(Xi,di)对应的

根据求得的数据间隔最大的W0和b0的值，代入超平面方程，则得到最终的分类器的判别函数为f(X)＝sgn(W0^TX+b0)，即若W0^TX+b0>0,dp＝+1；若W0^TX+b0<0,dp＝-1。

S5、利用上诉构建的分类器模型来实时计算当前被试所处于的渴求状态，所述渴求状态采用分类器的输出来表示，将由脑电采集设备实时获取到的1s的脑电数据输入到之前建立的分类器中，分类器的输出是一个概值(0-1)，该概率值反应的是当前大脑所处的脑活动模式对应于吸烟刺激反应的脑活动模式的相近程度，即多大概率上处于吸烟刺激反应的脑活动模式(高吸烟渴求状态)，该值主要通过Matlab软件中的fitSVMPosterior计算得到。

由分类器输出概率值的具体过程如下：

输出概率值的公式为：Pr(y＝1|X)≈PA,B(f)＝1/(1+exp(Af(X)+B))

公式中的参数A和B是最优化问题的解，其中fi＝f(Xi)，di∈(d1,d2,...,dp,...,dP)。

可控直流电刺激发生器，接收渴求状态解码模块发送的触发信号，输出预设幅值、预设时长的直流电信号，优选，预设幅值预设市场的直流电信号的幅值大小2mA,输出市场为36s。

以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本权利要求书所定义的范围，均应属于本发明的保护范围。

Claims (6)

1.基于吸烟者渴求状态的电刺激触发平台，包括脑电信号采集设备和可控直流电刺激发生器，其特征在于：还包括渴求解码模块，所述脑电信号采集设备通过渴求解码模块与可控直流电刺激发生器连接；

所述电脑信号采集设备采用脑电放大器，用于对电脑数据的采样频率进行设置，并将预设时间段的脑电信号作为数据包，发送至渴求解码模块，其中，脑电数据的采样频率为256HZ，数据包中包含了所有采样电极在1s内的时间序列电压信号；

所述渴求解码模块用于接收电脑信号采集设备发送的若干数据包，根据预先构建的分类器模型实时计算发送的数据包，判断当前大脑状态对应吸烟刺激大脑状态的概率值，当概率值超过设定阈值时，渴求解码模块触发可控直流电刺激发生器；

所述可控直流电刺激发生器，接收渴求状态解码模块发送的触发信号，输出预设幅值、预设时长的直流电信号。

2.根据权利要求1所述的基于吸烟者渴求状态的电刺激触发平台，其特征在于：所述渴求解码模块的具体实现，包括以下步骤：

S1、收集吸烟者在吸烟刺激反应任务时的脑电信号，基于采集到的脑电信号分别提取吸烟刺激条件和非吸烟刺激条件下的脑电特征，其中，反应任务包括吸烟刺激和非吸烟刺激，脑电特征包括时域电压和频域能量；

S2、将吸烟刺激条件和非吸烟刺激条件下的脑电特征进行对比，基于非参检验中的置换检验得到两种刺激条件间有显著差异的时频区域，采用多个电极采集整个头皮的脑电信号，并将两种刺激条件间有显著差异的时频信息进一步通过基于簇的统计检验形成时间信息和电极信息的时空簇特征，时空簇特征包括时间，空间、电压/能量；

S3、将每个时空簇中的电压值和能量值在时间维度和空间维度做平均，从而得到每个簇的电压/能量值；

S4、将每个簇的电压/能量值通过线性支持向量机(SVM)算法训练出分类器，实现对吸烟刺激条件和非吸烟刺激条件大脑状态的区分,线性支持向量机算法的具体实现过程通过Matlab软件中的fitcsvm获得；

S5、利用上诉构建的分类器模型来实时计算当前被试所处于的渴求状态，所述渴求状态采用分类器的输出来表示，将由脑电采集设备实时获取到的1s的脑电数据输入到之前建立的分类器中，分类器的输出是一个概值(0-1)，该概率值反应的是当前大脑所处的脑活动模式对应于吸烟刺激反应的脑活动模式的相近程度，即多大概率上处于吸烟刺激反应的脑活动模式(高吸烟渴求状态)，该值主要通过Matlab软件中的fitSVMPosterior计算得到。

3.根据权利要求2所述的基于吸烟者渴求状态的电刺激触发平台，其特征在于：所述步骤S3中设空簇中所有三维点的表示是{(a1,b1,p11),(a1,b2,p12),...,(a1,bm,p1m),(a2,b1,p21),...,(a2,bm,p2m),...,(an,bm,pnm)}，其中，a1,a2,...,an表示时空簇中所有不同的时间点，b1,b2,...,bm表示时空簇中所有不同的空间点(电极点)，p11,p12,...,pnm表示在每个时空点下对应的电压/能量值；

根据每个时空点的电压/能量值，获得每个簇的电压/能量平均值为

4.根据权利要求2所述的基于吸烟者渴求状态的电刺激触发平台，其特征在于：所述步骤S4中，支持向量机是一个二元分类算法，线性支持向量机是一个超平面，选取P个线性可分样本{(X1,d1),(X2,d2),...,(Xp,dp),...(XP,dP)},对于任一输入样本Xp,期望输出为dp＝±1，Xp表示为吸烟者在吸烟刺激条件或非吸烟刺激条件下时空簇的电压/能量值，dp代表两类类别标识,即吸烟刺激渴求状态、非吸烟刺激渴求状态；

用于分类的超平面方程为：W0^TX+b0＝0；

然后利用最大间隔算法求出使得超平面离两边的数据间隔最大的W0和b0的值。

5.根据权利要求4所述的基于吸烟者渴求状态的电刺激触发平台，其特征在于：所述W0和b0的计算过程如下所示：

1)构造约束优化问题；

使得且α_i>＝0,i＝1,2,…,P

2)上述约束优化问题没有公式解，通常的方法是用SMO算法求出使得Q(α)最小时对应的

3)

4)找出所有的满足α_i>0对应的样本(Xi,di)(假设这样的样本一共有S个)。计算出每个(Xi,di)对应的

根据求得的数据间隔最大的W0和b0的值，代入超平面方程，则得到最终的分类器的判别函数为f(X)＝sgn(W0^TX+b0)，即若W0^TX+b0>0,dp＝+1；若W0^TX+b0<0,dp＝-1。

6.根据权利要求2所述的基于吸烟者渴求状态的电刺激触发平台，其特征在于：所述分类器输出概率值的具体过程如下：

输出概率值的公式为：Pr(y＝1|X)≈PA,B(f)＝1/(1+exp(Af(X)+B))

公式中的参数A和B是最优化问题的解，其中