CN111760194A - 一种智能闭环神经调控系统和方法 - Google Patents

一种智能闭环神经调控系统和方法 Download PDF

Info

Publication number
CN111760194A
CN111760194A CN202010640571.7A CN202010640571A CN111760194A CN 111760194 A CN111760194 A CN 111760194A CN 202010640571 A CN202010640571 A CN 202010640571A CN 111760194 A CN111760194 A CN 111760194A
Authority
CN
China
Prior art keywords
interaction
patient
target
module
disease
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202010640571.7A
Other languages
English (en)
Inventor
林婷
万文妮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Nuowei Medical Technology Co ltd
Original Assignee
Hangzhou Nuowei Medical Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangzhou Nuowei Medical Technology Co ltd filed Critical Hangzhou Nuowei Medical Technology Co ltd
Priority to CN202010640571.7A priority Critical patent/CN111760194A/zh
Publication of CN111760194A publication Critical patent/CN111760194A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N1/00—Electrotherapy; Circuits therefor
    • A61N1/02—Details
    • A61N1/04—Electrodes
    • A61N1/05—Electrodes for implantation or insertion into the body, e.g. heart electrode
    • A61N1/0526—Head electrodes
    • A61N1/0529—Electrodes for brain stimulation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7253—Details of waveform analysis characterised by using transforms
    • A61B5/726—Details of waveform analysis characterised by using transforms using Wavelet transforms
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/7465—Arrangements for interactive communication between patient and care services, e.g. by using a telephone network
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/7475—User input or interface means, e.g. keyboard, pointing device, joystick
    • A61B5/749—Voice-controlled interfaces
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N1/00—Electrotherapy; Circuits therefor
    • A61N1/18—Applying electric currents by contact electrodes
    • A61N1/32—Applying electric currents by contact electrodes alternating or intermittent currents
    • A61N1/36—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation
    • A61N1/3605—Implantable neurostimulators for stimulating central or peripheral nerve system
    • A61N1/3606—Implantable neurostimulators for stimulating central or peripheral nerve system adapted for a particular treatment
    • A61N1/36082—Cognitive or psychiatric applications, e.g. dementia or Alzheimer's disease
    • A61N1/36092—Mental training
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N1/00—Electrotherapy; Circuits therefor
    • A61N1/18—Applying electric currents by contact electrodes
    • A61N1/32—Applying electric currents by contact electrodes alternating or intermittent currents
    • A61N1/36—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation
    • A61N1/3605—Implantable neurostimulators for stimulating central or peripheral nerve system
    • A61N1/36128—Control systems
    • A61N1/36132—Control systems using patient feedback
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N1/00—Electrotherapy; Circuits therefor
    • A61N1/18—Applying electric currents by contact electrodes
    • A61N1/32—Applying electric currents by contact electrodes alternating or intermittent currents
    • A61N1/36—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation
    • A61N1/3605—Implantable neurostimulators for stimulating central or peripheral nerve system
    • A61N1/36128—Control systems
    • A61N1/36135—Control systems using physiological parameters
    • A61N1/36139—Control systems using physiological parameters with automatic adjustment

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Pathology (AREA)
  • Psychiatry (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Artificial Intelligence (AREA)
  • Physiology (AREA)
  • Neurology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Radiology & Medical Imaging (AREA)
  • Neurosurgery (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Psychology (AREA)
  • Child & Adolescent Psychology (AREA)
  • Developmental Disabilities (AREA)
  • Cardiology (AREA)
  • Power Engineering (AREA)
  • Hospice & Palliative Care (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Nursing (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本说明书实施例公开了一种智能闭环神经调控系统和方法，该方案包括：以机器学习算法对采集到的目标患者的脑电数据进行预测分类，从而可以提升病情初步判定的准确性；基于分类结果选择目标交互场景，并在该目标场景下以预设交互方式，与目标患者进行病情交互，这样可以进一步完善患者病情，提升初步诊断的准确性，将病情交互结果反馈给第三方，不需要患者亲临就诊，即可根据智能闭环神经调控系统初步确定的病情交互结果对患者过往病情进行诊断分析，既方便了患者就诊，也为医生诊断病情提供了较为真实可靠的参考依据。因此，从整体上提升了诊断效率，缓解了就诊难度，降低了治疗成本。

Description

一种智能闭环神经调控系统和方法
技术领域
本发明涉及医疗器械技术领域，尤其涉及一种智能闭环神经调控系统和方法。
背景技术
随着社会的发展和人们生活水平的提高，对神经功能失调疾病的治疗需求越来越迫切。神经调控技术的出现使功能神经外科成为目前医药技术领域发展最为迅速的学科之一。
目前，在神经外科临床手术中，同类型的神经调控技术有脑深部神经刺激(DeepBrain Stimulation，DBS)、迷走神经刺激(Vagus Nerve Stimulation，VNS)和响应式神经刺激(Responsive NeuroStimulation，RNS,Brain-Computer Modulation,BCMod)。DBS和VNS都是通过持续电刺激来抑制整个环路的异常放电从而中止疾病发作的开环神经电刺激系统。而RNS和BCMod是一种通过植入的电极收集脑电信号，进行实时监测分析，当识别到异常的脑电信号时立即释放电刺激来中止发作的一种反馈式闭环神经电刺激系统。
作为神经调控技术，医生的诊断与系统的反馈固然重要，但患者自身反馈也是判断治疗效果的重要依据。由于患者本身容易因焦虑、恐惧、悲观等心理活动与主观意识影响自我感受、认识和判断，造成不准确甚至臆想的自我表述，形成无效反馈，严重还会影响到医生的诊断与治疗。因此，现有技术中神经调控系统反馈的病情状况并不准确，严重影响治疗判断。
发明内容
本说明书实施例的目的是提供一种智能闭环神经调控系统和方法，以有效提升神经调控系统反馈的病情状况的准确性。
为解决上述技术问题，本说明书实施例通过以下方式实现的：
第一方面，提出了一种智能闭环神经调控系统，包括：植入在患者体内的脉冲发生器，与所述脉冲发生器建立有信号连接的控制器；
其中，所述控制器包括：病情解析模块、优化模块、交互模块以及反馈模块；
所述病情解析模块，用于根据目标患者的脑电数据，基于机器学习算法对脑电数据进行分类；
所述优化模块，用于根据所述病情解析模块的分类结果选择目标交互场景，并基于所述目标交互场景生成交互对话，其中，所述交互对话的内容与病情分类结果相关；
所述交互模块，用于采用生成的所述交互对话，基于预设交互方式与所述目标患者进行病情交互；
所述反馈模块，用于将病情交互的结果反馈给第三方。
第二方面，提出了一种智能闭环神经调控方法，应用于第一方面所述的智能闭环神经调控系统中，包括：
根据采集到的目标患者的脑电数据，基于机器学习算法对脑电数据进行分类；
根据所述病情解析模块的分类结果选择目标交互场景，并基于所述目标交互场景生成交互对话，其中，所述交互对话的内容与病情分类结果相关；
采用生成的所述交互对话，基于预设交互方式与所述目标患者进行病情交互；
将病情交互的结果反馈给第三方。
第三方面，提出了一种电子设备，包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行以下操作：
根据采集到的目标患者的脑电数据，基于机器学习算法对脑电数据进行分类；
根据所述病情解析模块的分类结果选择目标交互场景，并基于所述目标交互场景生成交互对话，其中，所述交互对话的内容与病情分类结果相关；
采用生成的所述交互对话，基于预设交互方式与所述目标患者进行病情交互；
将病情交互的结果反馈给第三方。
第四方面，提出了一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行以下操作：
根据采集到的目标患者的脑电数据，基于机器学习算法对脑电数据进行分类；
根据所述病情解析模块的分类结果选择目标交互场景，并基于所述目标交互场景生成交互对话，其中，所述交互对话的内容与病情分类结果相关；
采用生成的所述交互对话，基于预设交互方式与所述目标患者进行病情交互；
将病情交互的结果反馈给第三方。
由以上本说明书实施例提供的技术方案可见，以机器学习算法对采集到的目标患者的脑电数据进行预测分类，从而可以提升病情初步判定的准确性；然后，基于分类结果选择目标交互场景，并在该目标场景下以预设交互方式，与目标患者进行病情交互，这样可以进一步完善患者病情，提升初步诊断的准确性，最后，将病情交互结果反馈给第三方，不需要患者亲临就诊，即可根据智能闭环神经调控系统初步确定的病情交互结果对患者过往病情进行诊断分析，既方便了患者就诊，也为医生诊断病情提供了较为真实可靠的参考依据。因此，从病人角度出发，系统、医生和患者三方结合，全面反馈治疗效果，减少患者入院随访，并为患者提供随时智能医护，提升治疗安全性，解决调试成本大等问题，自动调节优化检测与刺激参数，不断优化治疗方案，为患者提供私人订制精确的治疗方案。同时，能够与患者进行智能语音交流，基于不同类型的异常数据集，通过语音智能交流引导患者进行交互反馈，提高用户体验的同时，识别分析筛选出有效信息，实现有效反馈，同时智能互动优化系统除了关注治疗效果、患者生活质量等生理状况是否改善，更关注患者的治疗满意度等心理状态，本系统通过积极互动影响病人的心理状态，帮助病人在其自身条件下获得最适宜的身心状态，尽可能为患者创造有益于治疗和康复的最佳心理状态。
附图说明
为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中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说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本说明书的一个实施例提供的智能闭环神经调控系统的结构示意图。
图2是本说明书的一个实施例提供的智能闭环神经调控方法的步骤示意图。
图3是本说明书的一个实施例提供的智能闭环神经调控系统的具体结构示意图。
图4是本说明书的一个实施例提供的病情发作与生理信息解析模块的原理示意图。
图5是本说明书的一个实施例提供的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书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说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，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他实施例，都应当属于本说明书保护的范围。
参照图1a所示，为本说明书实施例提供的智能闭环神经调控系统的结构示意图，该智能闭环神经调控系统可以包括：植入在患者体内的脉冲发生器11，与所述脉冲发生器11建立有信号连接的控制器12，其中，所述控制器12包括：病情解析模块121、优化模块122、交互模块123以及反馈模块124；
所述病情解析模块121用于根据采集的目标患者的脑电数据，基于机器学习算法对脑电数据进行分类；所述优化模块122用于根据所述病情解析模块121的分类结果选择目标交互场景，并基于所述目标交互场景生成交互对话，其中，所述交互对话的内容与病情分类结果相关；所述交互模块123用于采用生成的所述交互对话，基于预设交互方式与所述目标患者进行病情交互，所述交互对话的内容与病情分类结果相关；所述反馈模块124用于将病情交互的结果反馈给第三方。
其中，所述脉冲发生器11可以是植入在患者体内的神经刺激器，用以采集并记录在大脑运动皮层或语言区的脑电数据。
通过上述技术方案，以机器学习算法对采集到的目标患者的脑电数据进行预测分类，从而可以提升病情初步判定的准确性；然后，基于分类结果选择目标交互场景，并在该目标场景下以预设交互方式，与目标患者进行病情交互，这样可以进一步完善患者病情，提升初步诊断的准确性，最后，将病情交互结果反馈给第三方，不需要患者亲临就诊，即可根据智能闭环神经调控系统初步确定的病情交互结果对患者过往病情进行诊断分析，既方便了患者就诊，也为医生诊断病情提供了较为真实可靠的参考依据。因此，从整体上提升了诊断效率，缓解了就诊难度，降低了治疗成本。从病人角度出发，系统、医生和患者三方结合，全面反馈治疗效果，减少患者入院随访，并为患者提供随时智能医护，提升治疗安全性，解决调试成本大等问题，自动调节优化检测与刺激参数，不断优化治疗方案，为患者提供私人订制精确的治疗方案。同时，能够与患者进行智能语音交流，基于不同类型的异常数据集，通过语音智能交流引导患者进行交互反馈，提高用户体验的同时，识别分析筛选出有效信息，实现有效反馈，同时智能互动优化系统除了关注治疗效果、患者生活质量等生理状况是否改善，更关注患者的治疗满意度等心理状态，本系统通过积极互动影响病人的心理状态，帮助病人在其自身条件下获得最适宜的身心状态，尽可能为患者创造有益于治疗和康复的最佳心理状态。
应理解，在本说明书实施例中，所述智能闭环神经调控系统还可以包括采集模块以及其它现有模块，在此不作赘述。其中，采集模块用于借助植入在目标患者体内的脉冲发生器采集脑电数据。
其实，在本说明书实施例中，所述病情解析模块121具体包括：预处理单元1211、特征提取单元1212以及分类单元1213；
所述预处理单元1211用于对所述目标患者的脑电数据中的原始波进行低通滤波处理，提取预设频率的波段；
所述特征提取单元1212用于对滤波处理后提取的所述预设频率的波段进行小波分解，并对分解后的波段以及所述原始波分别进行经验模态分解，分别从每个波段提取经过经验模态分解后得到的本征模函数中的前N个本征模函数，并分别计算每个本征模函数的方差，得到所述目标患者的脑电数据的特征值；其中，所述N为大于1的正整数；
所述分类单元1213用于将所述目标患者的脑电数据的特征值，输入预先设置好的病情分类模型，得到分类结果。
需要说明的是，在本说明书实施例中，可预先根据历史脑电数据中已经确诊的脑电数据，作为训练样本；应理解，这些样本数据可以标记有表征病情的诊断标签；从训练样本中提取各个样本数据的样本特征，然后将样本特征和样本标签输入至待训练模型进行模型训练，最终得到训练好的病情分类模型，以供后续预测分类使用。
在本说明书实施例中，所述待训练模型可以是现有线性模型或者决策树模型或者神经网络模型等，在此不做赘述。
进一步，所述优化模块122在根据所述病情解析模块的分类结果选择目标交互场景时，具体用于将所述分类结果与所述脑电数据携带的分类标记进行比对，所述分类标记是在采集所述脑电数据时由所述神经刺激器检测确定；如果两者的分类相似度小于阈值，则选择检测方案优化场景作为目标交互场景；如果两者的分类相似度大于等于阈值而病患发作频次并未减少，则选择治疗方案优化场景作为目标交互场景。从而，可以根据较为准确的预测分类结果，确定目标患者的病情状况，以选择合适的场景模式进行病情交互。
考虑到所述脑电数据至少包含两种属性信息，一种属性信息是发作波或发作间期波，另一种属性信息是清醒或睡眠；相应地，所述优化模块122在根据所述病情解析模块121的分类结果选择目标交互场景时，除了选择上述交互场景外，还用于如果睡眠信息异常，则选择生活治疗优化场景作为目标交互场景；如果病患发作频次减少且睡眠信息正常，则选择聊天优化场景作为目标交互场景。从而，可以基于预测分类结果，准确选择与目标患者病情匹配的场景模式进行病情交互。
进一步，考虑到在病情交互时，预测分类结果并不能完全代表目标患者当前的病情状况，还可以参照比较主观的情感、感觉等属性来协同分析，因此，参照图1b所示，所述控制器12还可以包括：主动想象模块125；
所述主动想象模块125用于实时采集所述目标患者的脑电数据，并基于预先训练的识别模型，识别出所述目标患者对当前交互对话中问题的答案。从而，基于机器学习算法准确识别出目标患者对交互对话中问题的答案，提升病情诊断准确性。
一种可实现的方案，所述优化模块122还用于将病情交互的结果进行答案解析，并基于解析答案的结果对问题进行优化。从而，生成优化问题集关系链，便于后续匹配使用。
另一种可实现的方案，参照图1c所示，所述控制器12还包括：治疗方案优化模块126；所述治疗方案优化模块126用于根据所述优化模块122优化得到的问题以及可调整的优化参数，对治疗方案进行优化调整，并发送至脉冲发生器11，所述脉冲发生器11还可以基于优化调整的治疗方案对患者进行刺激治疗。其实，在发送给脉冲发生器之后，还可以在新的使用周期，由脉冲发生器返回给控制器进行治疗方案的参照。
应理解，所述交互模块123在采用生成的所述交互对话，基于预设交互方式与所述目标患者进行病情交互时，具体用于采用生成的所述交互对话，基于视频、语音和按键方式中的至少一种交互方式与所述目标患者进行病情交互。可见，控制器与目标患者之间的病情交互方式多样且灵活。
例如，列举一个语音互动的例子；假设控制器12集成在某个机器终端上，机器侧与患者交互如下：
“机器侧：你好吗？
患者：我很好。
机器侧：你昨天有疾病发作吗？
患者：没有。
机器侧：太好了。我会继续监测，尽力保护你的安全。”
或者，
“机器侧：你好吗？
患者：不好。
机器侧：哪里不好呢？
患者：昨天下午四点发作了。
机器侧：好的，我会根据情况优化治疗。”
可选地，所述反馈模块124用于将病情交互的结果反馈给在线门诊或与所述目标患者关联的第三方。其中，所述与所述目标患者关联的第三方可以为目标患者设置的紧急联系人，比如：亲属、朋友等，或者家庭医生。具体实现时，可通过短消息发送给第三方的手持终端。
进一步，所述反馈模块124还用于将病情交互的结果以及病情交互的记录内容上传云端服务器。从而，以云端存储的方式保存在云端服务器，便于医生或患者查询了解病情及诊断情况。
参照图2所示，为本说明书实施例提供的一种智能闭环神经调控方法的步骤示意图，该方法应用于上述任一实施例所述的智能闭环神经调控系统中，可以包括以下步骤：
步骤201：根据采集的目标患者的脑电数据，基于机器学习算法对脑电数据进行分类。
步骤202：根据分类结果选择目标交互场景，并基于所述目标交互场景生成交互对话，其中，所述交互对话的内容与病情分类结果相关。
步骤203：采用生成的所述交互对话，基于预设交互方式与所述目标患者进行病情交互。
步骤204：将病情交互的结果反馈给第三方。
下面通过具体的实施例对本说明书所涉及的方案进行详述，需要说明的是，该实施例中的模块名称仅作为示例，并不对模块的功能进行限定。参照图3所示，所述智能闭环神经调控系统可以包括：植入在目标患者体内的脉冲发生器31，与脉冲发生器31连接的患者程控仪32，云端服务器33。
其中，所述患者程控仪32可以包括：脑电数据采集模块321，病情发作与生理信息解析模块322，优化交互模块323，常规交互模块324，治疗方案优化模块325，主动想象交互模块326以及反馈模块327。
所述病情发作与生理信息解析模块322可进一步包括：预处理单元，特征提取单元和分类单元；所述优化交互模块323进一步包括：场景选择单元，生成对话单元，优化问题集关系链单元和回答解析单元；所述常规交互模块324可进一步包括：视频单元，语音单元和按键单元；所述主动想象交互模块326可进一步包括：特征选择单元和模式识别单元；所述反馈模块327可进一步包括：交互记录单元，紧急通知单元和在线门诊单元。
在患者程控仪32与脉冲发生器31之间建立无线通信连接(可通过蓝牙或WIFI等无线通信连接方式)之后，脑电数据采集模块321从脉冲发生器31中采集历史脑电数据，应理解，这里的历史脑电数据，是采集之前所记录保存的所有脑电数据，包括：已经过医生确诊的脑电数据和未经过医生确诊的脑电数据。
其实，在采集历史脑电数据之后，可以预先根据已经过医生确诊的脑电数据，基于所选的机器学习算法对应的模型进行训练，得到收敛结果较佳的病情诊断模型以对采集到的脑电数据进行初步诊断分类。
病情发作与生理信息解析模块322的具体实现可参照图4所示。
(1)、预处理
预处理单元将未经过医生确诊的脑电数据进行预处理，具体可以对原始波(原始脑电数据波信号)进行低通滤波，提取0-300Hz的频率波段，例如，可以采用二阶巴特沃兹滤波器(Buutterworth)进行滤波。从而，滤除噪音。
(2)、特征提取
特征提取单元将滤波后的原始波经过傅立叶变换或者小波分解(即小波变换)，最终分解为通用脑电的5类波段：δ波(0-4Hz)，θ波(4-8Hz)，α波(8-15Hz)，β波(15-30Hz)和γ波(30-300Hz)。将分类之后得到的5类波段以及原始波，一共6个波段进行经验模态分解(Empirical Mode Decomposition,简称EMD)，每个波段可分解得到预设个数的本征模函数(即固有模态函数，(Instrinsic Mode Function，简称IMF))，提取前2个本征模函数，计算方差得到12个特征值。
(3)、分类
应理解，在采集脑电数据时，就可以基于脉冲发生器提取的两类信息对脑电数据进行初步标记。例如，可以将脑电数据标记的类型包括：发作波清醒，发作波睡眠，发作间期波清醒，发作间期波睡眠。患者程控仪获取标记的脑电数据之后，还可以进一步根据医生及患者的再次确认对标记进行完善。这样，在计算得到脑电数据的特征值的同时，也获取到脑电数据的标签，但是，这里的标签并不是进行训练所用，而是将特征值输入训练好的病情诊断模型之后，基于分类结果，与初步标记的标签进行比对，看预测分类结果是否准确，以便根据比对结果选择合适的交互场景。
具体可以比较分类结果和初步标记的标签之间的相似度，如果准确性低于90％，则属于检测方案优化模式，优化交互模块323的场景选择单元会选择进入检测方案优化场景；当准确性高于90％但发作频次和上一次交互比较未有改善，则属于治疗方案优化模式，场景选择单元会选择进入治疗方案优化场景；当睡眠时间明显异常时，属于生活治疗优化模式，场景选择单元会选择进入生活治疗优化场景；当治疗效果良好且睡眠质量良好时，进入聊天模式，场景选择单元会选择进入聊天场景。
在场景选择单元选择合适的交互场景后，生成对话单元可以基于内置的对话集(包含至少4类：疾病发作与睡眠质量类、不良反应类、生活质量类、陪伴关怀类)，根据具体情况以问题或结论的形式呈现出对应不同交互场景的交互对话。具体可以根据检测到的事件与对话集的模板结合，生成对话，如“前天上午9点20分有疾病发作吗？”。
进一步，生成的对话可以通过常规交互模块324的视频单元、语音单元和按键单元，分别通过动画视频、语音会话或者问题选项的方式与患者进行对话交互，其中，对话交互的内容主要是患者的病情。对患者程控仪的对话，患者可以以视频、语音及按键的方式给出回复。例如：通过摄像头，以不同的手势表明不同的回答(是否或次数等)；通过语音答复答案；通过患者程控仪上的选择按钮给出答案。
另外，还可以通过所述主动想象交互模块326以较为主观的方式回复问题。如感觉、情感等，特征选择单元可直接通过实时采集的脑电信号进行分析，提取患者对问题的答案。此模块前期，需患者配合，收集不同场景的脑电波形，当训练准确率合格后。可以该训练模型，提取特征值，送入模式识别单元进行模式识别，以确定该脑电所代表的含义。从而，精准确定相应交互场景下所提问的答案，协助诊断病情。
当患者以常规交互或主动想象的交互方式给出回答后，回答解析单元还可以对答案进行解析，提取答案中包含的信息。而且，优化问题集关系链单元还可以根据患者对问题的答案，建立档案，保存最符合当前患者的对话，从而优化不同对话之间的关系链，达到高度个体化诊治的效果。
所述治疗方案优化模块325可基于医生的设置优化治疗参数，并确定每个参数的调节范围(刺激幅值、脉宽等等)。从而形成治疗方案反馈给脉冲发生器31，以便于脉冲发生器31刺激患者进行治疗。当治疗效果不佳时，可增大刺激参数；当出现可感知的不舒适感时，可减小刺激参数。
此外，在进行病情交互的过程中，反馈模块327的交互记录单元还可以对交互过程中的内容以及结果进行记录保存。优选地，可以上传至云端服务器供医生或患者查询使用。同时，还可以在预约在线门诊的情况下，直接与调试医生连接视频进行对话，也可以调用医生预先准备好的离线问题进行互动。在线门诊会保存视频、语音及列表记录供后期查看，保存的这些内容同样也可以上传服务器。此外，也可以将病情交互或者检测到患者的生理异常时，向医生或家属发送紧急通知消息，以便对患者进行及时监控治疗。
通过上述技术方案，在开启患者程控仪后，可通过无线通讯方式读取脉冲发生器中保存的历史脑电数据。解析脑电，获取患者的病情发作情况和睡眠状况等生理信息，判断患者的健康情况。不同的健康状况，选择不同的场景对话，对话会以视频、语音或文字等几种方式展示出来。患者能用手势动作、语言回答或按键选择等常规交互方式进行回答，也能通过主动想象的交互方式回答呈现出来的问题。在主动想象的交互中，患者只需要在大脑中想象问题的答案，脉冲发生器会实时采集脑电并将信号发送至患者程控仪，系统识别出实时脑电表达的含义。根据疾病相关的问题，可对治疗方案进行优化，优化后的方案发送至脉冲发生器；根据生活质量相关的问题优化交互模式会话，达到安抚陪伴指导的作用。交互完成后，交互记录保存，可传至云端，以便医生查询了解病人病情。在此基础上，患者程控仪还可支持远程门诊、紧急情况通知患者家属等功能。
综上所述，从患者角度出发，基于智能闭环神经调控系统全面反馈治疗效果，减少患者入院随访，并为患者提供随时智能医护，提升治疗安全性，解决调试成本大等问题，而且还可以自动调节优化检测与刺激参数，不断优化治疗方案，为患者提供私人订制的精确治疗方案。同时，还可以与患者进行智能交互，基于不同类型的问题集，引导患者进行交互反馈，提高用户体验；同时，识别分析筛选出有效信息，实现有效反馈；而且，除了关注治疗效果、患者生活质量等生理状况是否改善外，还关注患者的治疗满意度等心理、情感状态，通过积极互动影响患者的心理状态，有效协助患者能够得到较佳且准确的治疗，提升患者治疗和康复的效果。
图5是本说明书的一个实施例电子设备的结构示意图。请参考图5，在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是ISA(Industry Standard Architecture，工业标准体系结构)总线、PCI(PeripheralComponent Interconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成共享资源访问控制装置。处理器，执行存储器所存放的程序，并具体用于执行以下操作：
根据采集的目标患者的脑电数据，基于机器学习算法对病情进行分类；
根据所述病情解析模块的分类结果选择目标交互场景，并基于所述目标交互场景生成交互对话，其中，所述交互对话的内容与病情分类结果相关；
采用生成的所述交互对话，基于预设交互方式与所述目标患者进行病情交互；
将病情交互的结果反馈给第三方。
上述如本说明书图2所示实施例揭示的智能闭环神经调控系统的控制器执行的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(CentralProcessing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific IntegratedCircuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本说明书实施例中公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本说明书实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
该电子设备还可执行图2的方法，并实现智能闭环神经调控系统中控制器在图2所示实施例的功能，本说明书实施例在此不再赘述。
当然，除了软件实现方式之外，本说明书实施例的电子设备并不排除其他实现方式，比如逻辑器件抑或软硬件结合的方式等等，也就是说以下处理流程的执行主体并不限定于各个逻辑单元，也可以是硬件或逻辑器件。
总之，以上所述仅为本说明书的较佳实施例而已，并非用于限定本说明书的保护范围。凡在本说明书的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本说明书的保护范围之内。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、笔记本电脑、行动电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

Claims (11)

1.一种智能闭环神经调控系统，其特征在于，包括：植入在患者体内的脉冲发生器，与所述脉冲发生器建立有信号连接的控制器；
其中，所述控制器包括：病情解析模块、优化模块、交互模块以及反馈模块；
所述病情解析模块，用于根据目标患者的脑电数据，基于机器学习算法对脑电数据进行分类；
所述优化模块，用于根据所述病情解析模块的分类结果选择目标交互场景，并基于所述目标交互场景生成交互对话，其中，所述交互对话的内容与病情分类结果相关；
所述交互模块，用于采用生成的所述交互对话，基于预设交互方式与所述目标患者进行病情交互；
所述反馈模块，用于将病情交互的结果反馈给第三方。
2.如权利要求1所述的智能闭环神经调控系统，其特征在于，所述病情解析模块具体包括：预处理单元、特征提取单元以及分类单元；
所述预处理单元，用于对所述目标患者的脑电数据中的原始波进行低通滤波处理，提取预设频率的波段；
所述特征提取单元，用于对滤波处理后提取的所述预设频率的波段进行小波分解，并对分解后的波段以及所述原始波分别进行经验模态分解，分别从每个波段提取经过经验模态分解后得到的本征模函数中的前N个本征模函数，并分别计算每个本征模函数的方差，得到所述目标患者的脑电数据的特征值；其中，所述N为大于1的正整数；
所述分类单元，用于将所述目标患者的脑电数据的特征值，输入预先设置好的病情分类模型，得到分类结果。
3.如权利要求1或2所述的智能闭环神经调控系统，其特征在于，所述优化模块在根据所述病情解析模块的分类结果选择目标交互场景时，具体用于：
将所述分类结果与所述脑电数据携带的分类标记进行比对，所述分类标记是在采集所述脑电数据时由所述脉冲发生器检测确定；
如果两者的分类相似度小于阈值，则选择检测方案优化场景作为目标交互场景；
如果两者的分类相似度不小于阈值而病患发作频次并未减少，则选择治疗方案优化场景作为目标交互场景。
4.如权利要求3所述的智能闭环神经调控系统，其特征在于，所述脑电数据至少包含两种属性信息，一种属性信息是发作波或发作间期波，另一种属性信息是清醒或睡眠；
所述优化模块在根据所述病情解析模块的分类结果选择目标交互场景时，还用于：
如果睡眠信息异常，则选择生活治疗优化场景作为目标交互场景；
如果病患发作频次减少且睡眠信息正常，则选择聊天优化场景作为目标交互场景。
5.如权利要求1所述的智能闭环神经调控系统，其特征在于，所述控制器还包括：主动想象模块；
所述主动想象模块，用于实时采集所述目标患者的脑电数据，并基于预先设置的识别模型，识别出所述目标患者对当前交互对话中问题的答案。
6.如权利要求1所述的智能闭环神经调控系统，其特征在于，所述优化模块，还用于将病情交互的结果进行答案解析，并基于解析答案的结果对交互对话中出现的问题进行优化。
7.如权利要求6所述的智能闭环神经调控系统，其特征在于，所述控制器还包括：治疗方案优化模块；
所述治疗方案优化模块，用于根据所述优化模块优化得到的问题以及可调整的优化参数，对治疗方案进行优化调整，并发送至脉冲发生器，以便于所述脉冲发生器根据优化调整后的治疗方案对患者进行治疗。
8.如权利要求1所述的智能闭环神经调控系统，其特征在于，所述交互模块在采用生成的所述交互对话，基于预设交互方式与所述目标患者进行病情交互时，具体用于：
采用生成的所述交互对话，基于视频、语音和按键方式中的至少一种交互方式与所述目标患者进行病情交互。
9.如权利要求1所述的智能闭环神经调控系统，其特征在于，所述反馈模块，用于将病情交互的结果反馈给在线门诊或与所述目标患者关联的第三方。
10.如权利要求1所述的智能闭环神经调控系统，其特征在于，所述反馈模块，还用于将病情交互的结果以及病情交互的记录内容上传云端服务器。
11.一种智能闭环神经调控方法，其特征在于，应用于权利要求1-10任一项所述的智能闭环神经调控系统中，包括：
根据采集到的目标患者的脑电数据，基于机器学习算法对脑电数据进行分类；
根据所述病情解析模块的分类结果选择目标交互场景，并基于所述目标交互场景生成交互对话，其中，所述交互对话的内容与病情分类结果相关；
采用生成的所述交互对话，基于预设交互方式与所述目标患者进行病情交互；
将病情交互的结果反馈给第三方。
CN202010640571.7A 2020-07-06 2020-07-06 一种智能闭环神经调控系统和方法 Pending CN111760194A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010640571.7A CN111760194A (zh) 2020-07-06 2020-07-06 一种智能闭环神经调控系统和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010640571.7A CN111760194A (zh) 2020-07-06 2020-07-06 一种智能闭环神经调控系统和方法

Publications (1)

Publication Number Publication Date
CN111760194A true CN111760194A (zh) 2020-10-13

Family

ID=72723784

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010640571.7A Pending CN111760194A (zh) 2020-07-06 2020-07-06 一种智能闭环神经调控系统和方法

Country Status (1)

Country Link
CN (1) CN111760194A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023071378A1 (zh) * 2021-10-26 2023-05-04 苏州景昱医疗器械有限公司 植入式神经刺激器和植入式神经刺激系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106933348A (zh) * 2017-01-24 2017-07-07 武汉黑金科技有限公司 一种基于虚拟现实的脑电神经反馈干预系统及方法
CN107329571A (zh) * 2017-06-29 2017-11-07 华南理工大学 一种面向虚拟现实应用的多通道自适应脑机交互方法
CN107358041A (zh) * 2017-07-03 2017-11-17 华南理工大学 一种基于脑‑机接口的运动想象疗法装置及其使用方法
CN109480834A (zh) * 2018-12-20 2019-03-19 浙江大学 一种基于快速多维经验模态分解的脑电信号分类方法
CN109965870A (zh) * 2019-02-27 2019-07-05 杭州诺为医疗技术有限公司 一种自动检测和刺激治疗癫痫的方法
CN110163128A (zh) * 2019-05-08 2019-08-23 南京邮电大学 改进的emd算法结合小波包变换及csp算法的脑电信号分类方法
CN110292378A (zh) * 2019-07-02 2019-10-01 燕山大学 基于脑波闭环监测的抑郁症远程康复系统
WO2020097618A1 (en) * 2018-11-09 2020-05-14 The Regents Of The University Of Colorado, A Body Corporate Deep brain stimulation using artificial neural networks

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106933348A (zh) * 2017-01-24 2017-07-07 武汉黑金科技有限公司 一种基于虚拟现实的脑电神经反馈干预系统及方法
CN107329571A (zh) * 2017-06-29 2017-11-07 华南理工大学 一种面向虚拟现实应用的多通道自适应脑机交互方法
CN107358041A (zh) * 2017-07-03 2017-11-17 华南理工大学 一种基于脑‑机接口的运动想象疗法装置及其使用方法
WO2020097618A1 (en) * 2018-11-09 2020-05-14 The Regents Of The University Of Colorado, A Body Corporate Deep brain stimulation using artificial neural networks
CN109480834A (zh) * 2018-12-20 2019-03-19 浙江大学 一种基于快速多维经验模态分解的脑电信号分类方法
CN109965870A (zh) * 2019-02-27 2019-07-05 杭州诺为医疗技术有限公司 一种自动检测和刺激治疗癫痫的方法
CN110163128A (zh) * 2019-05-08 2019-08-23 南京邮电大学 改进的emd算法结合小波包变换及csp算法的脑电信号分类方法
CN110292378A (zh) * 2019-07-02 2019-10-01 燕山大学 基于脑波闭环监测的抑郁症远程康复系统

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023071378A1 (zh) * 2021-10-26 2023-05-04 苏州景昱医疗器械有限公司 植入式神经刺激器和植入式神经刺激系统

Similar Documents

Publication Publication Date Title
US11553870B2 (en) Methods for modeling neurological development and diagnosing a neurological impairment of a patient
US11922277B2 (en) Pain determination using trend analysis, medical device incorporating machine learning, economic discriminant model, and IoT, tailormade machine learning, and novel brainwave feature quantity for pain determination
JP6124140B2 (ja) 患者の認知機能の評価
US11278230B2 (en) Systems and methods for cognitive health assessment
CN115004308A (zh) 用于提供活动推荐的接口的方法和系统
WO2021188318A1 (en) A method of early detection of epileptic seizures through scalp eeg monitoring
Assabumrungrat et al. Ubiquitous affective computing: A review
US20230347100A1 (en) Artificial intelligence-guided visual neuromodulation for therapeutic or performance-enhancing effects
Dura et al. Reversed correlation-based pairwised EEG channel selection in emotional state recognition
Li et al. Multi-modal emotion recognition based on deep learning of EEG and audio signals
CN111760194A (zh) 一种智能闭环神经调控系统和方法
Cittadini et al. Affective state estimation based on Russell’s model and physiological measurements
Lam et al. Smartmood: Toward pervasive mood tracking and analysis for manic episode detection
US20190374157A1 (en) Methods and apparatus for providing personalized biofeedback for the treatment of panic attacks
CN116568204A (zh) 用于在医学成像过程期间进行依赖于传感器信号的对话生成的方法和系统
Vishnupant Kimmatkar et al. The Study of Emotional Brain to Detect Emotions Using Brain EEG Signals and Improving Accuracy of Emotion Detection System Using Feature Selection Techniques
WO2019155010A1 (en) Method, apparatus and system for providing a measure to resolve an uncomfortable or undesired physiological condition of a person
US20230181109A1 (en) Neurostimulation programming and triage based on freeform text inputs
US11806546B2 (en) Artificial intelligence neuro stimulation system
CN116509419B (zh) 一种脑电信息处理方法和系统
US20230012989A1 (en) Systems and methods for rapid neurological assessment of clinical trial patients
US20240131337A1 (en) Goal setting and tracking for neuromodulation treatment
Czyzewski et al. Multimodal approach for polysensory stimulation and diagnosis of subjects with severe communication disorders
US20240136035A1 (en) System and method for neuro-sensory biofeedback artificial intelligence based wellness therapy
CN117198503A (zh) 一种闭环式抑郁症诊疗系统及设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination