CN112370659B - 基于机器学习的头部刺激训练装置的实现方法 - Google Patents

基于机器学习的头部刺激训练装置的实现方法 Download PDF

Info

Publication number
CN112370659B
CN112370659B CN202011245778.0A CN202011245778A CN112370659B CN 112370659 B CN112370659 B CN 112370659B CN 202011245778 A CN202011245778 A CN 202011245778A CN 112370659 B CN112370659 B CN 112370659B
Authority
CN
China
Prior art keywords
stimulation
head
training
zone
prediction
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.)
Active
Application number
CN202011245778.0A
Other languages
English (en)
Other versions
CN112370659A (zh
Inventor
屈云
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.)
West China Hospital of Sichuan University
Original Assignee
West China Hospital of Sichuan University
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 West China Hospital of Sichuan University filed Critical West China Hospital of Sichuan University
Priority to CN202011245778.0A priority Critical patent/CN112370659B/zh
Publication of CN112370659A publication Critical patent/CN112370659A/zh
Application granted granted Critical
Publication of CN112370659B publication Critical patent/CN112370659B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61NELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N1/00Electrotherapy; Circuits therefor
    • A61N1/18Applying electric currents by contact electrodes
    • A61N1/20Applying electric currents by contact electrodes continuous direct currents
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising

Landscapes

  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • Engineering & Computer Science (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Medical Informatics (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Electrotherapy Devices (AREA)

Abstract

本发明公开了一种基于机器学习的头部刺激训练装置的实现方法,头部刺激训练装置包括具有内壳和外壳的头部套设组件,位于头部套设组件内壳上并按照脑部功能区布设的若干刺激部件,设置在头部套设组件外壳中并与所有的刺激部件均相连接的控制装置,与控制装置连接的无线模块,以及与无线模块连接的远程终端;实现方法包括:(1)数据库建立;(2)对原始数据的预处理;(3)缺失数据处理;(4)神经网络模型开发;(5)生成针对头部刺激训练的预测指南。本发明采用机器学习的方式建立相应的神经网络模型,利用模型预测出不同头部神经元损伤情况下的刺激训练恢复程度,能为医生制定最佳的训练计划提供指导。因此,本发明适于推广应用。

Description

基于机器学习的头部刺激训练装置的实现方法
技术领域
本发明涉及医疗器械技术领域,具体地说,是涉及一种基于机器学习的头部刺激训练装置的实现方法。
背景技术
大脑是人类行为活动的控制中枢,每项活动可能都需要单个或者多个脑区的协调合作。德国神经科医生科比尼安·布洛德曼(Korbinian Brodmann)提出将头部按照结构进行了功能性的布罗德曼分区(Brodmann area),分区系统包括每个半球的52个区域,包括内部和外部分区。其中一些区域又被细分,例如23区被分为23a和23b区等。如:
1,2和3区-体感皮层(习惯上常称为“3,1和2区”)主要体感觉区。
4区-主要运动区5区-体感觉连络皮层。
6区-前运动皮层和辅助运动区。
7区-体感觉连络皮层。
8区-包括额页眼动区(Frontal eye field),负责控制眼球随意扫描动作。
9区-后外侧前额叶皮层。
10区-额极区(上额回和中额回最前侧的部分)。
11区-额眶区(眶回,直回和上额回前侧的一部分)。
12区-额眶区(上额回和下前回之间的区域)。
13区-岛皮层。
17区-初级视觉区。
18区-视觉联络区。
19区-视觉联络区。
20区-下颞回。
21区-中颞回。
22区-上颞回,其前侧部分属于韦尼克区,听觉联络区:判断声音种类。
23区-下后扣带皮层。
24区-下前扣带皮层。
25区-膝下皮层。
26区-压外区(Ectosplenial area)。
28区-后内嗅皮层。
29区-压后扣带皮层。
30区-扣带皮层的一部分。
31区-上后扣带皮层。
32区-上前扣带皮层。
34区-前扣带皮层,位于海马旁回。
35区-旁嗅皮层,位于海马旁回。
36区-海马旁皮层。
37区-梭状回。
38区-颞极区。
39区-角回,韦尼克区(Wernicke's area)的一部分,语言感觉区。
40区-缘上回,韦尼克区(Wernicke's area)的一部分,语言感觉区。
41,42区-初级听皮层和听觉联合皮层。
43区-中央下区(Subcentral area),主要味觉区。
44区-鳃盖部,布洛卡区(Broca's area)的一部分,语言运动区。
45区-三角部,布洛卡区(Broca's area)的一部分,语言运动区。
46区-上外额叶皮层。
47区-下额页皮层。
48区-下脚后区,颞叶内侧的一小部分。
49区-岛旁区,位于颞叶和岛叶的交界处。
注:13、14、15、16、48、49、50、51仅存在于monkey大脑。
因为不同的功能区会支配人体不同的功能,故刺激不同的头部功能区会导致人体功能的改善。
经颅磁刺激技术(Transcranial Magnetic StimulationTMS)是一种无痛、无创的绿色治疗方法,磁信号可以无衰减地透过颅骨而刺激到大脑神经,实际应用中并不局限于头脑的刺激,外周神经肌肉同样可以刺激,因此现在都叫它为“磁刺激”。经颅磁刺激是利用磁电转换原理,进行人体头部刺激的一种技术。由于经颅磁刺激时,磁场内的组织中无局部高密度电流,磁场本身又能够穿透高阻结构(例如颅骨)。因此,与电刺激相比,此方法是无痛的。与各类开颅脑刺激技术相比,此方法又是无创的。1985年,Barker成功研制出第一台经颅磁刺激仪,并率领研究小组成立英国磁刺激公司。1988年,华中科技大学同济医院成功研制出中国第一台经颅磁刺激仪。1989年,美国出现了第一台重复经颅磁刺激仪(repetitivetranscranial magnetic stimulation,rTMS)。2011年,渡康第一次将重复性经颅磁与脑电仿生刺激结合,研发了电磁结合重复经颅磁治疗仪。
不同频率的经颅磁刺激对大脑皮层的影响是不同的。高频的重复经颅磁刺激(≥5Hz)可以增加大脑皮层的兴奋性。低频重复经颅磁刺激(≤1Hz)可以降低皮层的兴奋性,刺激的效果可以持续一段时间。这些改变可以发生在第一皮层运动区和运动皮层区以外的脑皮层区域,包括视觉皮层和前额叶皮层。这些发现使得医生可以应用高频经颅磁刺激治疗低兴奋性疾病,低频重复经颅磁刺激治疗大脑皮层高兴奋性疾病。经颅磁刺激不但可以改变刺激局部的皮层兴奋性,还可以引起远离皮层的功能改变。说明经颅磁刺激对脑皮层网络系统具有全面性影响。
经颅磁刺激不仅可以作为帕金森、脑卒中后康复和脊髓损伤后康复等的评估和治疗手段,还可以用于治疗癫痫、语言障碍、失眠、奥茨海默症等各种常见的神经以及精神疾病。现阶段这些疾病的药物治疗、微创手术治疗或者电刺激疗法,一方面疗效并不确切,另一方面虽然有些能够取得较好的治疗效果,但是药物存在的副作用以及手术对患者身体及精神上的伤害,并不亚于疾病本身所带来的伤害。因此未来的经颅磁刺激,不仅仅局限于医疗领域,更有可能成为一种常见的医疗保健器械。
虽然经颅磁刺激技术手段相关仪器体积偏大、价值不菲、操作专业性强,它的使用存在一定门槛。但是由于经颅磁刺激的应用范围广,治疗效果好,安全系数高,越来越受到医务人员和患者的认可。经颅磁刺激在治疗方面的应用如下:1、抑郁症:经颅磁刺激用于该疾病的研究最多,无论是高频刺激左侧背外侧前额叶皮质,还是低频刺激右侧同一区域都会改善抑郁症状。2、帕金森病:运动皮质区的高频阈下经颅磁刺激可改善帕金森患者对侧手部功能。3、癫痫:低频rTMS(≤1H z)可降低大脑运动皮质的兴奋性,抑制由杏仁体核点火诱发的癫痫发作。4、神经性疼痛:大脑皮质运动区硬膜外植入电极慢性刺激可治疗顽固性抗药的神经性疼痛。施加于运动皮质区的高频阈下经颅磁刺激同样可使慢性疼痛产生镇痛效应。5、脊髓损伤:经颅磁刺激可调节正常人的皮质脊髓束兴奋性,可使大脑皮质的抑制下调,对脊髓损伤患者神经功能的自发恢复机制有着重要作用,可改善脊髓损伤患者的运动诱发电位潜伏期、肌电图、ASIA运动评分、ASIA针刺觉评分等。6、脑卒中:单侧脑卒中导致双侧皮层内抑制和皮层内兴奋不对称,经颅磁刺激可干预和调节皮层的兴奋性,从而改善脑卒中的功能恢复。对于脑卒中引起的认知障碍、言语障碍、吞咽障碍、运动障碍等均有一定疗效。
经颅直流电刺激(transcranial direct current stimulation,tDCS)是一种非侵入性的,利用恒定、低强度直流电(1~2mA)调节大脑皮层神经元活动的技术。早在11世纪人们就开始尝试利用电来治疗疾病,随着认识的发展经颅直流电刺激技术逐步成熟。1998年Prior等发现,微弱的经颅直流电刺激可以引起皮层双相的、极性依赖性的改变,随后Nitsche的研究证实了这一发现,从而为tDCS的临床研究拉开了序幕。到目前为止,tDCS的临床疾病应用研究已经取得了不少有益的成果。tDCS有两个不同的电极及其供电电池设备,外加一个控制软件设置刺激类型的输出。刺激方式包括3种,即阳极刺激、阴极刺激和伪刺激。阳极刺激通常能增强刺激部位神经元的兴奋性,阴极刺激则降低刺激部位神经元的兴奋性。
tDCS由阳极和阴极两个表面电极组成,由控制软件设置刺激类型的输出,以微弱极化直流电作用于大脑皮质。与其他非侵入性脑刺激技术如经颅电刺激和经颅磁刺激不同,tDCS不是通过阈上刺激引起神经元放电,而是通过调节神经网络的活性而发挥作用。在神经元水平,tDCS对皮质兴奋性调节的基本机制是依据刺激的极性不同引起静息膜电位超极化或者去极化的改变。阳极刺激通常使皮层的兴奋性提高,阴极刺激降则低皮层的兴奋性。膜的极化是tDCS刺激后即刻作用的主要机制。
然而,除了即刻作用外,tDCS同样具有刺激后效应,如果刺激时间持续足够长,刺激结束后皮质兴奋性的改变可持续达1h。因此,其作用机制不能单一的用神经元膜电位极化来解释。进一步的研究证实,tDCS除了改变膜电位的极性外,还可以调节突触的微环境,如改变NMDA受体或GABA的活性,从而起到调节突触可塑性的作用。tDCS的后效应机制类似于突触的长时程易化,动物研究发现,以阳极刺激作用于运动皮层可观察到突触后兴奋性电位的持续增加。皮层兴奋性的调节在tDCS刺激时依赖膜极化的水平,而刺激结束后的后效应作用主要是由于皮层内突触的活动。
tDCS同样可以调节远隔皮层及皮层下区域兴奋性。tDCS阳极刺激前运动皮层区可影响有连接的远隔皮层区域的兴奋性变化。刺激左半球M1区不仅影响参与产生运动诱发电位的皮质脊髓环路,而且通过抑制性中间神经元调节对侧半球的经胼胝体抑制。本世纪,tDCS技术在神经康复领域中的应用逐渐得到推广,研究发现,tDCS对于脑卒中后肢体运动障碍、认知障碍、失语症以及老年痴呆、帕金森病及脊髓神经网络兴奋性的改变都有不同的治疗作用,是神经康复领域一项非常有发展前景的无创性脑刺激技术。
因此,现有的头部刺激训练方案,也加入了经颅直流电刺激,以期达到良好的辅助治疗目的。但现有的头部刺激训练方案,往往训练效果不佳,最终都难以实现预期的辅助治疗目的,主要原因在于参考数据的缺失,导致训练结果难以预测或预测与实际偏差较大,这为医生制定训练计划带来了较大的困难。如果能够根据不同的头部神经元损伤情况下预测出相应的刺激训练恢复程度,从而为医生制定最佳的训练计划提供指导,则将极大地促进头部刺激训练的效果。
发明内容
本发明的目的在于提供一种基于机器学习的头部刺激训练装置的实现方法,能够充分结合直流电刺激的特点,根据不同的头部神经元损伤情况,较好地预测出相应刺激训练的恢复程度,为医生制定最佳的训练计划提供指导。
为实现上述目的,本发明采用的技术方案如下:
基于机器学习的头部刺激训练装置的实现方法,所述的头部刺激训练装置包括用于固定在头部并具有内壳和外壳的头部套设组件,位于头部套设组件内壳上并按照脑部功能区布设的若干刺激部件,设置在头部套设组件外壳中并与所有的磁极部件均相连接的控制装置,与控制装置连接的无线模块,以及与无限模块连接的远程终端;
所述的实现方法包括以下步骤:
(1)收集以往的头部刺激训练报告,获得相关原始数据,并传至远程终端的数据库中;
(2)根据已有的生物学解释,将一些初始值分配给数据库中的缺失数据;
(3)将初始值设置为数据库中存在的值的平均值,然后递归应用以下方程式直至收敛,并最终返回收敛的结果,获得对缺失数据的预测值:
a(s+1)=(1-η)f(as)+ηas
其中,a代表初始值,s表示迭代次数;f(as)表示从神经网络获得的关于a的预测;η小于1;函数f在每次循环迭代中保持固定;
(4)根据原始数据和缺失数据的预测值建立头部神经网络模型;
(5)将产生的模型用于训练神经网络,同时,记录模型以及评估预测的性能,其中,具有较小的不确定性预测将用于生成针对头部刺激训练的预测指南,包括预期的最佳训练结果;生成的预测指南将用作制定训练计划的参考,从而根据训练计划利用控制装置控制刺激部件对头部进行刺激训练。
作为优选,所述刺激部件为电极。
作为优选,所述步骤(3)中,η=0.7。
与现有技术相比,本发明具有以下有益效果:
(1)本发明通过设置一套头部刺激训练装置,并采用机器学习的方式建立相应的神经网络模型,利用模型预测出不同头部神经元损伤情况下的刺激训练恢复程度,从而为医生制定最佳的训练计划提供指导,然后根据最佳训练计划的制定,结合头部刺激训练装置的应用,即可安全、长时间地对头部患者进行刺激训练,并获得可预期的训练效果。
(2)本发明基于最佳训练计划的有效制定,使得设计的训练装置具备了相比传统训练装置结构更加简单、成本更加低廉、且便于携带的优点,在制定最佳的训练计划后,将训练计划传至控制装置中储存,后续即可利用控制装置控制自动控制部分或所有的刺激部件,从而在头部上给予不同电极刺激顺序和不同时长的刺激,实现有序的刺激训练,完成辅助治疗,本发明不仅操作便捷,而且使用上非常灵活,真正实现了软硬件在成本平衡上的有效结合。
(3)并且,对于一些不适宜通过头部刺激训练的患者,在经由本发明预测训练效果后,可以明确将刺激训练方案排除,如此既避免了病情被延误,同时也帮助患者节约了不必要的医疗支出。
(4)本发明在进行缺失数据处理时,最终返回的是收敛结果,而不是f(as),一方面,收敛结果同时包含了数据内部信息和数据外部机器学习反馈结果,相当于利用了数据内部的关联和外部神经网络学习的结果共同进行预测;另一方面,参数η小于1可以防止预测出现波动。如此一来,本发明可以利用数据库中的全部信息,为得出更可靠的模型并提高预测的质量提供了保障。
附图说明
图1为本发明头部刺激训练装置的结构示意图。
图2为本发明的实现流程示意图。
其中,附图标记对应的零部件名称为:
1-头部套设组件,110-内壳,120-外壳,2-刺激部件,3-控制装置,4-无线模块,5-远程终端。
具体实施方式
下面结合附图说明和实施例对本发明作进一步说明,本发明的方式包括但不仅限于以下实施例。
实施例
本发明提供了一种基于机器学习的头部刺激训练装置,如图1所示,其包括用于固定在头部并具有内壳110和外壳120的头部套设组件1,位于头部套设组件1内壳上并按照脑部功能区布设的若干刺激部件2,设置在头部套设组件1外壳中并与所有的刺激部件2均相连接的控制装置3,与控制装置连接的无线模块4,以及与无线模块4连接的远程终端5。本实施例中,外壳120中开设有一个安装腔,将控制装置3和无线模块4均装入至安装腔内;同时,刺激部件优选采用电极,通过直流电刺激方式实现刺激。
上述训练装置作为头部刺激训练的硬件部分,下面介绍本发明的软件控制部分,其是采用机器学习的方式,不断地收集原始数据,然后通过处理其中的缺失数据,使之完整,进而生成训练模型并不断地深度学习完善,最终利用模型预测出不同头部神经元损伤情况下的刺激训练恢复程度,从而为医生制定最佳的训练计划提供指导。
如图2所示,本发明的实现流程如下:
一、数据库建立
收集已发布的有关头部刺激训练(包括经颅刺激)情况和结果的报告,获得原始数据,并将其分类为数据的输入和输出。原始数据的输入包括条件变量,例如年龄、性别、BMI、头部神经元损伤程度等。数据的输出将是训练结果,通过头部感觉评分来衡量。
二、对原始数据的预处理
并非所有报告,原始数据都是齐全的,而这将导致输入数据的“丢失”,本发明根据已有的生物学解释,根据基础假设对这些值进行初步猜测,即:将一些初始值分配给数据库中的缺失数据,作为初步预测的缺失值。这些初始值将用作稍后进行迭代机器学习的起点。
三、缺失数据处理
上述指出,由于数据采集方式和训练方案差异的问题,数据库可能会包含输入信息不完整的条目,如果将设计和目的上可接受差异的研究结果汇集起来形成数据库,这种缺失数据的可能性更大。
而本发明的设计思路在于,对于任何未知属性,首先将初始值设置为数据集中存在的值的平均值。通过对神经网络所有值的估计,然后递归应用以下方程式直至收敛,并最终返回收敛的结果,获得缺失数据的预测值:
a(s+1)=(1-η)f(as)+ηas
其中,a(s+1)代表预测值,s表示迭代次数;f(as)表示从神经网络获得的关于a的预测;η取值0.7;函数f在每次循环迭代中保持固定。
四、模型开发
对丢失数据进行初步预测和处理后,基于此基础建立相应的神经网络模型。
五、生成针对头部刺激训练的预测指南
将产生的模型用于训练神经网络,同时,记录模型以及评估预测的性能;而后,根据全部不同模型的表现得到预测的整体性能,其中,具有较大不确定性的预测将指导如何将具有特定输入类型的额外数据补充到数据库中;较小的不确定性预测将用于生成一系列针对头部刺激训练的定量指南,指南内容包括:特定患者的预期最佳训练结果、实现最佳结果的训练计划。
六、制定最佳的训练计划及通过训练装置进行刺激训练
生成的预测指南将用作医生制定训练计划的参考,制定的训练计划将由远程终端经由无线模块传至控制装置中储存,然后患者自行将头部套设组件固定到头部后,启动控制装置,控制装置便根据训练计划自动控制部分或所有的刺激部件,从而在头部上给予不同电极刺激顺序和不同时长的刺激,最终实现刺激训练。
本发明采用机器学习的方式建立相应的神经网络模型,利用模型预测出不同头部神经元损伤情况下的刺激训练恢复程度,从而为医生制定最佳的训练计划提供指导,然后根据最佳训练计划的制定,可安全、长时间地对患者头部进行刺激训练,并较好地获得预期的训练效果。本发明不仅可以大幅提高头部刺激训练的效果,为头部神经损伤治疗提供可靠的辅助训练,并且对于一些不适宜通过头部刺激训练的患者,在经由本发明预测训练效果后,可以明确将刺激训练方案排除,如此既避免了病情被延误,同时也帮助患者节约了不必要的医疗支出。
上述实施例仅为本发明的优选实施方式之一,不应当用于限制本发明的保护范围,但凡在本发明的主体设计思想和精神上作出的毫无实质意义的改动或润色,其所解决的技术问题仍然与本发明一致的,均应当包含在本发明的保护范围之内。

Claims (3)

1.基于机器学习的头部刺激训练装置,其特征在于,包括用于固定在头部并具有内壳(110)和外壳(120)的头部套设组件(1),位于头部套设组件(1)内壳上并按照脑部功能区布设的若干刺激部件(2),设置在头部套设组件(1)外壳中并与所有的刺激部件均相连接的控制装置(3),与控制装置连接的无线模块(4),以及与无线模块(4)连接的远程终端(5);其中:
所述远程终端(5)用于:
a、收集以往的头部刺激训练报告,获得相关原始数据,并将其分类为数据的输入和输出,然后建立数据库;
b、根据已有的生物学解释,将一些初始值分配给数据库中的缺失数据;
c、将赋予缺失数据的初始值设置为数据库中存在的值的平均值,然后递归应用以下方程式直至收敛,并最终返回收敛的结果,获得缺失数据的预测值:
Figure 869854DEST_PATH_IMAGE002
其中,
Figure 19951DEST_PATH_IMAGE004
代表预测值,s表示迭代次数;
Figure 737371DEST_PATH_IMAGE006
表示从神经网络获得的关于a的预测;
Figure 70263DEST_PATH_IMAGE008
为常数,取值小于1;
d、根据原始数据和缺失数据的预测值建立头部神经网络模型;
e、将产生的模型用于训练神经网络,同时,记录模型以及评估预测的性能,其中,具有较小的不确定性预测将用于生成针对头部刺激训练的预测指南,包括预期的最佳训练结果;生成的预测指南将用作制定训练计划的参考;
所述无线模块(4)用于将制定的训练计划发送至控制装置(3);
所述控制装置(3)用于根据训练计划,控制刺激部件对头部进行刺激训练。
2.根据权利要求1所述的基于机器学习的头部刺激训练装置,其特征在于,所述刺激部件为电极。
3.根据权利要求1或2所述的基于机器学习的头部刺激训练装置,其特征在于,所述
Figure 822318DEST_PATH_IMAGE010
CN202011245778.0A 2020-11-10 2020-11-10 基于机器学习的头部刺激训练装置的实现方法 Active CN112370659B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011245778.0A CN112370659B (zh) 2020-11-10 2020-11-10 基于机器学习的头部刺激训练装置的实现方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011245778.0A CN112370659B (zh) 2020-11-10 2020-11-10 基于机器学习的头部刺激训练装置的实现方法

Publications (2)

Publication Number Publication Date
CN112370659A CN112370659A (zh) 2021-02-19
CN112370659B true CN112370659B (zh) 2023-03-14

Family

ID=74579743

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011245778.0A Active CN112370659B (zh) 2020-11-10 2020-11-10 基于机器学习的头部刺激训练装置的实现方法

Country Status (1)

Country Link
CN (1) CN112370659B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115363604B (zh) * 2022-10-19 2023-03-03 山东海天智能工程有限公司 基于脑电信号的电极放电自动调节系统、介质及电子设备

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010109448A1 (en) * 2009-03-22 2010-09-30 Ai Medical Semiconductor Ltd. Optimal deep brain stimulation therapy with q learning
CN110555526A (zh) * 2019-08-20 2019-12-10 北京迈格威科技有限公司 神经网络模型训练方法、图像识别方法和装置
CN111447874A (zh) * 2017-10-03 2020-07-24 株式会社国际电气通信基础技术研究所 判别装置、抑郁症状的判别方法、抑郁症状的水平的判断方法、抑郁症患者的分类方法、抑郁症状的治疗效果的判断方法和脑活动训练装置
US10733515B1 (en) * 2017-02-21 2020-08-04 Amazon Technologies, Inc. Imputing missing values in machine learning models

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7194301B2 (en) * 2003-10-06 2007-03-20 Transneuronic, Inc. Method for screening and treating patients at risk of medical disorders
JP6828149B2 (ja) * 2016-10-14 2021-02-10 ボストン サイエンティフィック ニューロモデュレイション コーポレイション 電気刺激システムに対する刺激パラメータ設定の閉ループ決定のためのシステム及び方法
WO2019079475A1 (en) * 2017-10-17 2019-04-25 Satish Rao MACHINE LEARNING-BASED SYSTEM FOR IDENTIFYING AND FOLLOWING NEUROLOGICAL DISORDERS
KR102461631B1 (ko) * 2018-09-12 2022-10-31 삼성에스디에스 주식회사 데이터의 결측치 보정 방법 및 장치
CN111477299B (zh) * 2020-04-08 2023-01-03 广州艾博润医疗科技有限公司 结合脑电检测分析控制的声电刺激神经调控方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010109448A1 (en) * 2009-03-22 2010-09-30 Ai Medical Semiconductor Ltd. Optimal deep brain stimulation therapy with q learning
US10733515B1 (en) * 2017-02-21 2020-08-04 Amazon Technologies, Inc. Imputing missing values in machine learning models
CN111447874A (zh) * 2017-10-03 2020-07-24 株式会社国际电气通信基础技术研究所 判别装置、抑郁症状的判别方法、抑郁症状的水平的判断方法、抑郁症患者的分类方法、抑郁症状的治疗效果的判断方法和脑活动训练装置
CN110555526A (zh) * 2019-08-20 2019-12-10 北京迈格威科技有限公司 神经网络模型训练方法、图像识别方法和装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
低频重复经颅磁刺激对脑卒中后手部运动功能康复疗效的荟萃分析;乐趣;《生物医学工程学杂志》;20131225;1229-1234 *

Also Published As

Publication number Publication date
CN112370659A (zh) 2021-02-19

Similar Documents

Publication Publication Date Title
US11986660B2 (en) Method and system for improving stimulation of excitable tissue
CN111477299B (zh) 结合脑电检测分析控制的声电刺激神经调控方法及装置
US11253730B2 (en) Ultrasound deep brain stimulation method and system
JP2023014177A (ja) 医学的障害の治療のためのデバイス
US20150174418A1 (en) Device and Methods for Noninvasive Neuromodulation Using Targeted Transcranial Electrical Stimulation
US20150148710A1 (en) Ultrasound Modulation of the Brain for Treatment of Stroke, Brain Injury, and Other Neurological Disorders
JP2016530017A (ja) 非侵襲的な神経刺激のためのシステムおよび方法
EP3970686A1 (en) Devices and methods for using mechanical affective touch therapy to reduce stress, anxiety and depression
US11654281B2 (en) Neural stimulation device
CN112370659B (zh) 基于机器学习的头部刺激训练装置的实现方法
Pandža Using non-invasive brain stimulation to investigate second language
Danilov et al. Translingual neurostimulation (TLNS): perspective on a novel approach to neurorehabilitation after brain injury
WO2024045583A1 (zh) 一种头盔式闭环节律性调控器
De Ridder et al. Noninvasive transcranial magnetic and electrical stimulation: working mechanisms
Lehmann et al. Establishing the non-human primate as an animal model for temporal interference stimulation. II. Application and neurophysiological recordings in a behaving preparation
Pelot et al. Advancing autonomic nerve stimulation through computational models
EP4204077B1 (en) Computer-implemented method for enabling patient-specific electrostimulation of neuronal tissue
EP4122529A1 (en) Computer-implemented method for enabling patient-specific electrostimulation of neuronal tissue and associated devices and software
US11925805B2 (en) Tunable electrical noise signal technologies
Onnia Classification of cortical TMS locations according to multiple upper limb muscle responses
Kublanov et al. Neuroelectrostimulation from Natural Electricity to Multifactorial Systems: A Review.
Schutter Noninvasive stimulation of the cerebral cortex.
WO2023031669A2 (en) Electric and magnetic neuromodulation
Kulkova et al. Non-invasive brain stimulation methods: Transcranial magnetic stimulation, transcranial electric stimulation, transcutaneous vagus nerve stimulation
Parazzini Computational Bioelectromagnetics in Medicine

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
GR01 Patent grant
GR01 Patent grant