CN112587796B - 脑深部电刺激促醒效果量化方法及设备 - Google Patents
脑深部电刺激促醒效果量化方法及设备 Download PDFInfo
- Publication number
- CN112587796B CN112587796B CN202011451690.4A CN202011451690A CN112587796B CN 112587796 B CN112587796 B CN 112587796B CN 202011451690 A CN202011451690 A CN 202011451690A CN 112587796 B CN112587796 B CN 112587796B
- Authority
- CN
- China
- Prior art keywords
- brain
- calculating
- patient
- visual
- information
- 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
Links
Classifications
-
- 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
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Neurosurgery (AREA)
- Neurology (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Physiology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明提供一种脑深部电刺激促醒效果量化方法及设备,所述方法包括获取患者在接受脑深部电刺激促醒术之前和之后的多个脑区的近红外信号,其中所述近红外信号是在患者接受视/听觉刺激时所采集的信号;根据术前和术后的近红外信号计算术前和术后的分析数据,所述分析数据包括对应于所述多个脑区的氧合血红蛋白浓度信息、脑区信息交流强度信息和功能分化程度信息。
Description
技术领域
本发明涉及脑深部电刺激促醒领域,具体涉及一种脑深部电刺激促醒效果量化方法及设备。
背景技术
意识障碍是指患者对周围环境及自身状态的识别和觉察能力出现障碍,这种状态发病后连续超过28天则称为慢性意识障碍。其致病因素有脑血管意外、创伤等引起的颅内损伤、其他缺血缺氧脑病导致的非创伤性损伤、有害气体中毒、脑炎等中枢神经系统感染等。慢性意识障碍的发病机制目前仍不十分清楚。一般认为完整的上行网状激活系统-丘脑-皮质和皮质-皮质环路是意识存在的必要条件。近年来,以脑深部电刺激(deep brainstimulation,DBS)为代表的神经调控技术在治疗慢性意识障碍领域受到广泛关注。目前研究显示,神经调控手术对患者意识及行为具有一定的改善作用,极有潜力成为一种治疗慢性意识障碍的重要手段。
目前,DBS促醒手术前、后的测评主要依靠各种评分量表,受检查者主观因素的影响较大,缺乏客观量化的指标。而且DBS促醒手术的效果难以即时直接观测,可能无法立刻完全体现在基于评分量表的测评过程中。
发明内容
有鉴于此,本发明提供一种脑深部电刺激促醒效果量化方法,包括:
获取患者在接受脑深部电刺激促醒术之前和之后的多个脑区的近红外信号,其中所述近红外信号是在患者接受视/听觉刺激时所采集的信号;
根据术前和术后的近红外信号计算术前和术后的分析数据,所述分析数据包括对应于所述多个脑区的氧合血红蛋白浓度信息、脑区信息交流强度信息和功能分化程度信息。
可选地,所述视/听觉刺激为单独的听觉刺激、单独的视觉刺激或者视听觉同时刺激。
可选地,所述听觉刺激为在患者处于静息状态后,在患者视野范围之外发布声音指令并持续预定时间;
所述视觉刺激为在患者处于静息状态后,在患者脸部正前方呈现视威胁并持续预定时间;
所述视听觉同时刺激为在患者处于静息状态后,在患者脸部正前方呈现视威胁的同时在患者视野范围之外发布声音指令并持续预定时间。
可选地,所述多个脑区为左额叶、右额叶、左顶叶、右顶叶、左枕叶、右枕叶、左颞叶和右颞叶八个脑区。
可选地,每个脑区有多个通道的信号,计算氧合血红蛋白浓度信息的步骤包括:
根据各个通道的信号质量删除的质量较差通道的信号;
将保留的信号转换为光密度信号,并根据设定阈值去除其中的伪迹;
通过带通滤波方式去除所述光密度信号中的生理噪声和基线漂移;
将光密度信号转化为氧合血红蛋白浓度值并进行截取,并计算氧合血红蛋白浓度变化值。
可选地,将光密度信号转化为氧合血红蛋白浓度值并进行截取具体包括:
计算前n秒静息状态下的氧合血红蛋白浓度值的均值;
截取m秒静息状态下的氧合血红蛋白浓度值并分别减去所述均值,其中m大于n。
可选地,利用如下方式计算氧合血红蛋白浓度变化值:
其中nA为脑区A所包含的通道个数,NA为脑区A中包含通道的集合,m为数据长度,hi,j为通道i的第j个点的氧合血红蛋白浓度值,HA为脑区A的氧合血红蛋白浓度变化值。
可选地,每个脑区有多个通道的信号,计算脑区信息交流强度信息的步骤包括:
根据近红外信号计算每两个通道间的连通强度,将所述通道作为节点构建功能连通性权重矩阵;
根据所述连通强度计算所述矩阵中各个节点的度;
根据对应于各个脑区的度和设定权重计算脑区信息交流强度信息,其中对于不同的视/听觉刺激方式所采用的设定权重不相同。
可选地,每个脑区有多个通道的信号,计算功能分化程度信息的步骤包括:
根据近红外信号计算每两个通道间的连通强度,将所述通道作为节点构建功能连通性权重矩阵;
根据所述连通强度计算所述矩阵中各个节点的度;
根据所述连通强度计算所述矩阵中的三角形个数;
根据对应于各个脑区的度、三角形个数和设定权重计算脑区信息交流强度信息,其中对于不同的视/听觉刺激方式所采用的设定权重不相同。
相应地,本发明提供一种脑深部电刺激促醒效果量化设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器执行上述脑深部电刺激促醒效果量化方法。
根据本发明实施例提供的脑深部电刺激促醒效果量化方法及设备,通过采集患者接受DBS促醒术前、后的脑部近红外信号,并基于这些信号计算氧合血红蛋白浓度信息、脑区信息交流强度信息和功能分化程度信息,从而实现对DBS促醒术效果的量化,本方案为无创、无辐射,且能立即反映患者脑功能和状态,客观地量化患者手术前后意识状态的变化,进而可以对临床医生判断手术效果提供重要的帮助,同时也能为临床医生进行触点选择和优化刺激参数提供量化的参考依据。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,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为本发明实施例中采集脑部近红外信号的触点排布示意图;
图2为本发明实施例中的促醒效果量化界面示意图;
图3为实际采集并量化的结果展示图。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例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做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
此外,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成冲突就可以相互结合。
本发明提供一种脑深部电刺激促醒效果量化方法,该方法由计算机或服务器等电子设备执行。在执行量化计算之前,首先介绍具体的患者纳入标准和排除标准,纳入标准:
(1)患者为突发意识障碍,而非神经功能逐渐退化导致的意识障碍;
(2)患病时间需超过3个月,且连续4周以上意识无进行性改善或者恶化者;
(3)符合微意识状态诊断,使用昏迷恢复量表进行临床评定,患者在盯视或视物追踪及痛觉定位评定中,至少符合其中1项,且重复率>50%;
(4)拟行脑深部电刺激术;
排除标准:
(1)患者或其授权人因个人原因拒绝参与试验;
对符合标准的患者,进行DBS促醒手术,并开展量化评估。分别在患者进行DBS促醒手术前和手术后1个月这两个时期采集数据。
本方案需要在患者接受视听觉刺激时采集数据,可选的视/听觉刺激方式包括以下三种:
听觉刺激:首先让患者处于静息状态,1分钟后,由测试者在患者视野范围之外发布声音指令(如睁眼,闭眼,向左看、向右看、向上看、向下看),刺激施加时间为30秒,之后停止施加刺激,再次让患者处于静息状态;
听觉刺激:首先让患者处于静息状态,1分钟后,由测试者在患者脸部正前方约20cm处用色彩鲜艳的物体(本实验采用红色的签字笔)移动到病人眼前1cm呈现视威胁或在正前方20cm处快速向上、向下、向左、向右移动,刺激施加时间为30秒,之后停止施加刺激,再次让患者处于静息状态;
视听觉刺激:首先让患者处于静息状态,1分钟后,由测试者在患者脸部正前方约20cm处用色彩鲜艳的物体移动到病人眼前1cm呈现视威胁,同时发布指令让患者闭眼或在正前方20cm处快速向上、向下、向左、向右移动同时发布向上看、向下看、向左看、向右看的声音指令。刺激施加时间为30秒,之后停止施加刺激,再次让患者处于静息状态。
在患者接受视听觉刺激的过程中,采用功能近红外光谱脑功能成像系统记录患者的大脑氧合血红蛋白(HbO2)的变化情况。功能性近红外光谱技术(functional near-infrared spectroscopy,fNIRS)是一种光学功能神经成像技术,其利用血液中的主要成分对近红外光良好的散射性,使用700-900nm波长的近红外光,对血氧浓度进行无创监测,进而通过血氧浓度的变化来评估大脑的激活程度。
本实施例所使用的系统采用的近红外光波长分别为760nm和850nm,系统的采样频率为11Hz,包含38个探针(22个发射端和16个探测端),总计38个通道。覆盖了左额叶(LPFC)、右额叶(RPFC)、左顶叶(LPL)、右顶叶(RPL)、左枕叶(LOL)、右枕叶(ROL)、左颞叶(LTL)和右颞叶(RTL)八个脑区,具体的探针排布如图1所示,其中S表示发射端,D表示探测端。
然后由计算机设备执行量化评估方法:
获取患者在接受脑深部电刺激促醒术之前和之后的多个脑区的近红外信号,其中近红外信号是在患者接受视/听觉刺激时所采集的信号。
根据术前和术后的近红外信号计算术前和术后的分析数据,分析数据包括对应于多个脑区的氧合血红蛋白浓度信息、脑区信息交流强度信息和功能分化程度信息。
作为优选的实施例,在计算HbO2信息时首先对各个通道的信号进行预处理以提高信号质量,进而提高计算结果的准确性。具体地,在本实施中首先根据各个通道的信号质量删除的质量较差通道的信号;将保留的信号转换为光密度信号,并根据设定阈值去除其中的伪迹;通过0.01-0.2Hz的带通滤波方式去除光密度信号中的生理噪声和基线漂移;基于修正的Beer-Lambert定律将光密度信号转化为氧合血红蛋白浓度值,最后进行减基线处理,在本实施例中,先计算前n秒(从0-2秒)静息状态下的氧合血红蛋白浓度值的均值;截取m秒(从0-30秒)静息状态下的氧合血红蛋白浓度值并分别减去该均值,用于后续计算浓度变化值。
考虑到目前DBS促醒手术对于大脑的影响机理尚不清楚,本发明将大脑皮层细分为多个脑区,包括左右额叶、左右顶叶、左右枕叶和左右颞叶八个脑区,分别分析这些脑区的浓度变化情况,作为直接测量指标。
本实施例利用如下方式计算氧合血红蛋白浓度变化值:
其中nA为脑区A所包含的通道个数,NA为脑区A中包含通道的集合,m为数据长度,hi,j为通道i的第j个点的氧合血红蛋白浓度值(上述减基线处理得到的0-30秒的数据),HA为脑区A的氧合血红蛋白浓度变化值。针对各个脑区均采用上述方式进行计算,得到八个脑区的术前HbO2变化值和术后HbO2变化值,并采用如图2所示界面进行展示。
同时,本方案还将计算脑区信息交流强度信息,作为一种间接分析指标,对大脑功能网络进行连通性分析。计算脑区信息交流强度信息的步骤具体包括:
根据近红外信号计算每两个通道间的连通强度,将通道作为节点构建功能连通性权重矩阵。具体地,首先计算通道间的皮尔逊相关系数以反映大脑的功能连通性,计算公式如下:
其中pxy表示通道i和j间的皮尔逊相关系数,cov(·)表示两通道信号的协方差,σi和σj分别表示通道i和j信号的标准差。
完成相关系数的计算后,采用费希尔z变换以减小相关系数的偏度:
其中wij表示变换后的通道x和y的连通强度,artanh(·)表示反双曲正切函数。对于所有的38个通道,计算两两通道间的连通强度,构建功能连通性权重矩阵。
根据连通强度计算矩阵中各个节点的度。对于构建的矩阵,引入图论中的基本概念以介绍用于后续分析的指标:度表示连接到一个节点的连接数,可以将每个通道视为一个节点。对于权重矩阵中的节点,它的度表示为:
其中N表示所有节点的集合。
根据对应于各个脑区的度和设定权重计算脑区信息交流强度信息,其中对于不同的视/听觉刺激方式所采用的设定权重不相同。对于不同的刺激方式,侧重考虑与施加刺激更加相关的脑区,从而进行相应的修改。对于听觉刺激,指标会侧重考虑颞叶脑区,增加该脑区的指标权重;对于视觉刺激,指标会侧重考虑枕叶脑区,增加该脑区的指标权重;对于视听觉刺激,指标会侧重考虑颞叶和枕叶脑区,增加这两个脑区的指标权重。其中整体强度反映大脑的信息交流强度。其值越大,说明大脑的信息处理和交换活动越强。如果采用听觉刺激范式,则整体强度的公式表示为:
其中NPFC、NPL、NOL和NTL分别表示额叶、顶叶、枕叶和颞叶的节点集合。在本实施例中,颞叶对应的设定权重为2,其它脑区对应的设定权重为1。
如果采用视觉刺激范式,则整体强度的公式表示为:
在本实施例中,枕叶对应的设定权重为2,其它脑区对应的设定权重为1。
如果采用视听觉刺激范式,则整体强度的公式表示为:
在本实施例中,颞叶和枕叶对应的设定权重为2,其它脑区对应的设定权重为1。
本方案还将计算功能分化程度信息,作为另一种间接分析指标,用于体现大脑网络的集聚特性。本实施例采用修正集聚系数反映大脑的功能分化程度,其值越大,说明大脑分化程度越高,局部的紧密程度越高。计算修正集聚系数时需要基于上述矩阵计算三角形个数,计算公式为:
然后根据对应于各个脑区的度、三角形个数和设定权重计算脑区信息交流强度信息,其中对于不同的视/听觉刺激方式所采用的设定权重不相同。如果采用听觉刺激范式,大脑网络的修正集聚系数为:
如果采用视觉刺激范式,大脑网络的修正集聚系数为:
如果采用视听觉刺激范式,大脑网络的修正集聚系数为:
在上述计算公式中,所使用的权重与计算整体强度时一致。
本发明基于上述两个间接指标,侧重考虑不同刺激范式下的相关脑区,增加相关脑区的指标权重,进而分析不同刺激范式下患者的大脑功能网络在全局和局部两个层次上的功能变化。
在一个实验例中,采用视听觉刺激,量化结果如图3所示,在直接测量指标方面,该患者术前的左右额叶、左右顶叶、左右枕叶和左右颞叶的浓度变化值分别为-0.118、-0.094、-0.077、-0.017、-0.035、-0.135、-0.066和-0.136,术后的浓度变化值分别为-0.072、0.138、0.011、0.041、0.200、0.142、0.079和0.221,所有脑区的浓度在术后均出现了上升。在间接分析指标方面,计算各通道间的皮尔逊相关系数,构建脑功能连接网络,进而计算相关指标。采用听觉刺激,该患者术后的整体强度和修正集聚系数值分别为0.526和0.250,术前为0.424和0.184,两个指标在术后均出现了上升,由此直观地体现出脑深部电刺激促醒效果良好。
根据本发明实施例提供的脑深部电刺激促醒效果量化方法,通过采集患者接受DBS促醒术前、后的脑部近红外信号,并基于这些信号计算氧合血红蛋白浓度信息、脑区信息交流强度信息和功能分化程度信息,从而实现对DBS促醒术效果的量化,本方案为无创、无辐射,且能立即反映患者脑功能和状态,客观地量化患者手术前后意识状态的变化,进而可以对临床医生判断手术效果提供重要的帮助,同时也能为临床医生进行触点选择和优化刺激参数提供量化的参考依据。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。
Claims (6)
1.一种脑深部电刺激促醒效果量化方法,其特征在于,包括:
获取患者在接受脑深部电刺激促醒术之前和之后的多个脑区的近红外信号,其中所述近红外信号是在患者接受视/听觉刺激时所采集的信号,每个脑区有多个通道的所述近红外信号;
根据术前和术后的近红外信号计算术前和术后的分析数据,所述分析数据包括对应于所述多个脑区的氧合血红蛋白浓度信息、脑区信息交流强度信息和功能分化程度信息,其中
计算氧合血红蛋白浓度信息的步骤包括:根据各个通道的信号质量删除的质量较差通道的信号;将保留的信号转换为光密度信号,并根据设定阈值去除其中的伪迹;通过带通滤波方式去除所述光密度信号中的生理噪声和基线漂移;将光密度信号转化为氧合血红蛋白浓度值并进行截取,并利用如下方式计算氧合血红蛋白浓度变化值:
,
其中为脑区A所包含的通道个数,/>为脑区A中包含通道的集合,/>为数据长度,/>为通道/>的第/>个点的氧合血红蛋白浓度值,/>为脑区A的氧合血红蛋白浓度变化值;
计算脑区信息交流强度信息的步骤包括:根据近红外信号计算每两个通道间的连通强度,将所述通道作为节点构建功能连通性权重矩阵;根据所述连通强度计算所述矩阵中各个节点的度;根据对应于各个脑区的度和设定权重计算脑区信息交流强度信息,其中对于不同的视/听觉刺激方式所采用的设定权重不相同;
计算功能分化程度信息的步骤包括:根据近红外信号计算每两个通道间的连通强度,将所述通道作为节点构建功能连通性权重矩阵;根据所述连通强度计算所述矩阵中各个节点的度;根据所述连通强度计算所述矩阵中的三角形个数;根据对应于各个脑区的度、三角形个数和设定权重计算脑区信息交流强度信息,其中对于不同的视/听觉刺激方式所采用的设定权重不相同。
2.根据权利要求1所述的方法,其特征在于,所述视/听觉刺激为单独的听觉刺激、单独的视觉刺激或者视听觉同时刺激。
3.根据权利要求2所述的方法,其特征在于,所述听觉刺激为在患者处于静息状态后,在患者视野范围之外发布声音指令并持续预定时间;
所述视觉刺激为在患者处于静息状态后,在患者脸部正前方呈现视威胁并持续预定时间;
所述视听觉同时刺激为在患者处于静息状态后,在患者脸部正前方呈现视威胁的同时在患者视野范围之外发布声音指令并持续预定时间。
4.根据权利要求1-3中任一项所述的方法,其特征在于,所述多个脑区为左额叶、右额叶、左顶叶、右顶叶、左枕叶、右枕叶、左颞叶和右颞叶八个脑区。
5.根据权利要求1所述的方法,其特征在于,将光密度信号转化为氧合血红蛋白浓度值并进行截取具体包括:
计算前n秒静息状态下的氧合血红蛋白浓度值的均值;
截取m秒静息状态下的氧合血红蛋白浓度值并分别减去所述均值,其中m大于n。
6.一种脑深部电刺激促醒效果量化设备,其特征在于,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器执行如权利要求1-5中任意一项所述的脑深部电刺激促醒效果量化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011451690.4A CN112587796B (zh) | 2020-12-10 | 2020-12-10 | 脑深部电刺激促醒效果量化方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011451690.4A CN112587796B (zh) | 2020-12-10 | 2020-12-10 | 脑深部电刺激促醒效果量化方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112587796A CN112587796A (zh) | 2021-04-02 |
CN112587796B true CN112587796B (zh) | 2023-09-26 |
Family
ID=75192510
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011451690.4A Active CN112587796B (zh) | 2020-12-10 | 2020-12-10 | 脑深部电刺激促醒效果量化方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112587796B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114795117B (zh) * | 2022-04-14 | 2024-05-14 | 南开大学 | 基于图信号处理的脑信号分析方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102068744A (zh) * | 2010-11-29 | 2011-05-25 | 邓艳春 | 脑电监测-感官刺激促醒一体化治疗仪 |
CN107405487A (zh) * | 2015-02-09 | 2017-11-28 | 于利奇研究中心有限公司 | 校准非侵入式的机械触觉和/或热神经刺激的装置和方法 |
CN109173063A (zh) * | 2018-09-21 | 2019-01-11 | 武汉资联虹康科技股份有限公司 | 一种3d扫描的经颅磁刺激系统及经颅磁刺激方法 |
CN208426546U (zh) * | 2017-09-25 | 2019-01-25 | 深圳市神经科学研究院 | 一种近红外信号控制的经颅磁刺激装置 |
CN109330609A (zh) * | 2018-09-21 | 2019-02-15 | 国家康复辅具研究中心 | 一种基于近红外光谱技术的自适应脑神经反馈方法及系统 |
CN110074783A (zh) * | 2019-05-17 | 2019-08-02 | 杭州师范大学 | 经颅磁刺激诱发信号的大脑皮层兴奋性及成像和量化方法 |
CN110495880A (zh) * | 2019-08-16 | 2019-11-26 | 杭州电子科技大学 | 基于经颅电刺激脑肌耦合的运动障碍皮层可塑性管理方法 |
CN111195393A (zh) * | 2020-01-08 | 2020-05-26 | 国家康复辅具研究中心 | 近红外脑区激活模式导向的外周电刺激系统及其使用方法 |
-
2020
- 2020-12-10 CN CN202011451690.4A patent/CN112587796B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102068744A (zh) * | 2010-11-29 | 2011-05-25 | 邓艳春 | 脑电监测-感官刺激促醒一体化治疗仪 |
CN107405487A (zh) * | 2015-02-09 | 2017-11-28 | 于利奇研究中心有限公司 | 校准非侵入式的机械触觉和/或热神经刺激的装置和方法 |
CN208426546U (zh) * | 2017-09-25 | 2019-01-25 | 深圳市神经科学研究院 | 一种近红外信号控制的经颅磁刺激装置 |
CN109173063A (zh) * | 2018-09-21 | 2019-01-11 | 武汉资联虹康科技股份有限公司 | 一种3d扫描的经颅磁刺激系统及经颅磁刺激方法 |
CN109330609A (zh) * | 2018-09-21 | 2019-02-15 | 国家康复辅具研究中心 | 一种基于近红外光谱技术的自适应脑神经反馈方法及系统 |
CN110074783A (zh) * | 2019-05-17 | 2019-08-02 | 杭州师范大学 | 经颅磁刺激诱发信号的大脑皮层兴奋性及成像和量化方法 |
CN110495880A (zh) * | 2019-08-16 | 2019-11-26 | 杭州电子科技大学 | 基于经颅电刺激脑肌耦合的运动障碍皮层可塑性管理方法 |
CN111195393A (zh) * | 2020-01-08 | 2020-05-26 | 国家康复辅具研究中心 | 近红外脑区激活模式导向的外周电刺激系统及其使用方法 |
Non-Patent Citations (1)
Title |
---|
《脑深部电刺激对持续性植物状态促醒作用的研究进展》;赵美姣等;《立体定向和功能性神经外科杂志》;第29卷(第2期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN112587796A (zh) | 2021-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Khosla et al. | A comparative analysis of signal processing and classification methods for different applications based on EEG signals | |
JP6124140B2 (ja) | 患者の認知機能の評価 | |
JP4987338B2 (ja) | 認知能減退を予測するためのシステムおよび方法 | |
EP3451903A1 (en) | Predictive neuromarkers of alzheimer's disease | |
Motlagh et al. | Investigation of brain electrophysiological properties among heroin addicts: quantitative eeg and event‐related potentials | |
CN109222906B (zh) | 一种基于脑部电信号构建疼痛状态预测模型的方法 | |
Spring et al. | Generalizability of high frequency oscillation evaluations in the ripple band | |
Zhang et al. | Objective assessments of mental fatigue during a continuous long-term stress condition | |
Liu et al. | Unsupervised fNIRS feature extraction with CAE and ESN autoencoder for driver cognitive load classification | |
Kim et al. | Sad faces increase the heartbeat-associated interoceptive information flow within the salience network: a MEG study | |
Alinia et al. | Associations between physiological signals captured using wearable sensors and self-reported outcomes among adults in alcohol use disorder recovery: development and usability study | |
CN112587796B (zh) | 脑深部电刺激促醒效果量化方法及设备 | |
Gu et al. | Application of bi-modal signal in the classification and recognition of drug addiction degree based on machine learning | |
Steele et al. | A mixed filtering approach for real-time seizure state tracking using multi-channel electroencephalography data | |
Semenova et al. | Blood-brain barrier permeability changes: nonlinear analysis of ECoG based on wavelet and machine learning approaches | |
Guy et al. | Peak selection and latency jitter correction in developmental event‐related potentials | |
Bhavaraju et al. | Analog seizure detection and performance evaluation | |
Lei | Driver mental states monitoring based on brain signals | |
Akbarian et al. | The spectral slope as a marker of excitation/inhibition ratio and cognitive functioning in multiple sclerosis | |
Hadoush et al. | Modulation of resting-state brain complexity after bilateral cerebellar anodal transcranial direct current stimulation in children with autism Spectrum disorders: a randomized controlled trial study | |
de Freitas et al. | EEG artifact correction strategies for online trial-by-trial analysis | |
Rubega et al. | Time-varying effective EEG source connectivity: The optimization of model parameters | |
Patel et al. | Tsallis entropy as biomarker to assess and identify human emotion via EEG rhythm analysis | |
Gholamipour et al. | Estimation of the independent components reliability of EEG signal in a clinical application | |
Semenova et al. | Non-invasive analysis of blood-brain barrier permeability based on wavelet and machine learning approaches |
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 |