CN112691292A - 基于可穿戴智能设备的帕金森闭环深部脑刺激系统 - Google Patents

基于可穿戴智能设备的帕金森闭环深部脑刺激系统 Download PDF

Info

Publication number
CN112691292A
CN112691292A CN202110036263.8A CN202110036263A CN112691292A CN 112691292 A CN112691292 A CN 112691292A CN 202110036263 A CN202110036263 A CN 202110036263A CN 112691292 A CN112691292 A CN 112691292A
Authority
CN
China
Prior art keywords
signals
intelligent
neural network
tremor
signal
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.)
Granted
Application number
CN202110036263.8A
Other languages
English (en)
Other versions
CN112691292B (zh
Inventor
刘晨
常思远
朱晓东
韩玲民
王江
邓斌
魏熙乐
于海涛
伊国胜
蔡立辉
王钰
孙亚男
刘崴
张伟
李琪
邢梦娅
杨俊峰
杨满义
韩晓璇
李祯
沈潇
白丽鹏
李卓
张瑞
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.)
Tianjin University
Original Assignee
Tianjin 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 Tianjin University filed Critical Tianjin University
Priority to CN202110036263.8A priority Critical patent/CN112691292B/zh
Publication of CN112691292A publication Critical patent/CN112691292A/zh
Application granted granted Critical
Publication of CN112691292B publication Critical patent/CN112691292B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N1/00—Electrotherapy; Circuits therefor
    • A61N1/18—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
    • 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
    • A61N1/0534—Electrodes for deep brain stimulation
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Public Health (AREA)
  • Neurology (AREA)
  • Neurosurgery (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Animal Behavior & Ethology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Theoretical Computer Science (AREA)
  • Veterinary Medicine (AREA)
  • Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Data Mining & Analysis (AREA)
  • Psychology (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Databases & Information Systems (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Cardiology (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Pathology (AREA)
  • Child & Adolescent Psychology (AREA)
  • Developmental Disabilities (AREA)
  • Hospice & Palliative Care (AREA)
  • Psychiatry (AREA)
  • Physiology (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明为基于可穿戴智能设备的帕金森闭环深部脑刺激系统，包括可穿戴智能设备和深部脑刺激系统。可穿戴智能设备由智能指环，智能腕表和智能鞋垫组成，可用于帕金森患者震颤和步态冻结等症状的检测与评估。本系统有两种工作模式：手动调节模式和自动调节模式。本发明提出的基于可穿戴智能设备的帕金森闭环深部脑刺激系统可实现震颤和步态冻结等症状的智能检测和深度脑刺激参数的闭环调节，可应用于帕金森患者的监护和治疗。

Description

基于可穿戴智能设备的帕金森闭环深部脑刺激系统
技术领域
本发明涉及闭环深部脑刺激系统，具体涉及基于可穿戴智能设备的帕金森闭环深部脑刺激系统。
背景技术
帕金森是一种常见的神经退行性疾病，给中老年人的身体健康和生活质量带来了极大危害，其常见症状为静止性震颤、冻结步态和动作迟缓。深部脑刺激作为一种新型疗法，具有可逆性、可控性、低风险的特点，大大降低了传统的药物治疗和核团损毁术的副作用和致残风险。然而由于帕金森的发病机理尚不明确，目前深部脑刺激参数依靠医师经验对患者临床症状及体征进行主观判断并采用试凑法进行设定，缺乏客观定量的评估指标，难以实现实时闭环优化调节以适应患者随环境扰动和疾病进程而变化的疾病状态。
因此，针对上述问题，亟需研发一种可以实时全面监测评估帕金森症状并据此闭环调节刺激参数的系统，能够实时监控患者状态，对患者施加及时有效的刺激。
发明内容
为解决目前临床问题，本发明提供了一种基于可穿戴智能设备的帕金森闭环深部脑刺激系统，旨在实现实时采集手部震颤信号以及足底压力信号，并对两类震颤信号以及压力信号进行实时同步处理，用以检测评估帕金森患者的震颤和冻结步态等症状，基于评估结果可以手动调控或通过嵌入式闭环开关控制算法实时调节深部电刺激参数，以解决目前临床不能实时灵活优化深部电刺激的问题。
为实现上述目的，本发明通过以下技术方案实现：
一种基于可穿戴智能设备的帕金森闭环深部脑刺激系统，其特征在于：包括用于帕金森症状检测处理的可穿戴智能设备和深部脑刺激子系统；
其中，所述的用于帕金森症状检测处理的可穿戴智能设备包括智能腕表、智能指环和智能鞋垫；智能鞋垫用于获取足底压力信号，智能指环用于获取手指震颤信号，智能腕表用于获取手腕震颤信号同时接受智能指环和智能鞋垫采集的足底压力信号并进行分析处理；
具体分析处理的过程是：智能腕表同时同步采集所述的手腕震颤信号、手指震颤信号以及足底压力信号，对足底压力信号进行足底压力成像处理得到统一规格的压力信号热力图；
然后对手腕震颤信号、手指震颤信号、压力信号热力图进行特征层面数据融合，特征层面数据融合采用的是卷积神经网络集合+循环神经网络模型，对采样数据进行周期性处理；所述的卷积神经网络集合由若干个具有相同结构的卷积神经网络组成，多个卷积神经网络顺序编号，所述循环神经网络包括输入层、一个隐藏的全连接层和一个softmax模型的输出层；首先将获取的压力信号热力图作为卷积神经网络集合的输入，各卷积神经网络并行工作，互不干扰，但保持同时启动；压力信号热力图按照时间顺序分别依次进入卷积神经网络集合中的相应卷积神经网络，得到足底压力值的压力时间序列数据，将手腕震颤信号、手指震颤信号、足底压力值的压力时间序列数据在时域上进行数据对齐，组成一组三维时间序列信号，输入到循环神经网络中；
所述循环神经网络根据输入信号，依次识别出不同时刻的足底压力分布以及两类震颤信号大小所对应的PD患者状态，输出并记录不同时刻的PD患者状态数据，再通过动作识别时序整合各个时刻的识别结果，获得完整的识别结果，实现PD患者状态的评估；
所述循环神经网络每个时刻的输入信号除卷积神经网络集合提取的压力时间序列数据以外,还包括两类震颤信号、上一时刻循环神经网络的输出数据以及上一时刻循环神经网络识别结果转化成的向量数据。
本发明的有益效果是：本系统采用智能指环、智能腕表和智能鞋垫实时采集患者病人震颤和足底压力信号，通过卷积神经网络集合，实现了压力与震颤信号时域上数据对齐，保证每个时刻都能够同时观察患者的多种症状信息，综合分析判断患者患病程度，且所述可穿戴设备易于实施，不影响患者生活。通过嵌入式开关控制算法分析采集结果，评估患者当前状态，通过手动或自动方式实时调节深部脑刺激脉冲参数。
附图说明
图1为本发明基于可穿戴智能设备的帕金森闭环深部脑刺激系统的佩戴结构示意图；
图2为本发明中智能鞋垫控制结构示意图；
图3为本发明中智能指环的控制结构示意图；
图4为本发明中智能腕表控制结构示意图；
图5为本发明中分析处理的过程示意图；
图6为本发明所实现的闭环调控结构示意图。
具体实施方式
下面结合附图及实施例对本发明做进一步详细说明，但并不以此作为对本申请保护范围的限定。
本发明基于可穿戴智能设备的帕金森闭环深部脑刺激系统，包括用于帕金森症状检测处理的可穿戴智能设备和深部脑刺激系统；其中，所述的用于帕金森症状检测处理的可穿戴智能设备包括智能腕表，智能指环和智能鞋垫。智能鞋垫用于获取足底压力信号，智能指环用于获取手指震颤信号，智能腕表用于获取手部震颤信号同时接受智能指环和智能鞋垫采集的信号并进行分析处理。深部脑刺激子系统包括皮下深部脑刺激器和植入在大脑内部的电极，其中皮下深部脑刺激器和电极通过导线连接，刺激电极佩戴在使用者头部。
所述基于可穿戴智能设备的帕金森闭环深部脑刺激系统，具有两种工作模式：手动调节模式和自动调节模式。
在手动调节模式中，所述的可穿戴智能设备能够采集手指和手腕的震颤信号以及足底压力信号，并将采集到的信号通过无线通信方式传输到智能腕表，通过智能腕表中的特征层面数据融合分析采集到的信号，根据判别结果评估并显示当前帕金森症状，患者或医师可根据评估结果通过智能腕表手动调节皮下深部脑刺激器产生的电脉冲刺激参数；
在自动调节模式中，所述的可穿戴智能设备能够采集手指和手腕的震颤信号以及足底压力信号，并将采集到的信号通过无线通信方式传输到智能腕表，通过智能腕表中分析采集到的信号，根据判别结果进行深部脑刺激子系统的开关控制，实时自动调节皮下深部脑刺激器产生的电脉冲刺激参数。
优选的是，所述的可穿戴智能设备之间以及皮下深部脑刺激器之间通过无线通信的方式连接；所述的皮下深部脑刺激器通过无线通信方式接受来自智能腕表指令以修改刺激参数。
优选的是，所述的智能鞋垫包括柔性压力传感器阵列(选取贴片式压力传感器FSR402内置于鞋垫中)、微处理器、无线通信模块、电源模块和电源管理模块。所述的柔性压力传感器阵列内部传感器呈对称分布，用于采集足底压力信号；所述的六轴惯性传感器由一个三轴加速度计和一个三轴陀螺仪组成，分别用来采集患者脚部运动的3维线性加速度和3维角速度值；所述的微处理器用于控制所述柔性压力传感器阵列采集数据以及控制所述无线通信模块与智能腕表进行指令和数据交互，柔性压力传感阵列的输出与微处理器的输入端连接，微处理器通过无线通信模块与智能腕表实现通讯，电源管理模块与电源模块连接，电源模块同时为柔性压力传感器阵列及微处理器、无线通信模块供电。
优选的是，所述的智能指环包括六轴惯性传感器、微处理器、无线通信模块、电源模块和电源管理模块(六轴惯性传感器可以为ASM330LHH六轴惯性传感器；微处理器可选用F103RBT6 32位微处理器、无线通信模块为低功耗蓝牙模块USR-BLE101、电源模块为AS3701电源模块、电源管理模块可以为bq24020芯片，TP4056芯片等，各芯片附加相应的外围电路以连接起来)。所述的六轴惯性传感器由一个三轴加速度计和一个三轴陀螺仪组成，分别用来采集手指震颤运动的3维线性加速度和3维角速度值；所述的微处理器采用单片机系统，与传感器相连，用于控制所述六轴惯性传感器采集数据以及控制所述无线通信模块与智能腕表进行指令和数据交互。
优选的是，所述的智能腕表包括显示模块、六轴惯性传感器、微处理器、无线通信模块、电源模块、电源管理模块和塑料绝缘外壳，相关六轴惯性传感器、微处理器、无线通信模块、电源模块、电源管理模块均置于塑料绝缘外壳内，提供保护。所述的六轴惯性传感器由一个三轴加速度计和一个三轴陀螺仪组成，分别用来采集患者腕部运动的3维线性加速度和3维角速度值；智能腕表的微处理器与智能腕表的六轴惯性传感器相连，用于控制所述六轴惯性传感器采集数据、控制所述无线通信模块进行指令和数据交互以及对采集到的震颤信号和压力信号进行分析处理。
所述的智能腕表中的微处理器对采集到的震颤信号和压力信号进行数据降噪滤波处理，所使用的滤波算法包括无迹卡尔曼滤波和扩展卡尔曼滤波算法等。
智能腕表、智能指环、智能鞋垫三个可穿戴设备的微处理器模块为三个独立设备，均采用单片机系统；三个部分的电源管理模块和电源模块、无线通信模块可以采用相同规格，仅佩戴在不同位置时发挥作用。智能腕表通过无线通信模块与智能指环、智能鞋垫、深部脑刺激器连接用于获取智能指环、智能鞋垫的相应信号及给出深部脑刺激器相应的刺激数据。
所述的智能腕表中的微处理器对采集到足底压力信号进行足底压力成像采集，得到统一规格的压力信号热力图，考虑足印比例设置压力信号热力图的图像像素大小为128*256；所述的智能腕表中的微处理器对采集到的手腕震颤信号、手指震颤信号以及处理之后的压力信号进行特征层面数据融合，评估当前患者帕金森状态。所述的手腕震颤信号、手指震颤信号以及处理之后的压力信号采样周期均为30s，采样时间为0.5h，也可以根据需求设定。
所述的特征层面数据融合采用的是卷积神经网络集合+循环神经网络模型，对采样数据进行周期性处理。所述的卷积神经网络集合由10个具有相同结构的卷积神经网络组成，其中，每个卷积神经网络包括输入层、3个卷积层、3个池化层和一个全连接层，卷积核大小均为3*3(本专利处理的热力图数据紧凑且图片尺寸偏小，选取小卷积核，能够表示其图像特征且较简单)，卷积神经网络集合的输入输出分别为压力热力图和一组压力时间序列。所述循环神经网络包括输入层、一个隐藏的全连接层和一个softmax模型的输出层，输出信号为PD患者状态评分。首先将获取的压力热力图作为卷积神经网络集合的输入，各卷积神经网络并行工作，互不干扰，但保持同时启动。压力信号热力图按照时间顺序分别依次进入卷积神经网络集合中的相应卷积神经网络，得到足底压力值的压力时间序列数据，将手腕震颤信号、手指震颤信号、足底压力值的压力时间序列数据在时域上进行数据对齐，组成一组三维时间序列信号，输入到循环神经网络中；
按照时间顺序采集多帧压力信号热力图，每帧压力信号热力图按照时间顺序依次进入卷积神经网络集合中的各个卷积神经网络，各个卷积神经网络按照顺序依次编号，压力信号热力图，按照编号分别进行相应的卷积神经网络中，得到足底压力值的时间序列数据。
所述循环神经网络根据输入信号，依次识别出不同时刻的足底压力分布以及两类震颤信号大小所对应的PD患者状态，输出并记录不同时刻的PD患者状态数据，再通过动作识别时序整合各个时刻的识别结果，获得完整的识别结果，实现PD患者状态的评估；
所述循环神经网络每个时刻的输入信号除卷积神经网络集合提取的压力时间序列数据以外，还包括两类震颤信号(手腕震颤信号和手指震颤信号)、上一时刻循环神经网络的输出数据以及上一时刻循环神经网络识别结果转化成的向量数据。如图5所示，图5中，CNN表示卷积神经网络，RNN表示循环神经网络，f1(t)表示手腕震颤时间序列信号；f2(t)表示指尖震颤时间序列信号；f3(t)表示CNN网络输出信号，即一系列压力热力图经CNN集合处理后的压力时间序列信号；O(t)表示RNN输出信号，即各个采样时刻模型预测评分。各时刻压力热力图经CNN集合处理后与同时刻震颤信号一起输入到RNN中得到每个采样时刻的患者评分，最终经动作识别时序汇合模块整合，得到最终评分结果，实现患者状态评估。
其中，在进行PD患者状态评估之前要对PD患者识别模型进行网络训练，使得识别模型具有相应的泛化能力，识别能力能够达到识别要求。招募数名满足UPDRS评分的正常以及PD状态志愿者，采集受试者相应特征信号作为输入信号并统计每个受试者的UPDRS评分作为期望输出。将卷积神经网络集合+循环神经网络模型的输出结果和实际统计的UPDRS评分进行对比，计算损失函数，然后逐步调整网络参数，使得损失函数最小，以此来训练数据融合模型(即卷积神经网络集合+循环神经网络模型)。所述损失函数为：
Figure BDA0002893290440000041
其中，Loss表示真实值与预测值之间的差异，值越小表示预测结果越好；y表示实际的UPDRS评分；
Figure BDA0002893290440000042
表示模型预测的输出。
进一步的，参考附图6，所述的智能腕表中的微处理器对采集到的两类震颤信号(手腕震颤信号和手指震颤信号统称为手部震颤信号)和足底压力信号经数据处理后，进行数据融合，评估当前患者帕金森状态。在所述手动调节模式中，利用智能腕表显示模块为患者和医师调节刺激参数提供参考。在所述自动调节模式中，利用智能腕表中的微处理器中的嵌入式闭环开关控制算法基于评估结果自动调节刺激参数。
本发明未述及之处适用于现有技术。

Claims (8)

1.一种基于可穿戴智能设备的帕金森闭环深部脑刺激系统，其特征在于：包括用于帕金森症状检测处理的可穿戴智能设备和深部脑刺激子系统；
其中，所述的用于帕金森症状检测处理的可穿戴智能设备包括智能腕表、智能指环和智能鞋垫；智能鞋垫用于获取足底压力信号，智能指环用于获取手指震颤信号，智能腕表用于获取手腕震颤信号同时接受智能指环和智能鞋垫采集的足底压力信号并进行分析处理；
具体分析处理的过程是：智能腕表同时同步采集所述的手腕震颤信号、手指震颤信号以及足底压力信号，对足底压力信号进行足底压力成像处理得到统一规格的压力信号热力图；
然后对手腕震颤信号、手指震颤信号、压力信号热力图进行特征层面数据融合，特征层面数据融合采用的是卷积神经网络集合+循环神经网络模型，对采样数据进行周期性处理；所述的卷积神经网络集合由若干个具有相同结构的卷积神经网络组成，多个卷积神经网络顺序编号，所述循环神经网络包括输入层、一个隐藏的全连接层和一个softmax模型的输出层；首先将获取的压力信号热力图作为卷积神经网络集合的输入，各卷积神经网络并行工作，互不干扰，但保持同时启动；压力信号热力图按照时间顺序分别依次进入卷积神经网络集合中的相应卷积神经网络，得到足底压力值的压力时间序列数据，将手腕震颤信号、手指震颤信号、足底压力值的压力时间序列数据在时域上进行数据对齐，组成一组三维时间序列信号，输入到循环神经网络中；
所述循环神经网络根据输入信号，依次识别出不同时刻的足底压力分布以及两类震颤信号大小所对应的PD患者状态，输出并记录不同时刻的PD患者状态数据，再通过动作识别时序整合各个时刻的识别结果，获得完整的识别结果，实现PD患者状态的评估；
所述循环神经网络每个时刻的输入信号除卷积神经网络集合提取的压力时间序列数据以外,还包括两类震颤信号、上一时刻循环神经网络的输出数据以及上一时刻循环神经网络识别结果转化成的向量数据。
2.根据权利要求1所述的刺激系统，其特征在于：所述PD患者状态数据以UPDRS评分为基准，卷积神经网络集合+循环神经网络模型训练过程是：招募若干数量的满足UPDRS评分的正常以及PD状态志愿者，采集受试者相应特征信号作为输入信号并统计每个受试者的UPDRS评分作为期望输出；将卷积神经网络集合+循环神经网络模型的输出结果和实际统计的UPDRS评分进行对比，计算损失函数，然后逐步调整参数，使得损失函数最小，以此来训练数据融合模型。
3.根据权利要求1所述的刺激系统，其特征在于：其中，智能腕表同时同步采集所述的手腕震颤信号、手指震颤信号以及足底压力信号的采样周期均为30s，采样时间为0.5h。
4.根据权利要求1所述的刺激系统，其特征在于：深部脑刺激子系统包括皮下深部脑刺激器和植入在大脑内部的电极，其中皮下深部脑刺激器和电极通过导线连接。
5.如权利要求1所述的刺激系统，其特征在于，具有两种工作模式：手动调节模式和自动调节模式；
在手动调节模式中，所述的可穿戴智能设备能够采集手指和手腕的震颤信号以及足底压力信号，并将采集到的信号通过无线通信方式传输到智能腕表，通过智能腕表分析采集到的信号，评估并显示当前帕金森症状，患者或医师可根据评估结果通过智能腕表手动调节皮下深部脑刺激器产生的电脉冲刺激参数；
在自动调节模式中，所述的可穿戴智能设备能够采集手指和手腕的震颤信号以及足底压力信号，并将采集到的信号通过无线通信方式传输到智能腕表，通过智能腕表分析采集到的信号，利用嵌入式闭环控制算法基于评估结果自动调节刺激参数，实时自动调节皮下深部脑刺激器产生的电脉冲刺激参数。
6.如权利要求4所述的刺激系统，其特征在于，所述的可穿戴智能设备之间以及皮下深部脑刺激器之间通过无线通信的方式连接；所述的皮下深部脑刺激器通过无线通信方式接受来自智能腕表指令以修改刺激参数。
7.如权利要求1所述的刺激系统，其特征在于，所述的智能鞋垫包括柔性压力传感器阵列、微处理器、无线通信模块、电源模块和电源管理模块；所述的柔性压力传感器阵列用于采集足底压力信号；所述的微处理器用于控制所述柔性压力传感器阵列采集数据以及控制所述无线通信模块与智能腕表进行指令和数据交互。
8.如权利要求1所述的刺激系统，其特征在于，所述的智能指环包括惯性传感器，微处理器、无线通信模块、电源模块和电源管理模块；所述的惯性传感器用于采集手指震颤信号；所述的微处理器用于控制所述惯性传感器采集数据以及控制所述无线通信模块与智能腕表进行指令和数据交互；
所述的智能腕表包括显示模块、惯性传感器，微处理器、无线通信模块、电源模块、电源管理模块和塑料绝缘外壳；所述的惯性传感器用于采集手腕震颤信号；所述的微处理器用于控制所述惯性传感器采集数据、控制无线通信模块进行指令和数据交互以及对采集到的震颤信号和压力信号进行分析处理；
所述的智能腕表中的微处理器对采集到的震颤信号和压力信号进行数据降噪滤波处理，所使用的滤波算法包括无迹卡尔曼滤波和扩展卡尔曼滤波算法。
CN202110036263.8A 2021-01-12 2021-01-12 基于可穿戴智能设备的帕金森闭环深部脑刺激系统 Active CN112691292B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110036263.8A CN112691292B (zh) 2021-01-12 2021-01-12 基于可穿戴智能设备的帕金森闭环深部脑刺激系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110036263.8A CN112691292B (zh) 2021-01-12 2021-01-12 基于可穿戴智能设备的帕金森闭环深部脑刺激系统

Publications (2)

Publication Number Publication Date
CN112691292A true CN112691292A (zh) 2021-04-23
CN112691292B CN112691292B (zh) 2023-01-31

Family

ID=75514033

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110036263.8A Active CN112691292B (zh) 2021-01-12 2021-01-12 基于可穿戴智能设备的帕金森闭环深部脑刺激系统

Country Status (1)

Country Link
CN (1) CN112691292B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113244533A (zh) * 2021-06-24 2021-08-13 景昱医疗器械(长沙)有限公司 参数调整方法、装置、电子设备及计算机可读存储介质
CN113941090A (zh) * 2021-09-18 2022-01-18 复旦大学 一种自适应闭环深部脑刺激方法、装置及电子设备
CN116487025A (zh) * 2023-03-30 2023-07-25 华中科技大学同济医学院附属协和医院 一种帕金森病患者磁共振成像的功能性脑连接分析方法
CN117298449A (zh) * 2023-10-31 2023-12-29 首都医科大学宣武医院 一种基于可穿戴设备的闭环dbs调控方法和系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100094377A1 (en) * 2008-10-09 2010-04-15 Daniel Graupe Method and apparatus for closed-loop deep brain stimulation in treating neurological diseases
CN104127187A (zh) * 2014-08-05 2014-11-05 戴厚德 用于帕金森病人主要症状定量检测的可穿戴系统及方法
CN109063714A (zh) * 2018-08-06 2018-12-21 浙江大学 基于深度神经网络的帕金森病运动迟缓视频检测模型的构建方法
CN111297379A (zh) * 2020-02-10 2020-06-19 中国科学院深圳先进技术研究院 一种基于感官传递的脑机结合系统和方法
CN111724899A (zh) * 2020-06-28 2020-09-29 湘潭大学 一种基于Fbank和MFCC融合特征的帕金森音频智能检测方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100094377A1 (en) * 2008-10-09 2010-04-15 Daniel Graupe Method and apparatus for closed-loop deep brain stimulation in treating neurological diseases
CN104127187A (zh) * 2014-08-05 2014-11-05 戴厚德 用于帕金森病人主要症状定量检测的可穿戴系统及方法
CN109063714A (zh) * 2018-08-06 2018-12-21 浙江大学 基于深度神经网络的帕金森病运动迟缓视频检测模型的构建方法
CN111297379A (zh) * 2020-02-10 2020-06-19 中国科学院深圳先进技术研究院 一种基于感官传递的脑机结合系统和方法
CN111724899A (zh) * 2020-06-28 2020-09-29 湘潭大学 一种基于Fbank和MFCC融合特征的帕金森音频智能检测方法及系统

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113244533A (zh) * 2021-06-24 2021-08-13 景昱医疗器械(长沙)有限公司 参数调整方法、装置、电子设备及计算机可读存储介质
CN113941090A (zh) * 2021-09-18 2022-01-18 复旦大学 一种自适应闭环深部脑刺激方法、装置及电子设备
CN113941090B (zh) * 2021-09-18 2023-01-17 复旦大学 一种自适应闭环深部脑刺激方法、装置及电子设备
CN116487025A (zh) * 2023-03-30 2023-07-25 华中科技大学同济医学院附属协和医院 一种帕金森病患者磁共振成像的功能性脑连接分析方法
CN117298449A (zh) * 2023-10-31 2023-12-29 首都医科大学宣武医院 一种基于可穿戴设备的闭环dbs调控方法和系统
CN117298449B (zh) * 2023-10-31 2024-04-09 首都医科大学宣武医院 一种基于可穿戴设备的闭环dbs调控方法和系统

Also Published As

Publication number Publication date
CN112691292B (zh) 2023-01-31

Similar Documents

Publication Publication Date Title
CN112691292B (zh) 基于可穿戴智能设备的帕金森闭环深部脑刺激系统
CN109480858B (zh) 一种用于量化检测帕金森患者运动迟缓症状的可穿戴智能系统及方法
CN105361880B (zh) 肌肉运动事件的识别系统及其方法
CN106726030B (zh) 基于临床脑电信号控制机械手运动的脑机接口系统及其应用
WO2018233435A1 (zh) 一种基于主成分分析法的多维表面肌电信号假手控制方法
CN108814597A (zh) 一种基于运动信息与肌电交互的康复训练评测方法及系统
US20050240086A1 (en) Intelligent wearable monitor systems and methods
CN112353368B (zh) 一种基于反馈调节的多输入信号癫痫发作检测系统
Lehtonen et al. Online classification of single EEG trials during finger movements
EP3048955A2 (en) Physiological parameter measurement and feedback system
CN105595995B (zh) 生理数据检测系统、检测装置、终端设备、数据分析方法
CN108958482B (zh) 一种基于卷积神经网络的相似性动作识别装置及方法
CN107440887A (zh) 全仿生类脑智能手部电子机械外骨骼及其综合控制系统
Bonato Advances in wearable technology for rehabilitation
CN107280667A (zh) 一种带有加速度传感器的无线表面肌电采集系统
Bonato Clinical applications of wearable technology
CN106267557A (zh) 一种基于小波变换和支持向量机辨识的脑控主动上肢医疗康复训练系统
CN115862809A (zh) 一种基于大数据的智能康复护理设备
CN110673721A (zh) 基于视觉与意念信号协同控制的机器人看护系统
CN111685769A (zh) 外骨骼功能检测系统
CN110660486A (zh) 一种基于穿戴设备的医生健康监测系统
CN113647938A (zh) 一种基于生理信号的超前检测运动状态变化的方法及系统
CN106476281B (zh) 基于眨眼识别与视觉诱发的3d打印机控制方法
CN105310695B (zh) 异动症评估设备
CN116687429A (zh) 一种基于下肢外骨骼机器人的肌肉实时监测分析系统

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
CB03 Change of inventor or designer information

Inventor after: Liu Chen

Inventor after: Cai Lihui

Inventor after: Wang Yu

Inventor after: Sun Yanan

Inventor after: Liu Wai

Inventor after: Zhang Wei

Inventor after: Li Qi

Inventor after: Xing Mengya

Inventor after: Yang Junfeng

Inventor after: Yang Manyi

Inventor after: Han Xiaoxuan

Inventor after: Chang Siyuan

Inventor after: Li Zhen

Inventor after: Shen Xiao

Inventor after: Bai Lipeng

Inventor after: Li Zhuo

Inventor after: Zhang Rui

Inventor after: Zhu Xiaodong

Inventor after: Han Lingmin

Inventor after: Wang Jiang

Inventor after: Deng Bin

Inventor after: Wei Xile

Inventor after: Yu Haitao

Inventor after: Yi Guosheng

Inventor before: Liu Chen

Inventor before: Cai Lihui

Inventor before: Wang Yu

Inventor before: Sun Yanan

Inventor before: Liu Wai

Inventor before: Zhang Wei

Inventor before: Li Qi

Inventor before: Xing Mengya

Inventor before: Yang Junfeng

Inventor before: Yang Manyi

Inventor before: Han Xiaoxuan

Inventor before: Chang Siyuan

Inventor before: Li Zhen

Inventor before: Shen Xiao

Inventor before: Bai Lipeng

Inventor before: Li Zhuo

Inventor before: Zhang Rui

Inventor before: Zhu Xiaodong

Inventor before: Han Lingmin

Inventor before: Wang Jiang

Inventor before: Deng Bin

Inventor before: Wei Xile

Inventor before: Yu Haitao

Inventor before: Yi Guosheng

CB03 Change of inventor or designer information
GR01 Patent grant
GR01 Patent grant