CN113208610B - 一种相位点估计方法、装置和闭环式的神经刺激系统 - Google Patents
一种相位点估计方法、装置和闭环式的神经刺激系统 Download PDFInfo
- Publication number
- CN113208610B CN113208610B CN202010056824.6A CN202010056824A CN113208610B CN 113208610 B CN113208610 B CN 113208610B CN 202010056824 A CN202010056824 A CN 202010056824A CN 113208610 B CN113208610 B CN 113208610B
- Authority
- CN
- China
- Prior art keywords
- electroencephalogram
- phase
- preset
- electroencephalogram signal
- time length
- 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
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M21/00—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis
-
- 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
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- 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
- A61N1/36014—External stimulators, e.g. with patch electrodes
- A61N1/36025—External stimulators, e.g. with patch electrodes for treating a mental or cerebral condition
-
- 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
- A61N1/36014—External stimulators, e.g. with patch electrodes
- A61N1/3603—Control systems
- A61N1/36031—Control systems using physiological parameters for adjustment
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M21/00—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis
- A61M2021/0005—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus
- A61M2021/0027—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus by the hearing sense
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M21/00—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis
- A61M2021/0005—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus
- A61M2021/0044—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus by the sight sense
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M21/00—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis
- A61M2021/0005—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus
- A61M2021/0072—Other devices or methods to cause a change in the state of consciousness; Devices for producing or ending sleep by mechanical, optical, or acoustical means, e.g. for hypnosis by the use of a particular sense, or stimulus with application of electrical currents
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
- A61M2230/00—Measuring parameters of the user
- A61M2230/08—Other bio-electrical signals
- A61M2230/10—Electroencephalographic signals
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Biomedical Technology (AREA)
- Animal Behavior & Ethology (AREA)
- Signal Processing (AREA)
- Physiology (AREA)
- Physics & Mathematics (AREA)
- Psychiatry (AREA)
- Surgery (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychology (AREA)
- Developmental Disabilities (AREA)
- Social Psychology (AREA)
- Child & Adolescent Psychology (AREA)
- Neurology (AREA)
- Hospice & Palliative Care (AREA)
- Acoustics & Sound (AREA)
- Anesthesiology (AREA)
- Hematology (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本申请属于神经刺激技术领域,尤其涉及一种相位点估计方法、装置和闭环式的神经刺激系统,其中,所述相位点估计方法包括:获取脑电信号传感器当前采集的脑电信号,并对当前采集的脑电信号进行滤波,得到位于预设频段的脑电信号;利用第一预设时间长度的位于预设频段的脑电信号建立自回归模型;在自回归模型建立好之后,利用自回归模型以及最近更新的第二预设时间长度的位于预设频段的脑电信号进行脑电信号预测,得到第三预设时间长度的脑电信号;识别第三预设时间长度的脑电信号的相位特征点,并根据识别出的相位特征点以及预设相位参数确定第三预设时间长度的脑电信号中的待刺激相位点;提高了脑电信号相位点的预测精度和实时性。
Description
技术领域
本申请属于神经刺激技术领域,尤其涉及一种相位点估计方法、装置和闭环式的神经刺激系统。
背景技术
声、光或电等神经刺激都已证明能对脑电振荡活动产生调节作用,因此,广泛应用于神经科学研究中。目前,声、光或电等神经刺激方式主要包括开环式的神经刺激方式和闭环式的神经刺激方式。
其中,开环式的神经刺激方式由于缺乏实际大脑活动反馈的指导,会造成神经刺激与内在大脑活动之间同步发生变化的情况,因而难以观察到预期的实验结果,限制了神经刺激领域的研究进展。闭环式的神经刺激方式可以依据实时采集的脑电信号,在大脑活动特定时间点上施加刺激来调节大脑神经振荡,提高了神经刺激与内在大脑活动之间同步程度的稳定性。
然而,目前提取大脑活动特定时间点(相位点)的常用方法有平均周期法和希尔伯特变换法。平均周期法实现简单,适用于实时性要求高的场合,但其计算精度较低;希尔伯特变换法计算精度较高,但其计算复杂且存在端点效应,不适用于实时性要求高的场合。对于闭环神经刺激技术而言,实时精确的脑电瞬时相位提取是实现脑电振荡活动精确调控的关键。而目前的相位提取方法在计算精度和实时性方面均存在不足,导致闭环神经刺激技术在实际应用中仍存在局限性。
发明内容
本申请实施例提供一种相位点估计方法、装置和闭环式的神经刺激系统,可以提高脑电信号相位点的预测精度和实时性。
本申请实施例第一方面提供一种相位点估计方法,应用于闭环式的神经刺激系统,所述相位点估计方法包括:
获取脑电信号传感器当前采集的脑电信号,并对所述当前采集的脑电信号进行滤波,得到位于预设频段的脑电信号;
利用第一预设时间长度的所述位于预设频段的脑电信号建立自回归模型;
在所述自回归模型建立好之后,利用所述自回归模型以及最近更新的第二预设时间长度的所述位于预设频段的脑电信号进行脑电信号预测,得到第三预设时间长度的脑电信号;
识别所述第三预设时间长度的脑电信号的相位特征点,并根据识别出的所述相位特征点以及预设相位参数确定所述第三预设时间长度的脑电信号中的待刺激相位点。
本申请实施例第二方面提供一种相位点估计装置,配置于闭环式的神经刺激系统,所述相位点估计装置包括:
信号获取单元,用于获取传感器当前采集的脑电信号,并对所述当前采集的脑电信号进行滤波,得到位于预设频段的脑电信号;
模型建立单元,用于利用第一预设时间长度的所述位于预设频段的脑电信号建立自回归模型;
脑电信号预测单元,用于在所述自回归模型建立好之后,利用所述自回归模型以及最近更新的第二预设时间长度的所述位于预设频段的脑电信号进行脑电信号预测,得到第三预设时间长度的脑电信号;
相位点确定单元,用于识别所述第三预设时间长度的脑电信号的相位特征点,并根据识别出的所述相位特征点以及预设相位参数确定所述第三预设时间长度的脑电信号中的待刺激相位点。
本申请实施例第三方面提供一种闭环式的神经刺激系统,包括脑电信号传感器、刺激生成装置、存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述脑电信号传感器,用于采集脑电信号;所述处理器执行所述计算机程序时实现上述相位点估计方法的步骤,得到脑电信号的待刺激相位点;所述处理器还用于根据待刺激相位点对应的时刻距离当前时刻的目标延迟时间进行延时,并在延时结束时生成刺激控制信号;所述刺激生成装置,用于根据所述刺激控制信号执行神经刺激。
本申请实施例第四方面提供一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现上述方法的步骤。
本申请实施例中,通过建立脑电信号的自回归模型,并利用所述自回归模型以及最近更新的第二预设时间长度的位于预设频段的脑电信号进行脑电信号的预测,得到第三预设时间长度的脑电信号,接着,通过识别所述最近更新的第二预设时间长度的所述位于预设频段的脑电信号以及所述第三预设时间长度的脑电信号的相位特征点,并根据识别出的所述相位特征点以及预设相位参数确定所述第三预设时间长度的脑电信号中的待刺激相位点,其中,该预设相位参数可以为相邻相位特征点之间任意时刻对应的相位点,相比于利用平均周期法和希尔伯特变换法确定待刺激相位点来说,提高了脑电信号待刺激相位点的预测精度和实时性。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1是本申请实施例提供的一种相位点估计方法的实现流程示意图;
图2是本申请实施例提供的相位点估计方法步骤101的具体实现流程示意图;
图3是本申请实施例提供的相位特征点的示意图;
图4是本申请实施例提供利用平均周期法进行相位估计的误差曲线与利用本申请的相位点估计方法进行相位估计的误差曲线的对比示意图;
图5是本申请实施例提供的相位点估计装置的结构示意图;
图6是本申请实施例提供的闭环式的神经刺激系统的第一结构示意图;
图7是本申请实施例提供的闭环式的神经刺激系统的第二结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
经研究发现,经颅电磁刺激等无创脑刺激技术可以调节大脑活动的节律特征,影响人类的感知和认知,在改善认知功能和治疗认知障碍方面具有广泛的应用前景。目前的刺激方式主要包括开环式的神经刺激方式和闭环式的神经刺激方式。
然而,开环式的神经刺激方式是一种不考虑刺激时大脑的活动状态的刺激方式,存在个体间效应异质性问题,相同的刺激方案只在约50%的受试者中产生治疗效果。相关研究认为:当刺激器在开环方式下工作时,所施加的刺激与内在大脑活动之间的同步程度是可变的。因此,闭环式的神经刺激方式被认为是更有效的刺激方案。该方式通过实时分析当前采集的脑电信号(Electroencephalogram,EEG)的相位并在特定的相位点施加神经刺激来调节大脑神经振荡,提高了神经刺激与内在大脑活动之间同步程度的稳定性。
闭环式的神经刺激方式的关键是获取实时脑电活动的相位信息。然而,由于系统软硬件的延时,采集到的EEG信号并不是实时的,实时的EEG信号通常采用预测的方式获得。因此,目前,刺激信号的生成过程需要先预测得到EEG信号,并确定预测得到的EEG信号的待刺激相位点,通过延时的方式在待刺激相位点对应的时刻到来时生成刺激信号。
目前提取脑电信号待刺激相位点的常用方法有平均周期法和希尔伯特变换法。平均周期法主要有快速傅里叶变换法和过零检测法,这两种方法在闭环式交流/直流电刺激等刺激系统中均有应用。平均周期法短时延的特点使其在闭环式刺激系统中获得了普遍应用。其中,采用快速傅里叶变换预测待刺激相位,在1s的数据时间窗内时延不到1ms。在闭环式交流电刺激系统中对比了希尔伯特变换和基于自回归的希尔伯特变换的相位估计方法的时延,发现希尔伯特变换和基于自回归的希尔伯特变换的计算时延相近,在1s的数据时间窗内时延约为10-12ms。但由于EEG信号复杂的时变性,采用平均周期法预测得到的相位精度仍有待提高。希尔伯特变换等方法具有较高的相位计算精度,但计算时延较长,会降低系统的实时性能。由此可见,目前的脑电信号的待刺激相位点的确定方法难以同时满足实时性和相位估计精度的要求。
基于此,本申请实施例提供了一种相位点估计方法、装置和闭环式的神经刺激系统,可以提高脑电信号相位点的预测精度和实时性。
如图1示出了本申请实施例提供的一种相位点估计方法的实现流程示意图,该相位点估计方法应用于闭环式的神经刺激系统,可以包括步骤101至步骤104。
步骤101,获取脑电信号传感器当前采集的脑电信号,并对所述当前采集的脑电信号进行滤波,得到位于预设频段的脑电信号;
由于不同频段的神经振荡与特定的认知功能有紧密的联系,如:theta频段(4~7Hz)与认知控制和注意采样有关,alpha频段(8~12Hz)与注意的抑制和选择相关。并且,闭环式的神经刺激的实施通常是针对某一特定频段的脑电信号,瞬时相位的估计也是针对窄带信号而言的。因此,对采集到的脑电信号先用有限冲激响应(Finite Impulse Response,FIR)滤波器进行窄带滤波,得到位于预设频段的脑电信号之后,再进行瞬时相位估计。
然而,由于不同个体在特定频段的脑电中心频率存在差异,且同一个体在一段较长时间内脑电中心频率也会发生偏移。因此,滤波带宽需要根据实际采集的脑电信号来设置。具体的,如图2所示,上述对当前采集的脑电信号进行滤波,得到所述位于预设频段的脑电信号的过程中,可以包括步骤201至步骤202。
步骤201,对所述当前采集的脑电信号进行傅里叶变换,得到所述当前采集的脑电信号对应的频域信号。
步骤202,计算所述频域信号中预设频段的峰值功率P,将所述峰值功率P对应的频率作为窄带滤波的中心频率,并将功率λP对应的频率作为滤波器的截止频率,或者,将所述中心频率加减预设频率之后得到滤波器的截止频率,对所述当前采集的脑电信号进行滤波,得到所述位于预设频段的脑电信号,其中,λ的取值范围可以为[0.5,1)。
例如,可以将峰值功率P对应的频率加减1Hz得到FIR带通滤波器的截止频率,或者,将功率值0.5P对应的频率作为滤波器的截止频率。
另外,在本申请的一些实施方式中,上述对当前采集的脑电信号进行滤波,得到所述位于预设频段的脑电信号的过程中,还可以包括:对当前采集的脑电信号进行信号放大、抗混叠滤波和模数转换等预处理。例如,信号放大的倍数可以为5000-20000,抗混叠滤波器的截止频率为100Hz,模数转换器的采样率为500Hz。
步骤102,利用第一预设时间长度的所述位于预设频段的脑电信号建立自回归模型。
其中,自回归模型是一种利用前期若干时刻的随机变量的线性组合来描述以后某时刻的随机变量的线性回归模型,是时间序列中的一种常见形式。
虽然脑电信号具有时变性,但是其在短时间(一个脑电信号预测周期)内是平稳的,因此,可以在每个脑电信号预测周期通过建立自回归模型的方式在各个脑电信号预测周期内进行脑电信号的预测。
也就是说,在本申请实施例中,在每个脑电信号预测周期结束时,需要重新构建下一个脑电信号预测周期的自回归模型,以保证预测出的脑电信号更加准确。
具体的,上述第一预设时间长度的位于预设频段的脑电信号可以是指在每个脑电信号预测周期脑电信号传感器最先采集到的第一预设时间长度的位于预设频段的脑电信号,其中,该第一预设时间长度的长度值可以根据实际应用场景进行设定。
例如,一个脑电信号预测周期为5s,第一预设时间长度为100ms时,表示在5s内脑电信号是平稳的,可以在进入每个时间长度为5s的脑电信号预测周期时,先采集100ms的脑电信号建立该脑电信号预测周期自回归模型。
具体的,在建立自回归模型的过程中,可以假设观测序列(例如,100ms采集得到的脑电信号的电压序列)可表示为平稳信号与白噪声的叠加,则用于建立自回归模型的100ms的脑电信号的电压序列{xi}中,第i个x值与前p个x值之间的关系可表示为:xi=a1*xi-1+a2*xi-2+a3*xi-3+……+ap*xi-p+εi;其中,{εi}为均值为0、方差为σ2的白噪声序列;a1、a2、a3、……、ap为自回归模型的系数。可以采用Yule-Walker法、最小二乘法、Burg方法等方式进行估计。
例如,在使用最小二乘法进行自回归模型系数的估计时,可以假设采集的100ms的脑电信号的电压序列为{xi},(i=1、2、3、……、n),根据自回归模型的构建原理,可以构造如下方程组:
将上述方程组转换为矩阵形式,可以得到:
令:
则可以求得自回归模型的系数a=(ZTZ)-1ZTb。
步骤103,在所述自回归模型建立好之后,利用所述自回归模型以及最近更新的第二预设时间长度的所述位于预设频段的脑电信号进行脑电信号预测,得到第三预设时间长度的脑电信号。
其中,第二预设时间长度与自回归模型的阶数相关,例如,建立的自回归模型为p阶自回归模型,则第二预设时间长度为采集p个位于预设频段的脑电数据所需的时长。
在得到最近更新的第二预设时间长度的所述位于预设频段的脑电信号时,即,采集到的最新的p个位于预设频段的脑电数据,通过将p个位于预设频段的脑电数据(xi-1、xi-2、…、xi-p)代入上述建立好的自回归模型xi=a1*xi-1+a2*xi-2+a3*xi-3+……+ap*xi-p+εi,即可预测得到第i个位于预设频段的脑电数据xi,接着,将预测得到的脑电数据xi,以及观测得到的位于预设频段的脑电数据(xi-2、…、xi-p)代入上述建立好的自回归模型,即可预测得到第i+1个位于预设频段的脑电数据xi+1,依次类推,即可预测得到第三预设时间长度的脑电信号。
需要说明的是,由于脑电信号是在实时不断采集的,因此观测序列也是不断更新的,因此,为保证脑电数据的预测精度,需要采用最近更新的第二预设时间长度的所述位于预设频段的脑电信号进行脑电信号预测。
步骤104,识别所述第三预设时间长度的脑电信号的相位特征点,并根据识别出的所述相位特征点以及预设相位参数确定所述第三预设时间长度的脑电信号中的待刺激相位点。
上述预设相位参数是指脑电信号在各个周期需要执行神经刺激的相位点。例如,脑电信号的周期T为2π,则预设相位参数可以为2mπ,0<m<1。
在本申请的一些实施方式中,上述预设相位参数可以直接根据用户输入的相位参数得到。例如,用户输入的相位参数为1/8T,则所述预设相位参数Ti为1/8T,其中,T为预设频段的脑电信号平均周期。
在本申请的其他实施方式中,上述预设相位参数的确定还可以包括:采集在多个相位点分别执行神经刺激得到的位于预设频段的脑电信号的功率谱,并确定各个功率谱中最大功率值Pmax或者最小功率值Pmin对应的实际相位点,将所述实际相位点作为所述预设相位参数。
例如,以相位点φ0为第一个相位点,采集在相位点φ0处执行神经刺激得到的位于预设频段的脑电信号的功率谱H1,接着以φ0+Δ作为第二个相位点,采集在相位点φ0+Δ处执行神经刺激得到的位于预设频段的脑电信号的功率谱H2,直至以步长Δ为间隔,采集得到H1~Hn共n个功率谱之后,求出H1~Hn这n个功率谱中每个功率谱的最大功率值Pmax1~Pmaxn或者最小功率值Pmin1~Pminn,并确定Pmax1~Pmaxn中的最大功率值Pmax对应的实际相位点或者Pmin1~Pminn中的最小功率值Pmin对应的实际相位点。
需要说明的是,由于系统软硬件的延时,因此,上述位于预设频段的脑电信号并不是实时的,所以在确定Pmax1~Pmaxn中的最大功率值Pmax对应的实际相位点或者Pmin1~Pminn中的最小功率值Pmin对应的实际相位点时,并不是采集得到最大功率值为Pmax的功率谱对应的相位点,而是经相位校正后的相位点。
例如,Pmax=Pmax2,则Pmax对应的实际相位点为φ0+Δ减去相位延迟。并且,该相位延迟为((N-1)/2)*T’,其中,N为滤波器阶数,T’为脑电信号的采样周期。例如,N可以为10,T’可以为0.001s。
在本申请的一些实施方式中,上述第三预设时间长度大于或等于所述预设频段的脑电信号平均周期的四分之一,并且,如图3所示,上述相位特征点可以包括脑电信号的上过零点φn、波峰点φn+1、下过零点φn+2和波谷点φn+3。
由于第三预设时间长度大于或等于所述预设频段的脑电信号平均周期的四分之一,因此,预测得到的第三预设时间长度的脑电信号必定包含至少一个相位特征点,基于预测得到的第三预设时间长度的脑电信号中的至少一个相位特征点以及最新观测得到的位于预设频段的脑电信号的最新一个相位特征点,则可以确定出这两个相位特征点之间是否存在与上述预设相位参数对应的待刺激相位点。
例如,如图3所示,若最新观测得到的位于预设频段的脑电信号的最新一个相位特征点为φn,预测得到的第三预设时间长度的脑电信号包含的相位特征点为波峰点φn+1,预设相位参数为φ=0~1/4T之间,则可以确定出所述第三预设时间长度的脑电信号中存在待刺激相位点φi。
需要说明的是,由于系统软硬件的延时,因此,上述根据识别出的所述相位特征点以及预设相位参数确定所述第三预设时间长度的脑电信号中的待刺激相位点φi的过程中,需要先根据识别出的所述相位特征点以及预设相位参数确定所述第三预设时间长度的脑电信号中的待校正刺激相位φi’,并将所述待校正刺激相位φi’减去相位延迟((N-1)/2)*T’,得到所述待刺激相位点φi;其中,N为滤波器阶数,T’为脑电信号的采样周期。例如,N可以为10,T’可以为0.001s。
在本申请的一些实施方式中,上述识别所述第三预设时间长度的脑电信号的相位特征点,可以具体包括:对所述第三预设时间长度的脑电信号中相邻脑电数据点的电压值Vi-1、Vi、Vi+1进行相互比较;若Vi大于Vi-1且Vi大于Vi+1,则确定Vi对应的脑电数据点为脑电信号的波峰点;若Vi小于Vi-1且Vi小于Vi+1,则确定Vi对应的脑电数据点为脑电信号的波谷点;若Vi大于或等于Vt且Vi大于Vi-1,则确定Vi对应的脑电数据点为脑电信号的上过零点;若Vi小于或等于Vt且Vi小于Vi-1,则确定Vi对应的脑电数据点为脑电信号的下过零点;其中,Vt为第四预设时间长度的所述位于预设频段的脑电信号的波峰点电压值与波谷点电压值之间的平均值。其中,上述第四预设时间长度可以等于或小于上述第一预设时间长度。
在本申请的一些实施方式中,为了避免自回归模型进行脑电信号预测的过程中,由于预测时长过长引起脑电数据发生畸变,在上述利用所述自回归模型以及最近更新的第二预设时间长度的所述位于预设频段的脑电信号进行脑电信号预测,得到第三预设时间长度的脑电信号之后,可以包括:对所述第三预设时间长度的脑电信号进行平滑处理,消除畸变后,进行相位特征点的识别。
如图4所示为本申请实施例提供的实验室对20位受试者分别采用传统的平均周期法以及采用本申请的相位点估计方法进行相位估计的误差曲线A、B,可以看出,本申请的相位点估计方法可以有效提高脑电信号相位点的预测精度,并且,由于本申请的计算复杂度低于希尔伯特变换法计算复杂度,因此,相比于希尔伯特变换法提高了脑电信号相位点预测的实时性。
需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为根据本发明,某些步骤可以采用其它顺序进行。
如图5所示为本申请提供的配置于闭环式的神经刺激系统的一种相位点估计装置,包括:信号获取单元501、模型建立单元502、脑电信号预测单元503和相位点确定单元504。
本申请实施例中,通过配置于上述闭环式的神经刺激装置上的信号获取单元501获取传感器当前采集的脑电信号,并对所述当前采集的脑电信号进行滤波,得到位于预设频段的脑电信号;使得模型建立单元502可以先利用信号获取单元501获取到的第一预设时间长度的所述位于预设频段的脑电信号建立自回归模型;以便脑电信号预测单元503可以在所述自回归模型建立好之后,利用所述自回归模型以及最近更新的第二预设时间长度的所述位于预设频段的脑电信号进行脑电信号预测,得到第三预设时间长度的脑电信号;并且,相位点确定单元504可以通过识别所述第三预设时间长度的脑电信号的相位特征点,并根据识别出的所述相位特征点以及预设相位参数确定所述第三预设时间长度的脑电信号中的待刺激相位点,提高了脑电信号相位点的预测精度和实时性。
在本申请的一些实施方式中,上述相位点确定单元504还具体用于:将用户输入的相位参数作为所述预设相位参数;或者,采集在多个相位点分别执行神经刺激得到的位于预设频段的脑电信号的功率谱,并确定各个功率谱中最大功率值Pmax或者最小功率值Pmin对应的实际相位点,将所述实际相位点作为所述预设相位参数。
在本申请的一些实施方式中,上述第三预设时间长度大于或等于所述预设频段的脑电信号平均周期的四分之一。
在本申请的一些实施方式中,所述相位特征点包括脑电信号的上过零点、波峰点、下过零点和波谷点;所述相位点确定单元104还具体用于,对所述第三预设时间长度的脑电信号中相邻脑电数据点的电压值Vi-1、Vi、Vi+1进行相互比较;若Vi大于Vi-1且Vi大于Vi+1,则确定Vi对应的脑电数据点为脑电信号的波峰点;若Vi小于Vi-1且Vi小于Vi+1,则确定Vi对应的脑电数据点为脑电信号的波谷点;若Vi大于或等于Vt且Vi大于Vi-1,则确定Vi对应的脑电数据点为脑电信号的上过零点;若Vi小于或等于Vt且Vi小于Vi-1,则确定Vi对应的脑电数据点为脑电信号的下过零点;其中,Vt为第四预设时间长度的所述位于预设频段的脑电信号的波峰点电压值与波谷点电压值之间的平均值。
在本申请的一些实施方式中,上述相位点确定单元504还具体用于:根据识别出的所述相位特征点以及预设相位参数确定所述第三预设时间长度的脑电信号中的待校正刺激相位;将所述待校正刺激相位减去相位延迟,得到所述待刺激相位点;其中,所述相位延迟为((N-1)/2)*T’,N为滤波器阶数,T’为脑电信号的采样周期。
在本申请的一些实施方式中,上述相位点估计装置还可以包括平滑单元,用于在所述利用所述自回归模型以及最近更新的第二预设时间长度的所述位于预设频段的脑电信号进行脑电信号预测,得到第三预设时间长度的脑电信号之后,对所述第三预设时间长度的脑电信号进行平滑处理。
在本申请的一些实施方式中,上述信号获取单元501还具体用于:对所述当前采集的脑电信号进行傅里叶变换,得到所述当前采集的脑电信号对应的频域信号;计算所述频域信号中预设频段的峰值功率P,并将所述峰值功率P对应的频率作为窄带滤波的中心频率,将功率λP对应的频率作为滤波器的截止频率,对所述当前采集的脑电信号进行滤波,得到所述位于预设频段的脑电信号,其中,λ的取值范围为[0.5,1)。
需要说明的是,为描述的方便和简洁,上述描述的相位点估计装置500的具体工作过程,可以参考上述图1至图4中描述的方法的对应过程,在此不再赘述。
如图6所示,本申请实施例还提供了一种闭环式的神经刺激系统的结构示意图。该闭环式的神经刺激系统6可以包括:脑电信号传感器60、处理器61、存储器62、存储在所述存储器62中并可在所述处理器61上运行的计算机程序63以及刺激生成装置64;例如,相位点估计程序。
所述脑电信号传感器60,用于采集脑电信号;所述处理器61执行所述计算机程序63时实现上述各个相位点估计方法实施例中的步骤,例如图1所示的步骤101至104。或者,所述处理器61执行所述计算机程序63时实现上述各装置实施例中各模块/单元的功能,例如图5所示的单元501至504的功能。所述处理器61还用于根据待刺激相位点对应的时刻距离当前时刻的目标延迟时间进行延时,并在延时结束时生成刺激控制信号;所述刺激生成装置用于根据所述刺激控制信号执行神经刺激。
具体的,所述刺激生成装置可以采用三极管共射电路作为驱动电路,白色LED灯作为视觉刺激器,实现对预设频段的脑电信号进行调节。
所述计算机程序可以被分割成一个或多个模块/单元,所述一个或者多个模块/单元被存储在所述存储器62中,并由所述处理器61执行,以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述所述计算机程序在所述相位点估计装置中的执行过程。例如,所述计算机程序可以被分割成信号获取单元、模型建立单元、脑电信号预测单元和相位点确定单元,各单元具体功能如下:
信号获取单元,用于获取传感器当前采集的脑电信号,并对所述当前采集的脑电信号进行滤波,得到位于预设频段的脑电信号;
模型建立单元,用于利用第一预设时间长度的所述位于预设频段的脑电信号建立自回归模型;
脑电信号预测单元,用于在所述自回归模型建立好之后,利用所述自回归模型以及最近更新的第二预设时间长度的所述位于预设频段的脑电信号进行脑电信号预测,得到第三预设时间长度的脑电信号;
相位点确定单元,用于识别所述第三预设时间长度的脑电信号的相位特征点,并根据识别出的所述相位特征点以及预设相位参数确定所述第三预设时间长度的脑电信号中的待刺激相位点。
需要说明的是,所述处理器61可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(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、分立硬件组件等。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。并且,上述处理器可以包括一个或多个子处理器。
例如,如图7所示,上述处理器可以包括微处理器1和微处理器2这两个子处理器,构成双微控制器结构,以进一步提高相位点估计的实时性。
具体的,微处理器1可以用于获取传感器当前采集的脑电信号,并对所述当前采集的脑电信号进行滤波,得到位于预设频段的脑电信号;微处理器2可以用于利用第一预设时间长度的所述位于预设频段的脑电信号建立自回归模型,并在所述自回归模型建立好之后,利用所述自回归模型以及最近更新的第二预设时间长度的所述位于预设频段的脑电信号进行脑电信号预测,得到第三预设时间长度的脑电信号;微处理器2还可以用于识别所述第三预设时间长度的脑电信号的相位特征点,并根据识别出的所述相位特征点以及预设相位参数确定所述第三预设时间长度的脑电信号中的待刺激相位点。
所述闭环式的神经刺激系统可以包括但不仅限于,处理器61、存储器62。本领域技术人员可以理解,图6和图7仅仅是闭环式的神经刺激系统的示例,并不构成对闭环式的神经刺激系统的限定,本申请实施例中的闭环式的神经刺激系统还可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述闭环式的神经刺激系统还可以包括输入输出设备、网络接入设备、总线等。
所述存储器62可以是所述闭环式的神经刺激系统的内部存储单元,例如闭环式的神经刺激系统的硬盘或内存。所述存储器62也可以是所述闭环式的神经刺激系统的外部存储设备,例如所述闭环式的神经刺激系统上配备的插接式硬盘,智能存储卡(Smart MediaCard,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器62还可以既包括所述闭环式的神经刺激系统的内部存储单元也包括外部存储设备。所述存储器62用于存储所述计算机程序以及所述闭环式的神经刺激系统所需的其他程序和数据。所述存储器62还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述系统的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述装置中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/闭环式的神经刺激系统和方法,可以通过其它的方式实现。例如,以上所描述的装置/闭环式的神经刺激系统实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个装置,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (9)
1.一种相位点估计方法,应用于闭环式的神经刺激系统,其特征在于,所述相位点估计方法包括:
获取脑电信号传感器当前采集的脑电信号,并对所述当前采集的脑电信号进行滤波,得到位于预设频段的脑电信号;
利用第一预设时间长度的所述位于预设频段的脑电信号建立自回归模型;
在所述自回归模型建立好之后,利用所述自回归模型以及最近更新的第二预设时间长度的所述位于预设频段的脑电信号进行脑电信号预测,得到第三预设时间长度的脑电信号;
识别所述第三预设时间长度的脑电信号的相位特征点,并根据识别出的所述相位特征点以及预设相位参数确定所述第三预设时间长度的脑电信号中的待刺激相位点;所述预设相位参数是指脑电信号在各个周期需要执行神经刺激的相位点;
所述相位点估计方法包括:在每个脑电信号预测周期中建立自回归模型,以在各个脑电信号预测周期内进行脑电信号的预测,所述在每个脑电信号预测周期中建立自回归模型包括:在每个脑电信号预测周期结束时,重新构建下一个脑电信号预测周期的自回归模型;
所述第三预设时间长度大于或等于所述预设频段的脑电信号平均周期的四分之一。
2.如权利要求1所述的相位点估计方法,其特征在于,所述预设相位参数的确定包括:
将用户输入的相位参数作为所述预设相位参数;
或者,
采集在多个相位点分别执行神经刺激得到的位于预设频段的脑电信号的功率谱,并确定各个功率谱中最大功率值Pmax或者最小功率值Pmin对应的实际相位点,将所述实际相位点作为所述预设相位参数。
3.如权利要求1所述的相位点估计方法,其特征在于,所述相位特征点包括脑电信号的上过零点、波峰点、下过零点和波谷点;所述识别所述第三预设时间长度的脑电信号的相位特征点,包括:
对所述第三预设时间长度的脑电信号中相邻脑电数据点的电压值Vi-1、Vi、Vi+1进行相互比较;
若Vi大于Vi-1且Vi大于Vi+1,则确定Vi对应的脑电数据点为脑电信号的波峰点;
若Vi小于Vi-1且Vi小于Vi+1,则确定Vi对应的脑电数据点为脑电信号的波谷点;
若Vi大于或等于Vt且Vi大于Vi-1,则确定Vi对应的脑电数据点为脑电信号的上过零点;
若Vi小于或等于Vt且Vi小于Vi-1,则确定Vi对应的脑电数据点为脑电信号的下过零点;
其中,Vt为第四预设时间长度的所述位于预设频段的脑电信号的波峰点电压值与波谷点电压值之间的平均值。
4.如权利要求1所述的相位点估计方法,其特征在于,所述根据识别出的所述相位特征点以及预设相位参数确定所述第三预设时间长度的脑电信号中的待刺激相位点,包括:
根据识别出的所述相位特征点以及预设相位参数确定所述第三预设时间长度的脑电信号中的待校正刺激相位;
将所述待校正刺激相位减去相位延迟,得到所述待刺激相位点;其中,所述相位延迟为((N-1)/2)*T’,N为滤波器阶数,T’为脑电信号的采样周期。
5.如权利要求1所述的相位点估计方法,其特征在于,在所述利用所述自回归模型以及最近更新的第二预设时间长度的所述位于预设频段的脑电信号进行脑电信号预测,得到第三预设时间长度的脑电信号之后,包括:
对所述第三预设时间长度的脑电信号进行平滑处理。
6.如权利要求1所述的相位点估计方法,其特征在于,所述对所述当前采集的脑电信号进行滤波,得到位于预设频段的脑电信号,包括:
对所述当前采集的脑电信号进行傅里叶变换,得到所述当前采集的脑电信号对应的频域信号;
计算所述频域信号中预设频段的峰值功率P,将所述峰值功率P对应的频率作为窄带滤波的中心频率,并将功率λP对应的频率作为滤波器的截止频率,或者,将所述中心频率加减预设频率之后得到滤波器的截止频率,对所述当前采集的脑电信号进行滤波,得到所述位于预设频段的脑电信号,其中,λ的取值范围为[0.5,1)。
7.一种相位点估计装置,配置于闭环式的神经刺激系统,其特征在于,所述相位点估计装置包括:
信号获取单元,用于获取传感器当前采集的脑电信号,并对所述当前采集的脑电信号进行滤波,得到位于预设频段的脑电信号;
模型建立单元,用于利用第一预设时间长度的所述位于预设频段的脑电信号建立自回归模型;
脑电信号预测单元,用于在所述自回归模型建立好之后,利用所述自回归模型以及最近更新的第二预设时间长度的所述位于预设频段的脑电信号进行脑电信号预测,得到第三预设时间长度的脑电信号;
相位点确定单元,用于识别所述第三预设时间长度的脑电信号的相位特征点,并根据识别出的所述相位特征点以及预设相位参数确定所述第三预设时间长度的脑电信号中的待刺激相位点;所述预设相位参数是指脑电信号在各个周期需要执行神经刺激的相位点;
所述相位点估计方法包括:在每个脑电信号预测周期中建立自回归模型,以在各个脑电信号预测周期内进行脑电信号的预测,所述在每个脑电信号预测周期中建立自回归模型包括:在每个脑电信号预测周期结束时,重新构建下一个脑电信号预测周期的自回归模型;
所述第三预设时间长度大于或等于所述预设频段的脑电信号平均周期的四分之一。
8.一种闭环式的神经刺激系统,包括脑电信号传感器、刺激生成装置、存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,
所述脑电信号传感器,用于采集脑电信号;
所述处理器执行所述计算机程序时实现如权利要求1-7任意一项所述的相位点估计方法的步骤,得到脑电信号的待刺激相位点;
所述处理器还用于根据待刺激相位点对应的时刻距离当前时刻的目标延迟时间进行延时,并在延时结束时生成刺激控制信号;
所述刺激生成装置,用于根据所述刺激控制信号执行神经刺激。
9.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-6任意一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010056824.6A CN113208610B (zh) | 2020-01-17 | 2020-01-17 | 一种相位点估计方法、装置和闭环式的神经刺激系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010056824.6A CN113208610B (zh) | 2020-01-17 | 2020-01-17 | 一种相位点估计方法、装置和闭环式的神经刺激系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113208610A CN113208610A (zh) | 2021-08-06 |
CN113208610B true CN113208610B (zh) | 2022-06-28 |
Family
ID=77084967
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010056824.6A Active CN113208610B (zh) | 2020-01-17 | 2020-01-17 | 一种相位点估计方法、装置和闭环式的神经刺激系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113208610B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114870249B (zh) * | 2022-04-18 | 2023-06-13 | 北京理工大学 | 一种闭环自适应交流电刺激神经网络调控方法及系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101491441A (zh) * | 2009-02-26 | 2009-07-29 | 江西蓝天学院 | 基于脑电信号的身份识别方法 |
US8190249B1 (en) * | 2005-08-01 | 2012-05-29 | Infinite Biomedical Technologies, Llc | Multi-parametric quantitative analysis of bioelectrical signals |
CN107220599A (zh) * | 2017-05-16 | 2017-09-29 | 北京信息科技大学 | 基于eeg信号的图像质量评价方法 |
CN108429970A (zh) * | 2018-05-28 | 2018-08-21 | Oppo广东移动通信有限公司 | 音频播放方法、装置、终端、耳机及可读存储介质 |
CN108814594A (zh) * | 2018-04-18 | 2018-11-16 | 深圳大学 | 一种实时神经反馈装置、系统、方法和计算机存储介质 |
CN108814592A (zh) * | 2018-04-24 | 2018-11-16 | 哈尔滨工业大学 | 基于小波能量判定癫痫发作前脑电信号的方法及系统 |
CN109106365A (zh) * | 2018-09-04 | 2019-01-01 | 杭州航弈生物科技有限责任公司 | 基于脑电信号处理的癫痫发作预警设备 |
CN109656365A (zh) * | 2018-12-19 | 2019-04-19 | 东南大学 | 一种基于实时闭环振动刺激增强的脑机接口方法及系统 |
CN109700458A (zh) * | 2019-01-14 | 2019-05-03 | 广西医科大学第一附属医院 | 一种eeg脑功能网络构建方法、装置及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040230252A1 (en) * | 1998-10-21 | 2004-11-18 | Saul Kullok | Method and apparatus for affecting the autonomic nervous system |
JP2021522934A (ja) * | 2018-05-10 | 2021-09-02 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | ニューラルネットワークを使用してユーザに送達される感覚刺激を増強するためのシステム及び方法 |
-
2020
- 2020-01-17 CN CN202010056824.6A patent/CN113208610B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8190249B1 (en) * | 2005-08-01 | 2012-05-29 | Infinite Biomedical Technologies, Llc | Multi-parametric quantitative analysis of bioelectrical signals |
CN101491441A (zh) * | 2009-02-26 | 2009-07-29 | 江西蓝天学院 | 基于脑电信号的身份识别方法 |
CN107220599A (zh) * | 2017-05-16 | 2017-09-29 | 北京信息科技大学 | 基于eeg信号的图像质量评价方法 |
CN108814594A (zh) * | 2018-04-18 | 2018-11-16 | 深圳大学 | 一种实时神经反馈装置、系统、方法和计算机存储介质 |
CN108814592A (zh) * | 2018-04-24 | 2018-11-16 | 哈尔滨工业大学 | 基于小波能量判定癫痫发作前脑电信号的方法及系统 |
CN108429970A (zh) * | 2018-05-28 | 2018-08-21 | Oppo广东移动通信有限公司 | 音频播放方法、装置、终端、耳机及可读存储介质 |
CN109106365A (zh) * | 2018-09-04 | 2019-01-01 | 杭州航弈生物科技有限责任公司 | 基于脑电信号处理的癫痫发作预警设备 |
CN109656365A (zh) * | 2018-12-19 | 2019-04-19 | 东南大学 | 一种基于实时闭环振动刺激增强的脑机接口方法及系统 |
CN109700458A (zh) * | 2019-01-14 | 2019-05-03 | 广西医科大学第一附属医院 | 一种eeg脑功能网络构建方法、装置及存储介质 |
Non-Patent Citations (1)
Title |
---|
《基于自回归模型和关联向量机的癫痫脑电信号自动分类》;韩敏;《中国生物医学工程学报》;20111231;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113208610A (zh) | 2021-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Leonardi et al. | On spurious and real fluctuations of dynamic functional connectivity during rest | |
CN116058804B (zh) | 一种睡眠情绪活跃水平动态调节的方法、系统和装置 | |
Chen et al. | Feature extraction of EEG signals from epilepsy patients based on Gabor transform and EMD decomposition | |
AU2017430855B2 (en) | Control method and system for filtering out working frequency interference signal | |
CN113208610B (zh) | 一种相位点估计方法、装置和闭环式的神经刺激系统 | |
CN116392085B (zh) | 基于趋势分析的睡眠趋稳性量化及调节方法、系统和装置 | |
Wang et al. | An MVMD-CCA recognition algorithm in SSVEP-based BCI and its application in robot control | |
Arif et al. | Design of EEG data acquisition system based on Raspberry Pi 3 for acute ischemic stroke identification | |
CN116509337A (zh) | 基于局部分解的睡眠周期性检测及调节方法、系统和装置 | |
CN116509336B (zh) | 基于波形分析的睡眠周期性检测及调节方法、系统和装置 | |
Miranda et al. | A design space exploration for heart rate variability in a wearable smart device | |
CN116509338B (zh) | 基于模态分析的睡眠周期性检测及调节方法、系统和装置 | |
CN116392088B (zh) | 基于时频分析的睡眠趋稳性量化及调节方法、系统和装置 | |
CN116531661A (zh) | 基于脑电网络引导的闭环电刺激系统 | |
Alty et al. | Mean frequency estimation of surface EMG signals using filterbank methods | |
CN113243900A (zh) | 一种视频心率检测的rPPG信号预处理方法及系统 | |
JP2001218747A (ja) | 心電図解析システム、および、そのためのプログラムを記録したコンピュータ読み取り可能な記録媒体 | |
Zhang et al. | Identification of neuromuscular causal relationship between brain and muscles in limb movement by using ensemble empirical mode decomposition based causal decomposition | |
CN116525063B (zh) | 基于时频分析的睡眠周期性检测及调节方法、系统和装置 | |
CN116504357B (zh) | 基于小波分析的睡眠周期性检测及调节方法、系统和装置 | |
Lastre-Domínguez et al. | Fiducial features extraction for ECG signals using state-space unbiased FIR smoothing | |
Ahmed et al. | Resource efficient pre-processor for drift removal in neurochemical signals | |
Yazdanpanah et al. | Design and comparison of digital IIR filters for reduction of artifacts from electrocardiogram waveform | |
CN116019462B (zh) | 运动执行和运动意图的分析方法、装置及存储介质 | |
CN103344829B (zh) | 一种模拟信号频谱分析系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |