CN113499085A - 一种自学习型慢性神经疾病风险评估与调控装置 - Google Patents

Abstract

本发明公开了一种自学习型慢性神经疾病风险评估与调控装置，该装置基于脑电信号分析和慢性神经疾病脑电特征提取，对患者罹患各类慢性神经疾病的风险，以概率判断原则进行评估；能针对患者的实时脑电探测结果，对外源刺激调控的类型和参数进行个别定制化生成；能根据外源刺激后脑电信号的变化，对外源刺激调控的效果进行评价，从而随着脑电信号样本数量的增加，习得针对不同类型脑电信号的调控参数，不断提高所生成调控参数的调控效果。

Description

一种自学习型慢性神经疾病风险评估与调控装置

技术领域

本发明涉及慢性神经疾病的风险评估及调控的技术领域，特别是涉及一种自学习型慢性神经疾病风险评估与调控装置。

背景技术

以帕金森病、阿尔茨海默症、运动神经元病、肌张力障碍等为代表的慢性神经功能障碍，以及以抑郁、焦虑等为代表的慢性神经系统失调，正日益成为公众健康的重要威胁，截至2020 年，前者在全世界范围内患者已经超过1亿，后者则以20-40％的比例发生于不同人群。

慢性神经疾病有着复杂的起源，有些可定位于神经元的遗传性或病理性退行(这部分又经常是老年性的)，有些可以定位于环路功能的损伤乃至丧失。这类疾病通常病程漫长、并发症多、难以治愈，极大影响患者生活自理能力和精神面貌。对这类疾病的治疗通常以控制进程、减缓症状为主，很难有特异性、靶向性药物。

大脑电生理信号(脑电信号)是大脑活动状态的重要指标，也是一系列慢性神经疾病的重要标志。慢性神经疾病患者往往可以检测出脑电信号某些节律频段的减弱和紊乱(包括失序、异常电位发放等)。

已经证明，外源强直性刺激能使哺乳动物中枢神经系统神经元发生去极化，从而引发大群神经元的协同激发并激活相应神经回路，并改变脑电工作节律。而脑电节律信号的改变能反过来促进大脑活动状态的变化、抑制异常脑电发放、恢复正常神经连接和回路，并进一步有助于慢性神经功能障碍和神经系统失调的修复。目前，已经发展了多种外源强直性刺激手段，包括基于接触/植入式电刺激或经颅电/磁刺激接对目标脑区进行直接调制的节律共振刺激，以及通过感觉神经通路(视觉、听觉等)向目标深部脑区(如海马区、内侧前额叶mPFC 等)投射，引起其工作节律中对应频段成分改变的节律挟带刺激，等等。如多种刺激类型能协同使用，效果更好。

由于慢性神经疾病的类型众多，每个患者涉及的神经元类型以及神经回路病理学均不相同，通过脑电信号检查对患者进行诊断的特异性有限，因此诊断是基于大数据样本分析的概率判断。

同时，外源刺激需要针对每个患者的特定情况，选择具体脑区、神经回路或神经元类型进行调控，设置一系列参数，包括刺激类型、强度、波形和持续时间等。即使相同患者，在不同活动中所产生的的实时脑电信号均不相同，因此，在长期使用中需要对调控中采取动态调节。

发明内容

有鉴于此，本发明的目的在于提供一种自学习型慢性神经疾病风险评估与调控装置，该装置基于脑电信号分析和慢性神经疾病脑电特征提取，对患者罹患各类慢性神经疾病的风险，以概率判断原则进行评估；能针对患者的实时脑电探测结果，对外源刺激调控的类型和参数进行个别定制化生成；能根据外源刺激后脑电信号的变化，对外源刺激调控的效果进行评价，从而随着脑电信号样本数量的增加，习得针对不同类型脑电信号的调控参数，不断提高所生成调控参数的调控效果。

为了实现上述目的，本发明采用的技术方案为：

一种自学习型慢性神经疾病风险评估与调控装置，包括：脑电信号探测模块、脑电分析与特征提取模块、风险评估与调控控制模块和调控模块；

所述脑电信号探测模块，用于从患者的探测脑区实时获取脑电信号，并且传输至所述脑电分析与特征提取模块；

所述脑电分析与特征提取模块，获取所述脑电信号并对该信息进行预处理，得到预处理信号，再对所述预处理信号进行特征提取得到所述慢性神经疾病的脑电特征值；

所述风险评估与调控控制模块包括风险评估模型和调控控制模型，其中，

所述风险评估模型根据获取到的所述慢性神经疾病的临床数据，结合所述脑电特征值，得出个别慢性神经疾病的概率风险，并且汇总各类慢性神经疾病的概率风险，得出患者罹患所述慢性神经疾病的总体概率风险；

将所述个别慢性神经疾病的概率风险和所述的总体概率风险进行合并为风险数据，将该风险数据作为模型的输出值；

所述调控控制模型为经过样本集预训练后的学习器模型；

所述调控控制模型获取所述风险评估模型的输出值以及所述脑电特征值并作为输入值，输出光声电磁一体化神经调控参数，所述光声电磁一体化神经调控参数包括光刺激、声刺激以及电磁刺激的刺激函数；

所述调控模块获取所述光声电磁一体化神经调控参数，根据该参数对响应脑区进行一体化刺激。

进一步的，所述调控控制模型为自学习模型，当所述调控模块对所述响应脑区进行了一体化刺激之后，所述风险评估模型再一次获取风险数据，然后将本次获取的风险数据与进行了一体化刺激之前的风险数据进行比对，判断差值是否在设定的目标值范围内，若不在范围内，则所述调控控制模型将本次获取的风险数据以及本次获取的脑电特征值作为输入进行训练，并且保存模型参数。

进一步的，所述预训练具体包括：

步骤1、构建样本集，

所述样本集包括所述慢性神经疾病的临床数据以及对应治疗的光刺激、声刺激以及电磁刺激的刺激函数；

步骤2、通过所述样本集对所述调控控制模型进行迭代训练，在进行迭代训练的过程中，通过评价函数控制训练误差；

步骤3、构建验证集和测试集，使用所述验证集和测试集验证与测试所述调控控制模型的结构和参数，并且判断是否符合要求，若不符合继续进行步骤2，若符合，则输出最终的调控控制模型；所述验证集和测试集包括：未处理过的新样本，所述未处理过的新样本为未用于训练调控控制模型的慢性神经疾病临床(脑电)等数据。

进一步的，所述脑电信号探测模块包括设置在所述探测脑区并且用于实时获取所述脑电信号的脑电信号探测电极，以及与所述脑电信号探测电极电连接的脑电信号接收电路；

所述脑电信号接收电路接收所述述脑电信号探测电极获取的所述脑电信号，并且将该信号传输至所述脑电分析与特征提取模块；

所述脑电信号探测电极为植入式电极或者非植入式电极，当为植入式电极时，所述脑电信号探测电极包括：按照10-10标准连接的干式或湿式电极以及按照10-20标准连接的干式或湿式电极；当为非植入式电极时，所述脑电信号探测电极包括：Utah电极阵列、Michigan 电极阵列或者Medtronic脑深部电极。

进一步的，所述脑电分析与特征提取模块包括脑电信号预处理电路和脑电信号特征提取系统，其中，

所述脑电信号预处理电路与所述脑电信号探测模块通信连接，实时接收所述脑电信号探测模块输入的脑电信号并且进行预处理，所述预处理包括：滤波、去噪、放大、整形和时域展宽；

所述脑电信号特征提取系统获取所述预处理包信号，并且进行特征提取，所述特征提取具体包括：对所述预处理信号进行节律强度分析、时序分析和波形分析，从所述预处理信号的强度、失序和异常电位发放三个维度提取所述慢性神经疾病的特征值。

进一步的，所述调控模块包括可调光刺激系统、可调声刺激系统和可调电磁刺激系统。

进一步的，所述可调光刺激系统包括驱动控制器、可调光源和刺激光路；

所述驱动控制器解码所述光声电磁一体化神经调控参数，获取相应的光刺激的刺激函数，根据该刺激函数得到光源驱动控制信号，所述光源驱动控制信号被传输至所述可调光源，经过所述可调光源调制生成光刺激信号，所述光刺激信号经过所述刺激光路被传输至所述响应脑区；

所述可调光源为LED或者激光器；

所述刺激光路为自由空间光路、导波光路或者表面等离子激元光路。

进一步的，所述可调声刺激系统包括驱动控制器、扬声器和刺激声路；

所述驱动控制器解码所述光声电磁一体化神经调控参数，获取相应的声刺激的刺激函数，根据该刺激函数得到扬声器驱动控制信号，所述扬声器驱动控制信号被传输至所述扬声器，所述扬声器根据所述扬声器驱动控制信号产生声刺激信号，所述声刺激信号经过所述刺激声路被传输至所述响应脑区；

所述扬声器为基于直接或间接的电致弹性原理的扬声器；

所述刺激声路为自由空间声路或者声阻抗匹配层；

进一步的，所述可调电磁刺激系统包括驱动控制器和可调电磁刺激器；

所述驱动控制器解码所述光声电磁一体化神经调控参数，获取相应的电磁刺激的刺激函数，根据该刺激函数得到电磁刺激器驱动控制信号，所述电磁刺激器驱动控制信号被传输至所述可调电磁刺激器，所述可调电磁刺激器根据所述电磁刺激器驱动控制信号产生电磁刺激信号，所述电磁刺激信号经过电极或者电磁线圈被传输至响应脑区。

本发明的有益效果是：

本发明基于脑电信号分析和慢性神经疾病脑电特征提取，对患者罹患多种慢性神经疾病的个别风险和总体风险，以概率判断原则进行评估。

本发明能针对患者的实时脑电探测结果，对外源刺激调控的类型和参数进行个别定制化生成。

本发明具有智能自学习功能，能随着所处理脑电信号样本数量的增加，习得针对不同类型脑电信号的调控参数，不断提高所生成调控参数的调控效果。

附图说明

图1为实施例1中一种自学习型慢性神经疾病风险评估与调控装置的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明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。

实施例1

参见图1，本实施提供一种自学习型慢性神经疾病风险评估与调控装置，包括：脑电信号探测模块、脑电分析与特征提取模块、风险评估与调控控制模块和调控模块；

脑电信号探测模块，用于从患者的探测脑区实时获取脑电信号，并且传输至脑电分析与特征提取模块；具体的说，在本实施例中，脑电信号探测模块包括脑电信号探测电极和脑电信号接收电路，脑电信号探测电极从探测脑区实时探测脑电信号，并传输至脑电信号接收电路，在本实施例中，可以采用非植入式电极，如按10-10或10-20标准连接的干式或湿式电极，或类似产品，也可以采用植入式电极，比如Utah电极阵列、Michigan电极阵列、Medtronic 脑深部电极或类似产品；脑电信号接收电路的响应特性兼容探测脑电信号的实时传输，并且从脑电信号探测电极实时接收探测脑电信号，并传输至脑电分析与特征提取模块。

脑电分析与特征提取模块，获取脑电信号并对该信息进行预处理，得到预处理信号，再对预处理信号进行特征提取得到慢性神经疾病的脑电特征值；具体的说，在本实施例中，脑电分析与特征提取模块包括脑电信号预处理电路和脑电信号特征提取系统，脑电信号预处理电路与脑电信号探测模块发生通信，实时接收脑电信号探测模块输入的脑电信号，并且对脑电信号进行滤波、去噪、放大、整形、时域展宽等相应的预处理，得到预处理信号，最后将预处理信号输入到脑电信号特征提取系统进行特征提取。

脑电信号特征提取系统从脑电信号预处理电路接收处理好的预处理信号，对预处理信号进行节律强度分析、时序分析和波形分析，能从强度、失序和异常电位发放三个维度提取慢性神经疾病特征值，最后将特征值输入到风险评估与调控控制模块。

风险评估与调控控制模块根据脑电特征值，得到慢性神经疾病风险评估，自动生成一组调控参数，控制调控模块实施光声电磁一体化神经调控，具有智能自学习能力，随着所处理的脑电信号样本数量的增加，能习得针对不同类型脑电信号的调控参数、不断提高所生成调控参数的调控效果。

具体的说，在本实施例中，风险评估与调控控制模块包括风险评估模型和调控控制模型，风险评估模型使用从脑电分析与特征提取模块输入的患者脑电特征值作为模型输入值，根据内部预设临床数据，从脑电特征值计算出患者罹患个别慢性神经疾病的概率风险，综合各类疾病情况，形成患者罹患慢性神经疾病的总体概率风险，将个别和总体概率风险合并为风险数据，作为模型输出值。

具体的说，在本实施例中，调控控制模型使用脑电特征值和风险数据作为模型输入值，生成光声电磁一体化神经调控参数作为模型输出值，输出至调控模块，光声电磁一体化神经调控参数包括每种刺激源所使用的刺激函数，具体是该刺激函数的时域波形函数的参数，包括：幅值、相位、系数、变量；刺激源包括：电刺激、声刺激和电磁刺激。

更具体的说，在本实施例中，调控控制模型为学习器模型，具有智能自学习功能，模型的评价函数采用对调控后的脑电信号再次进行慢性神经疾病风险评估，获得的新风险数据，与调控前的风险数据的差值，该值的绝对值越大说明模型的性能越好。

该模型在使用之前，需要进行预训练，具体包括：

步骤1、构建样本集，

样本集包括慢性神经疾病的临床数据以及对应治疗的光刺激、声刺激以及电磁刺激的刺激函数；

步骤2、通过样本集对调控控制模型进行迭代训练，在进行迭代训练的过程中，通过评价函数控制训练误差；

步骤3、构建验证集和测试集，使用验证集和测试集验证与测试调控控制模型的结构和参数，并且判断是否符合要求，若不符合继续进行步骤2，若符合，则输出最终的调控控制模型；验证集和测试集包括：未处理过的新样本。未处理过的新样本为未用于训练调控控制模型的慢性神经疾病临床(脑电)等数据。

更具体的说，智能自学习功能为当调控模块对响应脑区进行了一体化刺激之后，风险评估模型再一次获取风险数据，然后将本次获取的风险数据与进行了一体化刺激之前的风险数据进行比对，判断差值是否在设定的目标值范围内，若不在范围内，则调控控制模型将本次获取的风险数据以及本次获取的脑电特征值作为输入进行训练，并且保存模型参数。

调控模块，接收风险评估与调控控制模块所生成的光声电磁一体化神经调控参数，驱动可调光刺激系统、可调声刺激系统和可调电磁刺激系统，对响应脑区进行一体化刺激。

具体的说，在本实施例中，可调光刺激系统包括驱动控制器、可调光源和刺激光路；驱动控制器对光声电磁一体化神经调节信号进行解码后，根据其中的光刺激的刺激函数产生光源驱动控制信号；可调光源采用但不限于基于LED、激光器等发光机理和结构的可调光源，根据光源控制信号，采用内调制或外调制方法使可调光源产生光刺激信号；光刺激信号经过刺激光路输送至响应脑区(光刺激响应脑区)，刺激光路可以采用、但不限于自由空间光路、导波光路、表面等离子激元光路或以上各类的结合。

具体的说，在本实施例中，可调声刺激系统包括驱动控制器、扬声器和刺激声路；驱动控制器对光声电磁一体化神经调节信号进行解码后，根据其中的声刺激的刺激函数产生扬声器驱动控制信号；扬声器可以采用，但不限于基于直接或间接的电致弹性原理的扬声器，扬声器根据扬声器驱动控制信号，产生声刺激信号，产生声刺激信号经过刺激声路输送至响应脑区(声刺激响应脑区)，刺激声路可采用、但不限于自由空间声路、声阻抗匹配层等。

具体的说，在本实施例中，可调电磁刺激系统包括驱动控制器、可调电磁刺激器；驱动控制器对光声电磁一体化神经调节信号进行解码后，根据其中的电磁刺激的刺激函数产生电磁刺激器驱动控制信号；电磁刺激器可以采用，但不限于能够发射AC/DC刺激电流的非接触/ 接触型非植入式电极、植入式电极，以及能产生空间交变电磁场的电磁线圈，等等；根据电磁刺激器驱动控制信号，使电磁刺激器产生电磁刺激信号，根据所选择的刺激器类型，非接触/接触型非植入式电极、植入式电极或电磁线圈等，将电磁刺激信号作用于响应脑区(电磁刺激响应脑区)。

更具体的说，在本实施例中，对于某患者，其脑电预处理信号中θ、α、β、γ带的功率谱密度强度与标准值相比分别为0.88、0.93、0.89、0.82，其信号波形与标准波形的互相关系数分别为0.68、0.72、0.72、0.86，发现θ、β、γ带存在标记为慢波(SL)、尖波(SH)、尖慢复合(SL-SH)、棘波(SP)、棘慢复合(SP-SL)类型的异常电位发放，发放频率按分档归类，分别约为III,II,I,II,I级(数字越大发放频率越高)，根据以上特征值，结合临床数据分析进行风险评估，计算出该名患者患阿尔茨海默症的风险为15％，患癫痫的风险为 35％，患重度抑郁的风险为26％，则其至少患三者之一的风险为59％。

将上述那名患者的脑电特征值和风险数据作为输入值，输入调控控制模型。调控控制模型选择θ、α、β带的兴奋型电磁刺激，采用类正弦复合波形作为刺激函数，选择γ带的兴奋型光-声联合刺激，采用短脉宽方波序列作为刺激函数，输出至调控模块。

对上述那名患者进行刺激后，重新读取刺激后的脑电信号，再次进行风险评估，得出其患阿尔茨海默症的风险为7％，患癫痫的风险为23％，患重度抑郁的风险为22％，则其至少患三者之一的风险为44％，比刺激之前降低了15％。根据模型评价函数可以判断，所选取的刺激类型及其刺激函数起到了改善效果，因而模型是有效的。

综上，本发明提供一种自学习型慢性神经疾病风险评估与调控装置，能基于脑电信号分析和慢性神经疾病脑电特征提取，对患者罹患各类慢性神经疾病的风险，以概率判断原则进行评估；能针对患者的实时脑电探测结果，对外源刺激调控的类型和参数进行个别定制化生成；能根据外源刺激后脑电信号的变化，对外源刺激调控的效果进行评价，从而随着脑电信号样本数量的增加，习得针对不同类型脑电信号的调控参数，不断提高所生成调控参数的调控效果。

本发明未详述之处，均为本领域技术人员的公知技术。

以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (9)

1.一种自学习型慢性神经疾病风险评估与调控装置，其特征在于，包括：脑电信号探测模块、脑电分析与特征提取模块、风险评估与调控控制模块和调控模块；

所述脑电信号探测模块，用于从患者的探测脑区实时获取脑电信号，并且传输至所述脑电分析与特征提取模块；

所述脑电分析与特征提取模块，获取所述脑电信号并对该信息进行预处理，得到预处理信号，再对所述预处理信号进行特征提取得到所述慢性神经疾病的脑电特征值；

所述风险评估与调控控制模块包括风险评估模型和调控控制模型，其中，

所述风险评估模型根据获取到的所述慢性神经疾病的临床数据，结合所述脑电特征值，得出个别慢性神经疾病的概率风险，并且汇总各类慢性神经疾病的概率风险，得出患者罹患所述慢性神经疾病的总体概率风险；

将所述个别慢性神经疾病的概率风险和所述的总体概率风险进行合并为风险数据，将该风险数据作为模型的输出值；

所述调控控制模型为经过样本集预训练后的学习器模型；

所述调控控制模型获取所述风险评估模型的输出值以及所述脑电特征值并作为输入值，输出光声电磁一体化神经调控参数，所述光声电磁一体化神经调控参数包括光刺激、声刺激以及电磁刺激的刺激函数；

所述调控模块获取所述光声电磁一体化神经调控参数，根据该参数对响应脑区进行一体化刺激。

2.根据权利要求1所述的一种自学习型慢性神经疾病风险评估与调控装置，其特征在于，所述调控控制模型为自学习模型，当所述调控模块对所述响应脑区进行了一体化刺激之后，所述风险评估模型再一次获取风险数据，然后将本次获取的风险数据与进行了一体化刺激之前的风险数据进行比对，判断差值是否在设定的目标值范围内，若不在范围内，则所述调控控制模型将本次获取的风险数据以及本次获取的脑电特征值作为输入进行训练，并且保存模型参数。

3.根据权利要求2所述的一种自学习型慢性神经疾病风险评估与调控装置，其特征在于，所述预训练具体包括：

步骤1、构建样本集，所述样本集包括所述慢性神经疾病的临床数据以及对应治疗的光刺激、声刺激以及电磁刺激的刺激函数；

步骤2、通过所述样本集对所述调控控制模型进行迭代训练，在进行迭代训练的过程中，通过评价函数控制训练误差；

步骤3、构建验证集和测试集，使用所述验证集和测试集验证与测试所述调控控制模型的结构和参数，并且判断是否符合要求，若不符合继续进行步骤2，若符合，则输出最终的调控控制模型；所述验证集和测试集包括：未处理过的新样本。

4.根据权利要求3所述的一种自学习型慢性神经疾病风险评估与调控装置，其特征在于，所述脑电信号探测模块包括设置在所述探测脑区并且用于实时获取所述脑电信号的脑电信号探测电极，以及与所述脑电信号探测电极电连接的脑电信号接收电路；

所述脑电信号接收电路接收所述述脑电信号探测电极获取的所述脑电信号，并且将该信号传输至所述脑电分析与特征提取模块；

所述脑电信号探测电极为植入式电极或者非植入式电极，当为植入式电极时，所述脑电信号探测电极包括：按照10-10标准连接的干式或湿式电极以及按照10-20标准连接的干式或湿式电极；当为非植入式电极时，所述脑电信号探测电极包括：Utah电极阵列、Michigan电极阵列或者Medtronic脑深部电极。

5.根据权利要求4所述的一种自学习型慢性神经疾病风险评估与调控装置，其特征在于，所述脑电分析与特征提取模块包括脑电信号预处理电路和脑电信号特征提取系统，其中，

所述脑电信号预处理电路与所述脑电信号探测模块通信连接，实时接收所述脑电信号探测模块输入的脑电信号并且进行预处理，所述预处理包括：滤波、去噪、放大、整形和时域展宽；

所述脑电信号特征提取系统获取所述预处理包信号，并且进行特征提取，所述特征提取具体包括：对所述预处理信号进行节律强度分析、时序分析和波形分析，从所述预处理信号的强度、失序和异常电位发放三个维度提取所述慢性神经疾病的特征值。

6.根据权利要求5所述的一种自学习型慢性神经疾病风险评估与调控装置，其特征在于，所述调控模块包括可调光刺激系统、可调声刺激系统和可调电磁刺激系统。

7.根据权利要求6所述的一种自学习型慢性神经疾病风险评估与调控装置，其特征在于，所述可调光刺激系统包括驱动控制器、可调光源和刺激光路；

所述驱动控制器解码所述光声电磁一体化神经调控参数，获取相应的光刺激的刺激函数，根据该刺激函数得到光源驱动控制信号，所述光源驱动控制信号被传输至所述可调光源，经过所述可调光源调制生成光刺激信号，所述光刺激信号经过所述刺激光路被传输至所述响应脑区；

所述可调光源为LED或者激光器；

所述刺激光路为自由空间光路、导波光路或者表面等离子激元光路。

8.根据权利要求6所述的一种自学习型慢性神经疾病风险评估与调控装置，其特征在于，所述可调声刺激系统包括驱动控制器、扬声器和刺激声路；

所述驱动控制器解码所述光声电磁一体化神经调控参数，获取相应的声刺激的刺激函数，根据该刺激函数得到扬声器驱动控制信号，所述扬声器驱动控制信号被传输至所述扬声器，所述扬声器根据所述扬声器驱动控制信号产生声刺激信号，所述声刺激信号经过所述刺激声路被传输至所述响应脑区；

所述扬声器为基于直接或间接的电致弹性原理的扬声器；

所述刺激声路为自由空间声路或者声阻抗匹配层。

9.根据权利要求6所述的一种自学习型慢性神经疾病风险评估与调控装置，其特征在于，所述可调电磁刺激系统包括驱动控制器和可调电磁刺激器；

所述驱动控制器解码所述光声电磁一体化神经调控参数，获取相应的电磁刺激的刺激函数，根据该刺激函数得到电磁刺激器驱动控制信号，所述电磁刺激器驱动控制信号被传输至所述可调电磁刺激器，所述可调电磁刺激器根据所述电磁刺激器驱动控制信号产生电磁刺激信号，所述电磁刺激信号经过电极或者电磁线圈被传输至响应脑区。

Images