CN113812958A - 一种脑内部刺激与检测系统及方法 - Google Patents
一种脑内部刺激与检测系统及方法 Download PDFInfo
- Publication number
- CN113812958A CN113812958A CN202111109423.3A CN202111109423A CN113812958A CN 113812958 A CN113812958 A CN 113812958A CN 202111109423 A CN202111109423 A CN 202111109423A CN 113812958 A CN113812958 A CN 113812958A
- Authority
- CN
- China
- Prior art keywords
- local field
- brain
- sequence
- field potential
- domain local
- 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.)
- Pending
Links
- 210000004556 brain Anatomy 0.000 title claims abstract description 128
- 230000000638 stimulation Effects 0.000 title claims abstract description 50
- 238000001514 detection method Methods 0.000 title claims abstract description 23
- 238000000034 method Methods 0.000 title abstract description 22
- 230000010354 integration Effects 0.000 claims abstract description 14
- 230000002159 abnormal effect Effects 0.000 claims abstract description 9
- 238000000605 extraction Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 230000009466 transformation Effects 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 abstract description 6
- 208000018737 Parkinson disease Diseases 0.000 description 8
- 230000004936 stimulating effect Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 5
- 230000015654 memory Effects 0.000 description 5
- 230000001575 pathological effect Effects 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 208000024891 symptom Diseases 0.000 description 3
- 238000012512 characterization method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- VYFYYTLLBUKUHU-UHFFFAOYSA-N dopamine Chemical compound NCCC1=CC=C(O)C(O)=C1 VYFYYTLLBUKUHU-UHFFFAOYSA-N 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 210000001905 globus pallidus Anatomy 0.000 description 2
- 238000007917 intracranial administration Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 210000004281 subthalamic nucleus Anatomy 0.000 description 2
- 238000011282 treatment Methods 0.000 description 2
- 206010006100 Bradykinesia Diseases 0.000 description 1
- 208000012661 Dyskinesia Diseases 0.000 description 1
- 208000003098 Ganglion Cysts Diseases 0.000 description 1
- 208000006083 Hypokinesia Diseases 0.000 description 1
- 208000002740 Muscle Rigidity Diseases 0.000 description 1
- 208000012902 Nervous system disease Diseases 0.000 description 1
- 208000025966 Neurological disease Diseases 0.000 description 1
- 208000005400 Synovial Cyst Diseases 0.000 description 1
- 241000135164 Timea Species 0.000 description 1
- 206010044565 Tremor Diseases 0.000 description 1
- 210000002469 basement membrane Anatomy 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000090 biomarker Substances 0.000 description 1
- 210000005013 brain tissue Anatomy 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000009514 concussion Effects 0.000 description 1
- 230000001054 cortical effect Effects 0.000 description 1
- 230000001808 coupling effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 229960003638 dopamine Drugs 0.000 description 1
- 230000004064 dysfunction Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000004770 neurodegeneration Effects 0.000 description 1
- 208000015122 neurodegenerative disease Diseases 0.000 description 1
- 230000004007 neuromodulation Effects 0.000 description 1
- 238000001208 nuclear magnetic resonance pulse sequence Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000001144 postural effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000946 synaptic effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/25—Bioelectric electrodes therefor
- A61B5/279—Bioelectric electrodes therefor specially adapted for particular uses
- A61B5/291—Bioelectric electrodes therefor specially adapted for particular uses for electroencephalography [EEG]
- A61B5/293—Invasive
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
- A61B5/372—Analysis of electroencephalograms
- A61B5/374—Detecting the frequency distribution of signals, e.g. detecting delta, theta, alpha, beta or gamma waves
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
- A61B5/377—Electroencephalography [EEG] using evoked responses
- A61B5/383—Somatosensory stimuli, e.g. electric stimulation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
- A61B5/4082—Diagnosing or monitoring movement diseases, e.g. Parkinson, Huntington or Tourette
-
- 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
- A61B5/7235—Details of waveform analysis
- A61B5/7253—Details of waveform analysis characterised by using transforms
-
- 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
- A61B5/7235—Details of waveform analysis
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Psychiatry (AREA)
- Physiology (AREA)
- Neurology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Signal Processing (AREA)
- Neurosurgery (AREA)
- Psychology (AREA)
- Mathematical Physics (AREA)
- Developmental Disabilities (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明涉及一种脑内部刺激与检测系统及方法,属于脑电数据处理技术领域,解决了现有技术中采集的脑电信号准确性差、实时性差的问题。该系统包括处理器以及电极;电极,用于采集目标脑部位置的脑电信号,并传输至处理器;处理器,用于基于脑电信号获取其中的β频带信号,并对β频带信号依次进行希尔伯特变换、滑窗积分获得脑部观测特征值,以及基于脑部观测特征值判断脑部状态是否正常;若断定脑部状态不正常,处理器,还用于控制电极产生相应的刺激信号作用于目标脑部位置。该系统能够准确采集脑电信号,并基于信号频域特征进行判别,准确度高,且数据处理速度快,实时性优异。
Description
技术领域
本发明涉及脑电数据处理技术领域,尤其涉及一种脑内部刺激与检测系统及方法。
背景技术
帕金森病是一种常见的神经退行性疾病,根据世界卫生组织调查,全世界约有400万名帕金森病患者,其中中国患者人数超过200万。帕金森病的特征是病理性运动症状,包括震颤、僵硬、运动迟缓和姿势不稳定。其中,帕金森病的部分病理症状是由大脑丘脑区的功能障碍而产生的。随着传感器技术的发展,医疗仪器性能逐步智能化,应用于神经疾病的临床手术与治疗中。深度脑刺激技术是通过外科手术将电极植入患者脑内,通过采集颅内脑电数据进行病症的预测和异常信号的识别,并向大脑深部结构释放相应的电脉冲序列以达到治疗目的的技术。
局部场电位技术是一种可靠的脑电信号检测方法,用于显示向皮质输入的整合模拟形态突触信号。震荡按主要频段的范围分类:δ-(1-4Hz)、θ-(4-10Hz)、α-(10-14Hz)、β-(14-36Hz)和γ-(36-100Hz)等。不同频段在大脑记忆和同步神经活动等功能中发挥不同的作用。不同频段的局部场电位间也存在着耦合作用,这影响着帕金森病患者的病理状态。随着局部场电位数据的积累,许多用于闭环神经调控的生物标记物被提出。近期研究表明,基底核的β震荡与帕金森病症状严重程度紧密相关。当多巴胺耗竭时,能量增加;而患者进行运动或是使用深度脑刺激时,能量降低。深度脑刺激技术已被证明是治疗帕金森病等运动障碍疾病的有效方法,针对丘脑底核及苍白球内侧部的深部脑刺激是改善晚期帕金森患者功能表现的有效干预措施。刺激设备通过植入的电极调节某些细胞核的活动,从而破坏皮质基底内的对应波段的病理振荡神经节环。
现有技术中,一方面,通常采用一个电极进行脑电信号的采集,并采用另一个电极产生相应的刺激信号作用于目标脑部位置;此外,现有技术中,只基于采集的脑电信号的时域特征判别脑部状态是否正常;另一方面,通常采用脑电信号β频带的能量谱进行分析判断脑部状态。
现有技术中,至少存在以下缺陷,一是,刺激电极在靶点,信号采集电极在皮层下,两个电极无法同时位于靶点,导致信号采集电极采集到的信号存在较大的噪声和误差,且即使两个电极同时位于靶点,一个电极产生的刺激信号会很大程度干扰另一个电极采集的脑电信号,难以保证采集的脑电信号的准确性;二是,只基于采集的脑电信号的时域特征判别脑部状态是否正常,忽略了脑电信号中的频域特征,降低了脑部状态判别的准确性;三是,采用脑电信号β频带的能量谱进行分析,虽然能够准确判断脑部状态,但是实际应用中无法满足时效性的要求。
发明内容
鉴于上述的分析,本发明实施例旨在提供一种脑内部刺激与检测系统及方法,用以解决现有技术中采集的脑电信号准确性差、实时性差,从而导致脑内部检测结果不准确的问题。
一方面,本发明提供了一种脑内部刺激与检测系统,包括处理器以及电极;
所述电极,用于采集目标脑部位置的脑电信号,并传输至所述处理器;
所述处理器,用于基于所述脑电信号获取其中的β频带信号,并对所述β频带信号依次进行希尔伯特变换、滑窗积分获得脑部观测特征值,以及基于所述脑部观测特征值判断脑部状态是否正常;
若断定所述脑部状态不正常,所述处理器,还用于控制所述电极产生相应的刺激信号作用于目标脑部位置。
进一步的,所述处理器通过导线与电极连接,所述处理器端设置有模拟开关,用于通过选择所述处理器的输出模式控制所述电极的工作模式;
所述模拟开关切换为开时,所述处理器的输出模式为模数转换模式,所述电极的工作模式为读取模式;所述模拟开关切换为关时,所述处理器的输出模式为数模转换模式,所述电极的工作模式为刺激模式。
进一步的,所述处理器具体通过下述方式基于所述脑电信号获取其中的β频带信号:
周期性采样脑电信号获得第一时域局部场电位序列;
以预设时间间隔利用时间抽取法对所述第一时域局部场电位序列进行快速傅里叶变换获得频域局部场电位序列;
对所述频域局部场电位序列进行滤波处理获得β频域局部场电位序列,即所述β频带信号。
进一步的,基于所述脑电信号获取其中的β频带信号,并对所述β频带信号依次进行希尔伯特变换、滑窗积分获得脑部观测特征值的步骤包括:
对所述β频域局部场电位序列进行快速傅里叶逆变换获得第二时域局部场电位序列;
对所述第二时域局部场电位序列进行希尔伯特变换获得移相90°后的第三时域局部场电位序列;
基于所述所述第二时域局部场电位序列和第三时域局部场电位序列构造解析信号,并对所述解析信号取模;
采用预设尺寸的滑窗以预设步长对解析信号的模值进行滑窗内积分获得脑部观测值序列;所述滑窗的宽度与所述预设步长大小相同;
对所述脑部观测值序列进行指数衰减加权平均获得脑部观测特征值。
进一步的,所述利用时间抽取法对所述第一时域局部场电位序列进行快速傅里叶变换获得频域局部场电位序列包括:
利用快速傅里叶变换通过下述公式利用所述第一时域局部场电位序列对频域局部场电位序列进行表示:
利用时间抽取法通过下述公式求解所述频域局部场电位序列:
其中,Dt*(ω)2l表示频域局部场电位序列中序号为2l的局部场电位值,Dt*(ω)2l+1表示频域局部场电位序列中序号为2l+1的局部场电位值。
进一步的,通过下述公式对所述β频域局部场电位序列进行快速傅里叶逆变换获得第二时域局部场电位序列:
对所述第二时域局部场电位序列进行希尔伯特变换获得移相90°后的第三时域局部场电位序列为:
进一步的,基于所述第二时域局部场电位序列和第三时域局部场电位序列构造解析信号为:
对所述解析信号取模为:
其中,Ht表示解析信号。
进一步的,采用预设尺寸的滑窗以预设步长对解析信号的模值通过下述公式进行滑窗内积分获得脑部观测值序列,具体为:
预设时间段内的所有时刻对应的观测值序列依次连接组成脑部观测值序列。
进一步的,若所述处理器计算获得的脑部观测特征值大于等于预设阈值,则所述处理器控制所述电极产生相应的刺激信号作用于目标脑部位置;
若计算获得的脑部观测特征值在时间段[2h,3h]内持续小于预设阈值时,所述处理器控制告警设备发出危险告警。
另一方面,本发明提供了一种脑内部刺激与检测方法,包括;
利用电极采集目标脑部位置的脑电信号;
基于所述脑电信号获取其中的β频带信号,并对所述β频带信号依次进行希尔伯特变换、滑窗积分获得脑部观测特征值,以及基于所述脑部观测特征值判断脑部状态是否正常;
若断定所述脑部状态不正常,控制所述电极产生相应的刺激信号作用于目标脑部位置。
与现有技术相比,本发明至少可实现如下有益效果之一:
1、本发明提出的脑内部刺激与检测系统及方法,首先将一个电极设置于目标脑部位置处,即靶点,通过模拟开关控制电极的工作模式,使同一个电极分时复用进行信号采集和刺激,能够提高信号采集的准确性和以及刺激靶点的准确性,规避了现有技术中采用两个电极分别进行信号采集和靶点刺激导致的采集信号噪声大、误差大以及刺激位置不准确的缺陷。
2、本发明提出的脑内部刺激与检测系统及方法,通过对采集的脑电信号进行时域、频域转换,使用于判断脑部状态的脑部观测特征值包含了脑电信号的时域特征和频域特征,进而能够更准确的判断脑部状态是否正态,规避了现有技术中只基于脑电信号的时域特征进行脑部状态判断的准确性差的问题。
3、本发明提出的脑内部刺激与检测系统及方法,相比于现有技术中的离散傅里叶变换处理方法,通过采用快速傅里叶变换对脑电信号进行处理,提供了更精细的时间分辨率,提高了信号处理的准确性和实时性。此外,通过希尔伯特变换可以防止数据过拟合,因此提供了更准确地的移相后的局部场电位序列,有利于提高脑部状态判断结果的准确性。
本发明中,上述各技术方案之间还可以相互组合,以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述,并且,部分优点可从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书以及附图中所特别指出的内容中来实现和获得。
附图说明
附图仅用于示出具体实施例的目的,而并不认为是对本发明的限制,在整个附图中,相同的参考符号表示相同的部件。
图1为本发明实施例脑内部刺激与检测系统的示意图;
图2为本发明实施例脑内部刺激与检测方法的流程图。
附图标记:
1-处理器;2-导线;3-电极。
具体实施方式
下面结合附图来具体描述本发明的优选实施例,其中,附图构成本申请一部分,并与本发明的实施例一起用于阐释本发明的原理,并非用于限定本发明的范围。
本发明的一个具体实施例,公开了一种脑内部刺激与检测系统。如图1所示,该系统包括处理器1、电极3及导线2。优选的,处理器具体可以为微型芯片,处理器通过导线与电极连接,在实际应用中,处理器、导线及电极设置于脑内部,电极设置于目标脑部位置,示例性,电极可以设置于丘脑底核位置处或者苍白球内侧核位置处。
优选的,电极用于采集目标脑部位置的脑电信号,并通过导线传输至处理器。
处理器,用于基于脑电信号获取其中的β频带信号,并对β频带信号依次进行希尔伯特变换、滑窗积分获得脑部观测特征值,以及基于脑部观测特征值判断脑部状态是否正常。
优选的,该系统还包括外部显示装置和告警设备,外部显示装置及报警装置通过无线通信方式与处理器通信连接,外部显示装置能够显示电极采集的脑部信号以及处理器处理脑电信号获得的脑部观测特征值。此外,若脑部观测特征值大于等于预设阈值时,则断定脑部状态不正常,此时,处理器,还用于控制电极产生相应的刺激信号作用于目标脑部位置;若脑部观测特征值在时间段[2h,3h]内持续小于预设阈值时,处理器控制告警设备发出危险告警,以避免患者处于假阴性状态,而无法及时发现导致发生危险。由于医护人员或者患者对于脑电信号的关注点主要应在信号本身是否出现异常,因此时间久后容易忽略假阴性的情况,虽然在该种状况下颅内脑电信号的表现是正常的,但是实际可能存在误判,因此以这种警告的方式可以提醒医护人员或者患者可能需要在当前时刻结合其他同时刻的传感器信息进行综合分析评判,以降低病症假阴性的情况。
优选的,处理器端设置有模拟开关,用于通过选择处理器的输出模式控制电极的工作模式。具体的,当脑部观测特征值小于预设阈值时,模拟开关切换为开状态,此时,处理器的输出模式为模数转换模式,电极的工作模式为读取模式,即实施采集目标脑部位置的脑电信号;当脑部观测特征值大于等于预设阈值时,模拟开关切换为关状态,此时,处理器的输出模式为数模转换模式,电极的工作模式为刺激模式,即产生相应的刺激信号作用于目标脑部位置。
优选的,该系统还包括存储器,当电极的模式由刺激模式转换为读取模式时,处理器将存储器中近期存储的局部场电位序列进行归零设置,并在一定时长内不进行二次刺激,以避免无效刺激。
优选的,处理器具体通过下述方式基于脑电信号获取其中的β频带信号:
步骤1、周期性采样脑电信号获得第一时域局部场电位序列。优选的,采样周期的取值范围为[4ms,6ms],优选的,采样周期为5ms。考虑到对脑电异常的检测要基于一定时间段内的脑电均异常才能判定脑电异常,因此,对当前时刻的第一时域局部场电位序列进行更新获得预设时间段内多个时刻对应的多个第一时域局部场电位序列,基于多个第一时域局部场电位序列对脑部状态进行判断。示例性的,T-1时刻对应的第一时域局部场电位序列为{d0,d1,...,d(N-1)},更新后,T时刻对应的第一时域局部场电位序列为{d1,d2,...,dN},其中,N表示第一时域局部场电位序列中局部场电位值的数量,N=2n,n表示正整数。
步骤2、考虑到单独的时域特征无法有效表征脑电信号,从而导致脑部状态判断准确率低,因此本方案将脑电信号的频域特征也考虑在内,以更好的表征脑电信号的特征,提高脑部状态判断结果的准确率。具体的,以预设时间间隔利用时间抽取法对第一时域局部场电位序列进行快速傅里叶变换获得频域局部场电位序列。优选的,预设时间间隔为采样周期的a倍,优选的,a的取值范围为[4,6],优选的,a为6。该步骤具体包括:
步骤21、利用快速傅里叶变换通过下述公式利用第一时域局部场电位序列对频域局部场电位序列进行表示:
步骤22、利用时间抽取法通过下述公式利用蝶形算法求解所述频域局部场电位序列:
其中,Dt*(ω)2l表示频域局部场电位序列中序号为2l的局部场电位值,Dt*(ω)2l+1表示频域局部场电位序列中序号为2l+1的局部场电位值。
具体的,N=2n的局部场电位序列共需n级的蝶形运算,为了保证后续滤波频率的精度以及防止散发的复杂度过高,优选的,n的取值范围为[6,9]。优选的,在蝶形运算中,将每一级的运算结果存储在同一组存储器中,并用二进制表示运算的序数,此时的顺序恰好是频域序列码位倒置的顺序,从而能够进行解码获得频域局部场电位序列。
步骤23、对频域局部场电位序列进行滤波处理获得β频域局部场电位序列,即所述β频带信号,具体的表示为:
其中,ωβ-、ωβ+分别表示β频带的下限和上限。
优选的,基于脑电信号获取其中的β频带信号,并对β频带信号依次进行希尔伯特变换、滑窗积分获得脑部观测特征值的步骤包括:
S1、对β频域局部场电位序列进行快速傅里叶逆变换获得第二时域局部场电位序列,具体包括:
通过下述公式对β频域局部场电位序列进行快速傅里叶逆变换获得第二时域局部场电位序列:
S2、对第二时域局部场电位序列进行希尔伯特变换获得移相90°后的第三时域局部场电位序列,具体包括:
S3、基于第二时域局部场电位序列和第三时域局部场电位序列构造解析信号,并对解析信号取模,具体包括,将第二时域局部场电位序列作为解析信号的实部,将移相后的第三时域局部场电位序列作为解析信号的虚部,构造的解析信号为:
对解析信号取模为:
其中,Ht表示解析信号。
S4、采用预设尺寸的滑窗以预设步长对解析信号的模值进行滑窗内积分获得脑部观测值序列。优选的,滑窗的宽度与预设步长大小相同。优选的,滑窗的宽度的和预设步长为该步骤具体包括:为了降低计算复杂度,将解析信号的模值通过滑窗分割成数个长度为a的窗口,并对个窗口的包络取模求和得到各个窗口的积分值,具体公式如下:
预设时间段内的所有时刻对应的观测值序列依次连接组成脑部观测值序列So*(t)。
优选的,由于希尔伯特变换(Hilbert变换)会导致时间序列两端的信号由于不连续而失真,因此本发明通过舍弃两端的窗口并将历史信号对应时间的窗口作为参考值,构建以窗口为单元的脑部观测值序列So*(t)。当前T时刻的各窗口组成的时间序列ST={S1 T,S2 T,...,SN/P T},而上一时刻(T-1)各窗口组成的时间序列ST-1={S1 T-1,S2 T-1,...,SN/P T-1},其中,S(N-a)/P T(即S2 T)和SN/P T-1表征的时间相同,S1 T和SN/P-1 T-1表征的时间相同,但由于T-1和T时刻的希尔伯特变换(Hilbert变换)存在边际效应,SN/P T-1和S1 T的信号存在失真需要舍去,因此对于So*(t)内连续时刻对应的序列连接处应表示为为{...,SN/P-2 T-1,SN/P-1 T-1,S2 T-1,...,SN/P T-1}。
S5、对脑部观测值序列进行指数衰减加权平均获得脑部观测特征值。具体的,通过优化好的神经网络模型模型,通过下述公式计算获得脑部观测特征值:
其中,So表示脑部观测特征值,L表示脑部观测值序列So*(t)的长度,即其中的观测值的数量,ξ表示衰减系数,ξ∈(0,1]。
本发明的另一个实施例,公开了一种脑内部刺激与检测方法。由于该方法实施例与上述系统实施例基于相同的工作原理,重复之处可以参考上述系统实施例,在此不再赘述。
具体的,如图2所示,该方法包括;
S110、利用电极采集目标脑部位置的脑电信号。
S120、基于脑电信号获取其中的β频带信号,并对β频带信号依次进行希尔伯特变换、滑窗积分获得脑部观测特征值,以及基于脑部观测特征值判断脑部状态是否正常。
S130、若断定脑部状态不正常,控制电极产生相应的刺激信号作用于目标脑部位置。
本发明实施例公开的脑内部刺激与检测系统及方法,与现有技术相比,首先,本发明中,将一个电极设置于目标脑部位置处,即靶点,通过模拟开关控制电极的工作模式,使同一个电极分时复用进行信号采集和刺激,能够提高信号采集的准确性和以及刺激靶点的准确性,规避了现有技术中采用两个电极分别进行信号采集和靶点刺激导致的采集信号噪声大、误差大以及刺激位置不准确的缺陷。其次,本发明提出的脑内部刺激与检测系统及方法,通过对采集的脑电信号进行时域、频域转换,使用于判断脑部状态的脑部观测特征值包含了脑电信号的时域特征和频域特征,进而能够更准确的判断脑部状态是否正态,规避了现有技术中只基于脑电信号的时域特征进行脑部状态判断的准确性差的问题。最后,本发明提出的脑内部刺激与检测系统及方法,相比于现有技术中的离散傅里叶变换处理方法,通过采用快速傅里叶变换对脑电信号进行处理,提供了更精细的时间分辨率,提高了信号处理的准确性和实时性。此外,通过希尔伯特变换可以防止数据过拟合,因此提供了更准确地的移相后的局部场电位序列,有利于提高脑部状态判断结果的准确性。
本领域技术人员可以理解,实现上述实施例方法的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于计算机可读存储介质中。其中,所述计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种脑内部刺激与检测系统,其特征在于,包括处理器以及电极;
所述电极,用于采集目标脑部位置的脑电信号,并传输至所述处理器;
所述处理器,用于基于所述脑电信号获取其中的β频带信号,并对所述β频带信号依次进行希尔伯特变换、滑窗积分获得脑部观测特征值,以及基于所述脑部观测特征值判断脑部状态是否正常;
若断定所述脑部状态不正常,所述处理器,还用于控制所述电极产生相应的刺激信号作用于目标脑部位置。
2.根据权利要求1所述的脑内部刺激与检测系统,其特征在于,所述处理器通过导线与电极连接,所述处理器端设置有模拟开关,用于通过选择所述处理器的输出模式控制所述电极的工作模式;
所述模拟开关切换为开时,所述处理器的输出模式为模数转换模式,所述电极的工作模式为读取模式;所述模拟开关切换为关时,所述处理器的输出模式为数模转换模式,所述电极的工作模式为刺激模式。
3.根据权利要求1或2所述的脑内部刺激与检测系统,其特征在于,所述处理器具体通过下述方式基于所述脑电信号获取其中的β频带信号:
周期性采样脑电信号获得第一时域局部场电位序列;
以预设时间间隔利用时间抽取法对所述第一时域局部场电位序列进行快速傅里叶变换获得频域局部场电位序列;
对所述频域局部场电位序列进行滤波处理获得β频域局部场电位序列,即所述β频带信号。
4.根据权利要求3所述的脑内部刺激与检测系统,其特征在于,基于所述脑电信号获取其中的β频带信号,并对所述β频带信号依次进行希尔伯特变换、滑窗积分获得脑部观测特征值的步骤包括:
对所述β频域局部场电位序列进行快速傅里叶逆变换获得第二时域局部场电位序列;
对所述第二时域局部场电位序列进行希尔伯特变换获得移相90°后的第三时域局部场电位序列;
基于所述第二时域局部场电位序列和第三时域局部场电位序列构造解析信号,并对所述解析信号取模;
采用预设尺寸的滑窗以预设步长对解析信号的模值进行滑窗内积分获得脑部观测值序列;所述滑窗的宽度与所述预设步长大小相同;
对所述脑部观测值序列进行指数衰减加权平均获得脑部观测特征值。
5.根据权利要求3所述的脑内部刺激与检测系统,其特征在于,所述利用时间抽取法对所述第一时域局部场电位序列进行快速傅里叶变换获得频域局部场电位序列包括:
利用快速傅里叶变换通过下述公式利用所述第一时域局部场电位序列对频域局部场电位序列进行表示:
利用时间抽取法通过下述公式求解所述频域局部场电位序列:
其中,Dt*(ω)2l表示频域局部场电位序列中序号为2l的局部场电位值,Dt*(ω)2l+1表示频域局部场电位序列中序号为2l+1的局部场电位值。
9.据权利要求7所述的脑内部刺激与检测系统,其特征在于,若所述处理器计算获得的脑部观测特征值大于等于预设阈值,则所述处理器控制所述电极产生相应的刺激信号作用于目标脑部位置;
若计算获得的脑部观测特征值在时间段[2h,3h]内持续小于预设阈值时,所述处理器控制告警设备发出危险告警。
10.一种脑内部刺激与检测方法,其特征在于,包括;
利用电极采集目标脑部位置的脑电信号;
基于所述脑电信号获取其中的β频带信号,并对所述β频带信号依次进行希尔伯特变换、滑窗积分获得脑部观测特征值,以及基于所述脑部观测特征值判断脑部状态是否正常;
若断定所述脑部状态不正常,控制所述电极产生相应的刺激信号作用于目标脑部位置。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111109423.3A CN113812958A (zh) | 2021-09-22 | 2021-09-22 | 一种脑内部刺激与检测系统及方法 |
PCT/CN2022/120476 WO2023046002A1 (zh) | 2021-09-22 | 2022-09-22 | 一种脑内部刺激与检测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111109423.3A CN113812958A (zh) | 2021-09-22 | 2021-09-22 | 一种脑内部刺激与检测系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113812958A true CN113812958A (zh) | 2021-12-21 |
Family
ID=78920872
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111109423.3A Pending CN113812958A (zh) | 2021-09-22 | 2021-09-22 | 一种脑内部刺激与检测系统及方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113812958A (zh) |
WO (1) | WO2023046002A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114403899A (zh) * | 2022-02-08 | 2022-04-29 | 浙江浙大西投脑机智能科技有限公司 | 一种大脑神经元锋电位与局部场电位结合的抑郁检测方法 |
WO2023046002A1 (zh) * | 2021-09-22 | 2023-03-30 | 杭州诺为医疗技术有限公司 | 一种脑内部刺激与检测系统及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020188330A1 (en) * | 2001-04-27 | 2002-12-12 | Gielen Frans L. H. | Closed loop neuromodulation for suppression of epileptic activity |
CN106512206A (zh) * | 2016-11-04 | 2017-03-22 | 清华大学 | 植入式闭环脑深部刺激系统 |
CN108921052A (zh) * | 2018-06-15 | 2018-11-30 | 郑州大学 | 基于局部场电位幅值特征的字符图像朴素贝叶斯重建方法 |
US20190117980A1 (en) * | 2016-03-31 | 2019-04-25 | Universite De Rennes 1 | Brain tissue stimulation method, apparatus and computer program |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10583294B2 (en) * | 2015-07-02 | 2020-03-10 | Dirk De Ridder | Methods and apparatus for sensing cross-frequency coupling and neuromodulation |
US20190321638A1 (en) * | 2015-11-18 | 2019-10-24 | David J. Mogul | Method and apparatus for preventing or terminating epileptic seizures |
CN107029351B (zh) * | 2017-04-14 | 2021-01-15 | 重庆邮电大学 | 用于全局lfp帕金森症特征值提取的系统及方法 |
CN109011148B (zh) * | 2018-08-29 | 2021-12-28 | 复旦大学 | 具有智能自适应功能的便携式闭环脑深部刺激器系统 |
CN112774036A (zh) * | 2021-02-05 | 2021-05-11 | 杭州诺为医疗技术有限公司 | 植入式闭环系统多通道的电信号处理方法和装置 |
CN113812958A (zh) * | 2021-09-22 | 2021-12-21 | 杭州诺为医疗技术有限公司 | 一种脑内部刺激与检测系统及方法 |
CN114832235A (zh) * | 2022-07-01 | 2022-08-02 | 北京市神经外科研究所 | 一种针对帕金森病步态障碍的多位点闭环刺激系统和方法 |
-
2021
- 2021-09-22 CN CN202111109423.3A patent/CN113812958A/zh active Pending
-
2022
- 2022-09-22 WO PCT/CN2022/120476 patent/WO2023046002A1/zh unknown
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020188330A1 (en) * | 2001-04-27 | 2002-12-12 | Gielen Frans L. H. | Closed loop neuromodulation for suppression of epileptic activity |
US20190117980A1 (en) * | 2016-03-31 | 2019-04-25 | Universite De Rennes 1 | Brain tissue stimulation method, apparatus and computer program |
CN106512206A (zh) * | 2016-11-04 | 2017-03-22 | 清华大学 | 植入式闭环脑深部刺激系统 |
CN108921052A (zh) * | 2018-06-15 | 2018-11-30 | 郑州大学 | 基于局部场电位幅值特征的字符图像朴素贝叶斯重建方法 |
Non-Patent Citations (2)
Title |
---|
张坤等: "帕金森病丘脑底核场电位信号特征检测", 《航天医学与医学工程》, vol. 30, no. 3, pages 208 - 213 * |
张坤等: "帕金森病丘脑底核场电位信号特征检测", 航天医学与医学工程, no. 03, pages 208 - 213 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023046002A1 (zh) * | 2021-09-22 | 2023-03-30 | 杭州诺为医疗技术有限公司 | 一种脑内部刺激与检测系统及方法 |
CN114403899A (zh) * | 2022-02-08 | 2022-04-29 | 浙江浙大西投脑机智能科技有限公司 | 一种大脑神经元锋电位与局部场电位结合的抑郁检测方法 |
CN114403899B (zh) * | 2022-02-08 | 2023-07-25 | 浙江浙大西投脑机智能科技有限公司 | 一种大脑神经元锋电位与局部场电位结合的抑郁检测装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2023046002A1 (zh) | 2023-03-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11419533B2 (en) | Bladder event detection for diagnosis of urinary incontinence or treatment of lower urinary tract dysfunction | |
Camara et al. | Resting tremor classification and detection in Parkinson's disease patients | |
CN113812958A (zh) | 一种脑内部刺激与检测系统及方法 | |
US20070249953A1 (en) | Method and apparatus for detection of nervous system disorders | |
US20100280574A1 (en) | Patient state detection based on support vector machine based algorithm | |
CN112861625B (zh) | 一种堆叠去噪自编码器模型确定方法 | |
O'Leary et al. | 26.2 A neuromorphic multiplier-less bit-serial weight-memory-optimized 1024-tree brain-state classifier and neuromodulation SoC with an 8-channel noise-shaping SAR ADC array | |
El-Gindy et al. | Efficient communication and EEG signal classification in wavelet domain for epilepsy patients | |
Angrisani et al. | Instrumentation and measurements for non-invasive EEG-based brain-computer interface | |
Andres et al. | Finite dimensional structure of the GPI discharge in patients with Parkinson's disease | |
Munavalli et al. | Introduction to Brain–Computer Interface: Applications and Challenges | |
Fischer et al. | Visual epidural field potentials possess high functional specificity in single trials | |
Chandel et al. | Patient specific seizure onset-offset latency detection using long-term EEG signals | |
Tiwary et al. | Time-frequency representations for EEG artifact classification with CNNs | |
Rabbani et al. | Detection of Different Brain Diseases from EEG Signals Using Hidden Markov Model | |
CN116992262A (zh) | 一种认知水平评估模型计算方法及装置 | |
CN115154837B (zh) | 一种助眠设备的控制方法、装置、终端以及存储介质 | |
US20220395217A1 (en) | Systems and methods for seizure detection | |
Amalia et al. | Identification Post-Stroke of Motor Imagery and Asynchrony of Channel Pairs using Multiple RNN | |
Kim et al. | Online Epileptic Seizure Detection: Statistical Signal Processing Based on Multichannel Electroencephalogram Sensors | |
Ma et al. | An improved SSVEP Feature Extraction Algorithm Based on Multi-channel Wavelet Packet Coefficients and a Bayes Classifier | |
van Weenen | Smart Wearables in Healthcare | |
Sbandati et al. | Tone Stimulus Detection For Rats Using RRAM-Based Local Field Potential Monitoring | |
Qiuyue et al. | EEG Signal Processing Based on Incremental Sparse Nonnegative Matrix | |
İşcan | Comparison of Deep Learning and Traditional Machine Learning Classification Performance in a SSVEP Based Brain Computer Interface |
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 |