CN114027976A - 侵入式神经电生理导航系统和方法 - Google Patents
侵入式神经电生理导航系统和方法 Download PDFInfo
- Publication number
- CN114027976A CN114027976A CN202111356466.1A CN202111356466A CN114027976A CN 114027976 A CN114027976 A CN 114027976A CN 202111356466 A CN202111356466 A CN 202111356466A CN 114027976 A CN114027976 A CN 114027976A
- Authority
- CN
- China
- Prior art keywords
- neuroelectrophysiological
- invasive
- signal
- nerve
- computer
- 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
- 238000000034 method Methods 0.000 title claims abstract description 23
- 210000002569 neuron Anatomy 0.000 claims abstract description 27
- 238000012545 processing Methods 0.000 claims abstract description 22
- 230000005540 biological transmission Effects 0.000 claims abstract description 18
- 238000006243 chemical reaction Methods 0.000 claims abstract description 12
- 238000004088 simulation Methods 0.000 claims abstract description 8
- 238000004891 communication Methods 0.000 claims abstract description 7
- 230000008569 process Effects 0.000 claims abstract description 5
- 238000007405 data analysis Methods 0.000 claims abstract description 4
- 210000005036 nerve Anatomy 0.000 claims description 51
- 239000011159 matrix material Substances 0.000 claims description 45
- 238000005070 sampling Methods 0.000 claims description 18
- 230000001537 neural effect Effects 0.000 claims description 12
- 230000003321 amplification Effects 0.000 claims description 11
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 11
- 108010076504 Protein Sorting Signals Proteins 0.000 claims description 6
- 230000006835 compression Effects 0.000 claims description 6
- 238000007906 compression Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000010354 integration Effects 0.000 claims description 2
- 230000000638 stimulation Effects 0.000 description 5
- 238000001356 surgical procedure Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005481 NMR spectroscopy Methods 0.000 description 1
- 230000036982 action potential Effects 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002001 electrophysiology Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 210000002856 peripheral neuron Anatomy 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/20—Surgical navigation systems; Devices for tracking or guiding surgical instruments, e.g. for frameless stereotaxis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
- A61B2034/107—Visualisation of planned trajectories or target regions
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/10—Computer-aided planning, simulation or modelling of surgical operations
- A61B2034/108—Computer aided selection or customisation of medical implants or cutting guides
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B34/00—Computer-aided surgery; Manipulators or robots specially adapted for use in surgery
- A61B34/20—Surgical navigation systems; Devices for tracking or guiding surgical instruments, e.g. for frameless stereotaxis
- A61B2034/2046—Tracking techniques
- A61B2034/2065—Tracking using image or pattern recognition
Landscapes
- Health & Medical Sciences (AREA)
- Surgery (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Robotics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明提供了一种侵入式神经电生理导航系统和方法,包括:模拟前端、主机和电脑;所述模拟前端与主机通过通信连接,所述主机与所述电脑通过USB或以太网或无线WIFI连接;所述模拟前端完成小信号处理及A/D转换;所述主机完成数据的采集和传输;所述电脑进行数据分析处理,并将数据分析结果进行图形化显示。本发明通过采用侵入式电极的方式,解决了非侵入式电极信号弱,电极与神经元间距大定位误差大和接触不良的问题,增强了神经元信号采集的可靠性。
Description
技术领域
本发明涉及导航技术领域,具体地,涉及一种侵入式神经电生理导航系统和方法。
背景技术
神经导航系统中的基础图像可以与其他影像学图像(如功能核磁共振、脑磁图等)以及电生理实验结果(如脑皮层功能区电刺激定位图,cortical mapping by electricalstimulation)相融合,这样使神经导航不仅能充分辅助手术入路设计,还可以减少或避免术中对功能区的损伤,降低手术并发症。
脑皮层功能区电刺激定位图的准确与否对神经导航的定位精度有较大的影响。而传统的电刺激定位图采集信号时是采用非侵入式方式(发明申请号:202011504403.1)。该方法容易出现电极与人体神经元外表接触不良的问题,同时由于非侵入式的EEG信号采集系统是与皮肤接触,导致与神经元的距离较远,容易受到周围其他神经元的干扰和因为距离神经元远信号弱的问题。由于采集到的神经电生理信号较弱,在信号进行A/D转换前,需进行高倍的信号放大,这容易导致信号失真,从而导致脑皮层功能区电刺激定位图误差加大,进而影响神经导航仪的精度,也会影响医生在手术过程中的判断。
专利文献CN105232154A(申请号:CN201510639289.6)公开了一种智能脊柱数字化手术装置,包括手术前应用系统、实物加工系统、手术中应用系统,所述手术前应用系统包括脊柱手术仿真系统,所述手术中应用系统包括脊柱手术导航系统、脊柱手术监测系统、脊柱手术机器人系统,所述脊柱手术监测系统包括神经电生理监测系统、超声监测系统。然而该专利由于非侵入式电极采集到的信号较弱,导致其在采集时需要使用两组以上电极才能完成数据采集。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种侵入式神经电生理导航系统和方法。
根据本发明提供的侵入式神经电生理导航系统,包括:模拟前端、主机和电脑;所述模拟前端与主机通过通信连接,所述主机与所述电脑通过USB或以太网或无线WIFI连接;
所述模拟前端完成小信号处理及A/D转换;
所述主机完成数据的采集和传输;
所述电脑进行数据分析处理,并将数据分析结果进行图形化显示。
优选的,所述模拟前端包括:
神经电极:采集待测区域的信号;
模拟放大器:对采集的信号进行模拟放大处理;
A/D转化器:对模拟放大处理后的信号进行AD转换。
优选的,所述主机包括:
数据采集模块:将来自模拟前端的数据进行整合,并加上自定义的内部传输协议;
通信模块:把添加了自定义传输协议的数据包通过通用的标准协议传输到电脑进行分析处理。
优选的,所述电脑提取神经电生理信号的特征值,并结合神经解剖学,计算出神经电极与对应神经元的相对位置,并将神经电极与对应神经元的相对位置进行图形化处理,通过显示器进行展示,达到导航的目的。
根据本发明提供的侵入式神经电生理导航方法,执行:
步骤1:将一组或多组神经电极植入患者体内待测区域进行信号采集;
步骤2:将采集到的信号进行模拟放大处理;
步骤3:把模拟放大处理后的信号进行AD转换;
步骤4:将AD转换后的信号进行数据整合,并加上自定义的内部传输协议,以增强数据传输的安全性和保密性;
步骤5:对添加了自定义传输协议的数据包进行分析处理;
步骤6:通过提取神经电生理信号的特征值,并结合神经解剖学,计算出神经电极与对应神经元的相对位置;
步骤7:把计算出的神经电极与对应神经元的相对位置,通过图形化的方式进行展示,达到导航的目的。
优选的,提取神经电生理信号的特征值的过程包括:
步骤A:从神经Spike信号序列g(t)中提取一个神经Spike信号f(t),其信号长度为n;
步骤B:对神经Spike信号f(t)进行K-L变换,获得K-L域中的由n个K-L基组成的特征矩阵Ψ,提取神经Spike信号f(t)在该n个K-L基下的K-L系数c;
步骤C:将随机产生的m*n维正负一观测矩阵与特征矩阵Ψ相乘,构建稀疏观测矩阵A,由稀疏观测矩阵A和K-L系数c相乘获得神经Spike信号f(t)的采样向量y;
步骤D:输入稀疏观测矩阵A和神经Spike信号f(t)的采样向量y,对神经Spike信号f(t)进行压缩采样,获得其压缩采样后的稀疏K-L系数x;
步骤E:将特征矩阵Ψ与压缩采样后的稀疏K-L系数x相乘,得到压缩感知重建后的神经Spike信号:f(t)=Ψ*x。
优选的,所述步骤B包括:
步骤B1:取神经Spike信号序列g(t)中除神经Spike信号f(t)外的任意一个神经Spike信号f1(t),对两个神经Spike信号求其互协方差矩阵Cx:
Cx=covariance(f(t),f1(t))
步骤B2:计算互协方差矩阵Cx的特征向量ψ1,ψ2,...,ψn,并将其作为K-L域中的K-L基,将这些特征向量组成特征矩阵Ψ:
Ψ=(ψ1,ψ2,...,ψn)。
优选的,所述步骤C包括:
步骤C1:随机产生一个m*n维正负一观测矩阵Φ,其中,m是采样向量的行数,n是神经Spike信号f(t)的长度;
步骤C2:将所述正负一观测矩阵Φ与特征矩阵Ψ相乘,构建新的稀疏观测矩阵A:
A=Φ×Ψ
步骤C3:由稀疏观测矩阵A和K-L系数相乘获得神经Spike信号f(t)的采样向量y:
y=A×c。
优选的,所述步骤D包括:
步骤D1:设置稀疏K-L系数x的初始值x(0)=0,则有:
x(k+1)=sgn(x(k)+AH(y-Ax(k)))*(abs(x(k)+AH(y-Ax(k)))-λ)
其中,k为序列号,λ为设置的阈值,sgn()为符号函数;abc()为绝对值函数;H()为系统函数;
步骤D2:计算误差函数error=||x(k+1)-x(k)||,如果error≤δ,终止迭代,得到稀疏K-L系数为x=x(k+1);如果error>δ,令x=x(k+1),重新执行步骤D1,其中,δ为设定的误差值。
优选的,所述设定的误差值δ的取值介于10-6和10-4之间。
与现有技术相比,本发明具有如下的有益效果:
(1)通过采用侵入式电极的方式,解决了非侵入式电极信号弱,电极与神经元间距大定位误差大和接触不良的问题,增强了神经元信号采集的可靠性;
(2)通过采用软件信号算法,提取神经元电生理信号特征并结合神经解剖学,实现了神经导航的功能,解决了以前导航误差大的问题;
(3)通过采用实时的图形化的方式显示电极与神经元的相互位置关系,解决了传统神经导航设备需医生不断重新注册才能获取相对准确的电极与病灶相对位置的问题;
(4)使用本发明的方法进行神经电生理数据采集时只需要一组电极即可,减少了工作量、缩短了检测时间,为手术赢得更多时间,减小了手术风险。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为本发明系统结构示意图;其中,1为模拟前端,2为主机,3为电脑;
图2为同一神经元在距离表现出来的信号差异及强弱示意图;
图3a和图3b均为神经元动作电位图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变化和改进。这些都属于本发明的保护范围。
实施例:
如图1,根据本发明提供的一种侵入式神经电生理导航系统,包括模拟前端、主机和电脑;所述模拟前端与主机通过通信连接,所述主机与所述电脑通过USB或以太网或无线WIFI连接。
所述模拟前端包括侵入式电极、模拟放大器、A/D转化器;所述主机包括数据采集模块、通信模块、数据存储模块和电源。
所述模拟前端完成小信号处理及A/D转换;所述主机完成数据的采集及传输,所述电脑完成数据的分析处理及图形化的显示。
所述主机接收模拟前端的神经元数据,对数据进行整合后加上私有协议并进行传输;所述电脑分析所述模拟前端采集的神经元信号,提取其信号特征,判断神经电极所处的位置。
本发明的目的通过如下的技术方案来实现:
⑴将一组或多组神经电极植入患者体内待测区域进行信号采集;
⑵将采集到的信号进行模拟放大处理;
⑶把模拟放大处理后的信号进行AD转换;
⑷把AD转换后的信号传输到数据采集;
⑸数据采集模块把收到的数据进行整合,并加上自定义的内部传输协议,以增强数据传输的安全性和保密性;
⑹主机的传输模块把添加了自定义传输协议的数据包通过USB、以太网或wifi等通用的标准协议传输到上层软件数据处理模块进行分析处理;
⑺软件数据处理模块通过提取神经电生理信号的特征值,并结合神经解剖学,即可判断出所述神经电极与所述神经元的相对位置;
⑻把计算出的神经电极与对应神经元的相对位置,通过图形化的方式向医生展示,以协助医生进行手术,达到导航的目的。
软件数据处理模块提取神经电生理信号特征值的方法:
步骤A,从神经Spike信号序列g(t)中提取一个神经Spike信号f(t),其信号长度为n;
步骤B,对神经Spike信号f(t)进行K-L变换,获得由K-L域中的由n个K-L基组成的特征矩阵Ψ,提取神经Spike信号f(t)在该n个K-L基下的系数,即K-L系数c;
步骤C,将随机产生的一m×n维正负一观测矩阵与所述特征矩阵Ψ相乘,构建稀疏观测矩阵A,由所述稀疏观测矩阵A和K-L系数c相乘获得神经Spike信号f(t)的采样向量y;
步骤D,输入所述稀疏观测矩阵A和神经Spike信号f(t)的采样向量y,对神经Spike信号f(t)进行压缩采样,获得其压缩采样后的稀疏K-L系数x;
步骤E,将所述特征矩阵Ψ与压缩采样后的稀疏K-L系数x相乘,得到压缩感知重建后的一个神经Spike信号:f(t)=Ψ*x;
其中步骤B包括:
子步骤B1,取神经Spike信号序列g(t)中除所述神经Spike信号f(t)外的任意一个神经Spike信号f1(t),对两个神经Spike信号求其互协方差矩阵Cx:
Cx=covariance(f(t),f1(t))
子步骤B2,计算互协方差矩阵Cx的特征向量ψ1,ψ2,...,ψn作为K-L域中的K-L基,这些特征向量组成的特征矩阵Ψ,其中:
Ψ=(ψ1,ψ2,...,ψn)
其中步骤C包括:
子步骤C1,随机产生一个m×n维正负一观测矩阵Φ,其中,m是采样向量的行数,n是神经Spike信号f(t)的长度;
子步骤C2:将所述正负一观测矩阵Φ与特征矩阵Ψ相乘,构建新的稀疏观测矩阵A:
A=Φ×Ψ
子步骤C3:由稀疏观测矩阵A和K-L系数相乘获得神经Spike信号f(t)的采样向量y:
y=A×c
其中步骤D包括:
子步骤D1:设置稀疏K-L系数x的初始值x(0)=0;
子步骤D2:设置:
x(k+1)=sgn(x(k)+AH(y-Ax(k)))*(abs(x(k)+AH(y-Ax(k)))-λ)
其中,λ为设置的阈值,sgn()为符号函数;
子步骤D3:计算误差函数error=||x(k+1)-x(k)||,如果error≤δ,终止迭代,得到稀疏K-L系数为x=x(k+1),如果error>δ,令x=x(k+1),重新执行子步骤D2,其中,δ为设定的误差值。
所述δ的取值介于10-6和10-4之间。
同一神经元,在距离它不同的距离测量时,表现出来的信号差异及强弱如图2所示。
通过计算提取到的2类不同神经元特征值,如图3a和图3b所示。
所以,通过提取得信号特征值及信号强弱,再结合神经解剖结构,即可判断出电极所处的神经元位置。
在本申请的描述中,需要理解的是,术语“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。
本领域技术人员知道,除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外,完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以,本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件,而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构;也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。
Claims (10)
1.一种侵入式神经电生理导航系统,其特征在于,包括:模拟前端、主机和电脑;所述模拟前端与主机通过通信连接,所述主机与所述电脑通过USB或以太网或无线WIFI连接;
所述模拟前端完成小信号处理及A/D转换;
所述主机完成数据的采集和传输;
所述电脑进行数据分析处理,并将数据分析结果进行图形化显示。
2.根据权利要求1所述的侵入式神经电生理导航系统,其特征在于,所述模拟前端包括:
神经电极:采集待测区域的信号;
模拟放大器:对采集的信号进行模拟放大处理;
A/D转化器:对模拟放大处理后的信号进行AD转换。
3.根据权利要求2所述的侵入式神经电生理导航系统,其特征在于,所述主机包括:
数据采集模块:将来自模拟前端的数据进行整合,并加上自定义的内部传输协议;
通信模块:把添加了自定义传输协议的数据包通过通用的标准协议传输到电脑进行分析处理。
4.根据权利要求3所述的侵入式神经电生理导航系统,其特征在于,所述电脑提取神经电生理信号的特征值,并结合神经解剖学,计算出神经电极与对应神经元的相对位置,并将神经电极与对应神经元的相对位置进行图形化处理,通过显示器进行展示,达到导航的目的。
5.一种侵入式神经电生理导航方法,其特征在于,采用权利要求1-4中任一项所述的侵入式神经电生理导航系统,执行:
步骤1:将一组或多组神经电极植入患者体内待测区域进行信号采集;
步骤2:将采集到的信号进行模拟放大处理;
步骤3:把模拟放大处理后的信号进行AD转换;
步骤4:将AD转换后的信号进行数据整合,并加上自定义的内部传输协议,以增强数据传输的安全性和保密性;
步骤5:对添加了自定义传输协议的数据包进行分析处理;
步骤6:通过提取神经电生理信号的特征值,并结合神经解剖学,计算出神经电极与对应神经元的相对位置;
步骤7:把计算出的神经电极与对应神经元的相对位置,通过图形化的方式进行展示,达到导航的目的。
6.根据权利要求5所述的侵入式神经电生理导航方法,其特征在于,提取神经电生理信号的特征值的过程包括:
步骤A:从神经Spike信号序列g(t)中提取一个神经Spike信号f(t),其信号长度为n;
步骤B:对神经Spike信号f(t)进行K-L变换,获得K-L域中的由n个K-L基组成的特征矩阵Ψ,提取神经Spike信号f(t)在该n个K-L基下的K-L系数c;
步骤C:将随机产生的m*n维正负一观测矩阵与特征矩阵Ψ相乘,构建稀疏观测矩阵A,由稀疏观测矩阵A和K-L系数c相乘获得神经Spike信号f(t)的采样向量y;
步骤D:输入稀疏观测矩阵A和神经Spike信号f(t)的采样向量y,对神经Spike信号f(t)进行压缩采样,获得其压缩采样后的稀疏K-L系数x;
步骤E:将特征矩阵Ψ与压缩采样后的稀疏K-L系数x相乘,得到压缩感知重建后的神经Spike信号:f(t)=Ψ*x。
7.根据权利要求6所述的侵入式神经电生理导航方法,其特征在于,所述步骤B包括:
步骤B1:取神经Spike信号序列g(t)中除神经Spike信号f(t)外的任意一个神经Spike信号f1(t),对两个神经Spike信号求其互协方差矩阵Cx:
Cx=covariance(f(t),f1(t))
步骤B2:计算互协方差矩阵Cx的特征向量ψ1,ψ2,...,ψn,并将其作为K-L域中的K-L基,将这些特征向量组成特征矩阵Ψ:
Ψ=(ψ1,ψ2,...,ψn)。
8.根据权利要求6所述的侵入式神经电生理导航方法,其特征在于,所述步骤C包括:
步骤C1:随机产生一个m*n维正负一观测矩阵Φ,其中,m是采样向量的行数,n是神经Spike信号f(t)的长度;
步骤C2:将所述正负一观测矩阵Φ与特征矩阵Ψ相乘,构建新的稀疏观测矩阵A:
A=Φ×Ψ
步骤C3:由稀疏观测矩阵A和K-L系数相乘获得神经Spike信号f(t)的采样向量y:
y=A×c。
9.根据权利要求6所述的侵入式神经电生理导航方法,其特征在于,所述步骤D包括:
步骤D1:设置稀疏K-L系数x的初始值x(0)=0,则有:
x(k+1)=sgn(x(k)+AH(y-Ax(k)))*(abs(x(k)+AH(y-Ax(k)))-λ)
其中,k为序列号,λ为设置的阈值,sgn()为符号函数;abc()为绝对值函数;H()为系统函数;
步骤D2:计算误差函数error=||x(k+1)-x(k)||,如果error≤δ,终止迭代,得到稀疏K-L系数为x=x(k+1);如果error>δ,令x=x(k+1),重新执行步骤D1,其中,δ为设定的误差值。
10.根据权利要求9所述的侵入式神经电生理导航方法,其特征在于,所述设定的误差值δ的取值介于10-6和10-4之间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111356466.1A CN114027976A (zh) | 2021-11-16 | 2021-11-16 | 侵入式神经电生理导航系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111356466.1A CN114027976A (zh) | 2021-11-16 | 2021-11-16 | 侵入式神经电生理导航系统和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114027976A true CN114027976A (zh) | 2022-02-11 |
Family
ID=80144579
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111356466.1A Pending CN114027976A (zh) | 2021-11-16 | 2021-11-16 | 侵入式神经电生理导航系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114027976A (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102512162A (zh) * | 2011-12-20 | 2012-06-27 | 华南理工大学 | 基于多模式脑电小波分析的术中运动区功能定位系统 |
CN103632195A (zh) * | 2013-09-16 | 2014-03-12 | 中国科学院电子学研究所 | 利用压缩感知算法处理神经Spike信号的方法 |
CN107193240A (zh) * | 2017-07-13 | 2017-09-22 | 江苏易格生物科技有限公司 | 一种高通量生理信号采集分析装置 |
CN107970031A (zh) * | 2017-07-24 | 2018-05-01 | 江苏博恩医疗科技有限公司 | 一种高通量多通道电生理信号记录与刺激系统 |
CN109303556A (zh) * | 2018-08-28 | 2019-02-05 | 中国人民解放军军事科学院军事医学研究院 | 一种高通量植入式神经信号无线传输装置 |
CN110811594A (zh) * | 2019-11-22 | 2020-02-21 | 中国科学院电子学研究所 | 无线穿戴式神经信号检测装置及系统 |
CN112022101A (zh) * | 2020-09-23 | 2020-12-04 | 中国科学院自动化研究所 | 基于人体媒介信息与能量传输的植入式脑机接口 |
CN112353403A (zh) * | 2020-10-10 | 2021-02-12 | 北京宁矩科技有限公司 | 侵入式神经信号采集装置及方法 |
-
2021
- 2021-11-16 CN CN202111356466.1A patent/CN114027976A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102512162A (zh) * | 2011-12-20 | 2012-06-27 | 华南理工大学 | 基于多模式脑电小波分析的术中运动区功能定位系统 |
CN103632195A (zh) * | 2013-09-16 | 2014-03-12 | 中国科学院电子学研究所 | 利用压缩感知算法处理神经Spike信号的方法 |
CN107193240A (zh) * | 2017-07-13 | 2017-09-22 | 江苏易格生物科技有限公司 | 一种高通量生理信号采集分析装置 |
CN107970031A (zh) * | 2017-07-24 | 2018-05-01 | 江苏博恩医疗科技有限公司 | 一种高通量多通道电生理信号记录与刺激系统 |
CN109303556A (zh) * | 2018-08-28 | 2019-02-05 | 中国人民解放军军事科学院军事医学研究院 | 一种高通量植入式神经信号无线传输装置 |
CN110811594A (zh) * | 2019-11-22 | 2020-02-21 | 中国科学院电子学研究所 | 无线穿戴式神经信号检测装置及系统 |
CN112022101A (zh) * | 2020-09-23 | 2020-12-04 | 中国科学院自动化研究所 | 基于人体媒介信息与能量传输的植入式脑机接口 |
CN112353403A (zh) * | 2020-10-10 | 2021-02-12 | 北京宁矩科技有限公司 | 侵入式神经信号采集装置及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110876626B (zh) | 基于多导联脑电最优导联选择的抑郁检测系统 | |
US8553956B2 (en) | 3D current reconstruction from 2D dense MCG images | |
CN109965869B (zh) | 基于脑源域空间的mi-eeg识别方法 | |
CN114052668B (zh) | 一种基于脑磁图数据的脑功能分析方法 | |
CN107530015B (zh) | 一种生命体征分析方法与系统 | |
CN102525454A (zh) | 基于电阻抗测量来确定生理参数的系统和方法 | |
Comani et al. | Independent component analysis: fetal signal reconstruction from magnetocardiographic recordings | |
Huang et al. | Electrical signal measurement in plants using blind source separation with independent component analysis | |
CN112890827A (zh) | 一种基于图卷积和门控循环单元的脑电识别方法及系统 | |
US11375939B2 (en) | Biosignal acquisition method and algorithms for wearable devices | |
CN114027976A (zh) | 侵入式神经电生理导航系统和方法 | |
Irimia et al. | Artifact reduction in magnetogastrography using fast independent component analysis | |
CN107374620A (zh) | 一种基于独立成分分析算法的脑电信号预处理方法 | |
Zhu et al. | Analyzing high-density ECG signals using ICA | |
US10993666B2 (en) | Middle point zero reference | |
Lim | Bi-Directional Brain-Computer Interfaces: Stimulation Artifact Suppression Design and Walking Exoskeleton Implementation | |
CN106354990B (zh) | 一种EEG和fMRI一致性的检测方法 | |
Wang et al. | Dynamic extraction of visual evoked potentials through spatial analysis and dipole localization | |
CN206950156U (zh) | 一种通过人体生物电磁波判断疾病风险的检测装置 | |
Banta et al. | A novel convolutional neural network for reconstructing surface electrocardiograms from intracardiac electrograms and vice versa | |
Zhu et al. | Noninvasive study of the human heart using independent component analysis | |
Small et al. | Temporal evolution of nonlinear dynamics in ventricular arrhythmia | |
CN106821325A (zh) | 一种通过人体生物电磁波判断疾病风险的检测装置 | |
Zhang et al. | Classification of EEG multiple imagination tasks based on independent component analysis and relevant vector machines | |
TWI446894B (zh) | 生理訊號圖譜分析系統、方法、圖譜建立方法與其媒體 |
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 |