CN115363604A - 基于脑电信号的电极放电自动调节系统、介质及电子设备 - Google Patents
基于脑电信号的电极放电自动调节系统、介质及电子设备 Download PDFInfo
- Publication number
- CN115363604A CN115363604A CN202211311308.9A CN202211311308A CN115363604A CN 115363604 A CN115363604 A CN 115363604A CN 202211311308 A CN202211311308 A CN 202211311308A CN 115363604 A CN115363604 A CN 115363604A
- Authority
- CN
- China
- Prior art keywords
- current
- stimulation
- current stimulation
- brain
- rehabilitation subject
- 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
Links
- 230000001105 regulatory effect Effects 0.000 title claims description 13
- 230000000638 stimulation Effects 0.000 claims abstract description 255
- 210000004556 brain Anatomy 0.000 claims abstract description 96
- 238000009826 distribution Methods 0.000 claims abstract description 41
- 238000007917 intracranial administration Methods 0.000 claims abstract description 31
- 230000000694 effects Effects 0.000 claims abstract description 30
- 238000010801 machine learning Methods 0.000 claims abstract description 16
- 239000003086 colorant Substances 0.000 claims abstract description 14
- 230000006378 damage Effects 0.000 claims description 45
- 230000003925 brain function Effects 0.000 claims description 32
- 230000000737 periodic effect Effects 0.000 claims description 26
- 238000000034 method Methods 0.000 claims description 22
- 238000011084 recovery Methods 0.000 claims description 18
- 208000027418 Wounds and injury Diseases 0.000 claims description 12
- 208000014674 injury Diseases 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 8
- 230000000386 athletic effect Effects 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 abstract description 4
- 238000002560 therapeutic procedure Methods 0.000 abstract description 3
- 210000004761 scalp Anatomy 0.000 description 22
- 238000012800 visualization Methods 0.000 description 15
- 230000008859 change Effects 0.000 description 11
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 10
- 238000012544 monitoring process Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 8
- 208000006011 Stroke Diseases 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000000302 ischemic effect Effects 0.000 description 6
- 239000007788 liquid Substances 0.000 description 6
- 230000035755 proliferation Effects 0.000 description 6
- 241000282414 Homo sapiens Species 0.000 description 5
- 230000004913 activation Effects 0.000 description 5
- 208000029028 brain injury Diseases 0.000 description 5
- 230000002490 cerebral effect Effects 0.000 description 4
- 230000005684 electric field Effects 0.000 description 4
- 230000036316 preload Effects 0.000 description 4
- 206010008190 Cerebrovascular accident Diseases 0.000 description 3
- 238000002595 magnetic resonance imaging Methods 0.000 description 3
- 230000005012 migration Effects 0.000 description 3
- 238000013508 migration Methods 0.000 description 3
- 210000002569 neuron Anatomy 0.000 description 3
- 238000003825 pressing Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 208000019901 Anxiety disease Diseases 0.000 description 2
- 230000036506 anxiety Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000002599 functional magnetic resonance imaging Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 239000012528 membrane Substances 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001225 therapeutic effect Effects 0.000 description 2
- 206010019468 Hemiplegia Diseases 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 230000004064 dysfunction Effects 0.000 description 1
- 238000004070 electrodeposition Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000003059 ependyma Anatomy 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 230000003313 weakening 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
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
- A61B5/372—Analysis of electroencephalograms
-
- 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]
- A61B5/386—Accessories or supplementary instruments therefor
-
- 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
-
- 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
-
- 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
Abstract
本发明提供了一种基于脑电信号的电极放电自动调节系统、介质及电子设备,属于一般的控制或调节系统技术领域。根据获取的脑电信号以及预设的机器学习模型,得到康复主体的运动意图;根据得到的运动意图以及脑电信号,得到当前的电流刺激模式,其中,电流刺激模式包括:电流刺激的时间、电流刺激的频率、电流的大小以及电流刺激的位置;根据肢体运动程度以及颅内电流分布,进行电流刺激模式的反馈调整;其中,颅内电流分布的获取,包括:根据康复主体的脑部扫描结果,构建康复主体的包含电流信号的脑部图像立体模型,通过不同的颜色区分电流大小;本发明根据评估结果进行电流刺激模式的自适应改变,极大的提高了电刺激康复治疗的效果。
Description
技术领域
本发明涉及数据识别以及一般的控制或调节系统技术领域,特别涉及一种基于脑电信号的电极放电自动调节系统、介质及电子设备。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术,并不必然构成现有技术。
目前,老龄化形势日趋严重,脑卒中是一种突发性脑血液循环障碍性疾病,是老年人健康的最大威胁之一。据统计,脑卒中的死亡率高达40%,幸存的60%患者中80%伴有偏瘫或肢体运动功能障碍各种后遗症,患者生活极其痛苦和不便,如何帮助这些患者进行有效康复治疗是当今社会亟待解决的问题,也是人工智能、康复工程等多交叉学科的研究热点。
经颅直流电刺激作为一种适用于人本的非侵入性脑刺激新技术被广泛应用于临床,具有无创、便捷、费用低和副作用少等优点。
发明人发现,现有的直流电刺激大多是医务人员根据脑部区域的损伤程度和损伤位置给予一定的电刺激,属于被动的电刺激,无法发挥康复主体(即被治疗人员)的主动性,使得电刺激康复治疗无法达到最佳的效果;而且,现有的电流刺激模式大多为设定好的模式,无法根据具体的被治疗人员的具体脑电信号情况进行自适应的改变,进而使得单次电刺激康复治疗的效果低于预期,进而延长了治疗效果,增加了治疗成本。
发明内容
为了解决现有技术的不足,本发明提供了一种基于脑电信号的电极放电自动调节系统、介质及电子设备,根据康复主体的运动意图进行对应的脑部区域的特定电刺激,实现了由被动脑电刺激到主动脑电刺激的转变;根据脑电数据进行康复主体的脑部损伤和康复情况评估,根据评估结果进行电流刺激模式的自适应改变,极大的提高了电刺激康复治疗的效果。
为了实现上述目的,本发明采用如下技术方案:
本发明第一方面提供了一种基于脑电信号的电极放电自动调节系统。
一种基于脑电信号的电极放电自动调节系统,包括:
数据获取模块,被配置为:获取康复主体的脑电信号;
运动意图生成模块,被配置为:根据获取的脑电信号以及预设的机器学习模型,得到康复主体的运动意图;
电流刺激模式生成模块,被配置为:根据得到的运动意图以及脑电信号,得到当前的电流刺激模式,其中,电流刺激模式包括:电流刺激的时间、电流刺激的频率、电流的大小以及电流刺激的位置;
电流刺激反馈调整模块,被配置为:根据肢体运动程度以及颅内电流分布,进行电流刺激模式的反馈调整;其中,颅内电流分布的获取,包括:
根据康复主体的脑部扫描结果,构建康复主体的包含电流信号的脑部图像立体模型,通过不同的颜色区分电流大小。
作为可选的一种实现方式,电流刺激模式生成模块,还被配置为:
根据获取的康复主体的α、β、δ和θ脑电信号,得到康复主体的脑波周期性变化数据;
根据脑波周期性变化数据,得到康复主体的脑功能损伤区域;
根据康复主体的脑功能损伤数据以及运动意图,得到初始电流刺激模式。
作为进一步的限定,电流刺激模式生成模块,还被配置为:
根据获取的康复主体的α、β、δ和θ脑电信号,得到康复主体的脑波周期性变化数据;
根据脑波周期性变化数据以及康复主体的脑功能损伤区域,得到康复主体的脑功能损伤恢复数据;
根据康复主体的脑功能损伤恢复数据以及运动意图,得到修正后的电流刺激模式。
作为可选的一种实现方式,电流刺激模式生成模块中,将康复主体的脑部分成多个区域,获取室管膜下区与损伤区,根据损伤区的位置和损伤程度,确定刺激目标、刺激效果、电流进入方向和电极数量。
作为进一步的限定,刺激效果为目标最大电流值或目标最佳聚焦性。
作为可选的一种实现方式,电流刺激模式生成模块,还被配置为:
获取贴合在脑部的两电刺激电极的电阻值,当电阻值大于设定阈值时,生成电极接触不良告警信息;当电阻值小于或等于设定阈值时,不告警。
作为可选的一种实现方式,电流刺激模式生成模块,还被配置为:
在生成当前的电流刺激模式之前,根据康复主体的脑电数据,生成预加载电流刺激模式,预加载电流刺激模式中:电流刺激的时间小于设定时间阈值,电流刺激的频率小于设定频率阈值,电流的大小小于设定电流阈值。
作为进一步的限定,预加载电流刺激模式中,在设定电流阈值以下,设置不同的电流大小梯度,按照电流大小梯度逐梯度时间刺激电流。
本发明第二方面提供了一种计算机可读存储介质,其上存储有程序,该程序被处理器执行时实现如下基于脑电信号的电极放电自动调节方法中的步骤:
获取康复主体的脑电信号;
根据获取的脑电信号以及预设的机器学习模型,得到康复主体的运动意图;
根据得到的运动意图以及脑电信号,得到当前的电流刺激模式,其中,电流刺激模式包括:电流刺激的时间、电流刺激的频率、电流的大小以及电流刺激的位置;
根据肢体运动程度以及颅内电流分布,进行电流刺激模式的反馈调整;其中,颅内电流分布的获取,包括:
根据康复主体的脑部扫描结果,构建康复主体的包含电流信号的脑部图像立体模型,通过不同的颜色区分电流大小。
本发明第三方面提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的程序,所述处理器执行所述程序时实现如下基于脑电信号的电极放电自动调节方法中的步骤:
获取康复主体的脑电信号;
根据获取的脑电信号以及预设的机器学习模型,得到康复主体的运动意图;
根据得到的运动意图以及脑电信号,得到当前的电流刺激模式,其中,电流刺激模式包括:电流刺激的时间、电流刺激的频率、电流的大小以及电流刺激的位置;
根据肢体运动程度以及颅内电流分布,进行电流刺激模式的反馈调整;其中,颅内电流分布的获取,包括:
根据康复主体的脑部扫描结果,构建康复主体的包含电流信号的脑部图像立体模型,通过不同的颜色区分电流大小。
与现有技术相比,本发明的有益效果是:
1、本发明所述的基于脑电信号的电极放电自动调节系统、介质及电子设备,根据康复主体的运动意图进行对应的脑部区域的特定电刺激,实现了由被动脑电刺激到主动脑电刺激的转变。
2、本发明所述的基于脑电信号的电极放电自动调节系统、介质及电子设备,根据脑电数据进行康复主体的脑部损伤和康复情况评估,根据评估结果进行电流刺激模式的自适应改变,极大的提高了电刺激康复治疗的效果。
3、本发明所述的基于脑电信号的电极放电自动调节系统、介质及电子设备,获取贴合在脑部的两电刺激电极的电阻值,当电阻值大于设定阈值时,生成电极接触不良告警信息,有效的保证了电极贴合的紧密性,进一步的提高了电刺激康复治疗的效果。
4、本发明所述的基于脑电信号的电极放电自动调节系统、介质及电子设备,根据康复主体的脑电数据,生成预加载电流刺激模式,预加载电流刺激模式中:电流刺激的时间小于设定时间阈值,电流刺激的频率小于设定频率阈值,电流的大小小于设定电流阈值,避免了瞬间电刺激对康复主体的刺激。
5、本发明所述的基于脑电信号的电极放电自动调节系统、介质及电子设备,预加载电流刺激模式中,在设定电流阈值以下,设置不同的电流大小梯度,按照电流大小梯度逐梯度时间刺激电流,实现了电刺激预加载的循序渐进,进一步的避免了瞬间电刺激对康复主体的刺激。
本发明附加方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
图1为本发明实施例1提供的基于脑电信号的电极放电自动调节系统的结构示意图。
图2为本发明实施例1提供的电流控制示意图。
图3为本发明实施例1提供的电刺激治疗流程示意图。
图4为本发明实施例1提供的颅内电流分布获取方法示意图。
图5为本发明实施例1提供的电极刺激示意图一。
图6为本发明实施例1提供的电极刺激示意图二。
图7为本发明实施例1提供的电极连接状态监测流程示意图。
图8为本发明实施例1提供的预刺激控制模式示意图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
应该指出,以下详细说明都是示例性的,旨在对本发明提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本发明的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
实施例1:
如图1所示,本发明实施例1提供了一种基于脑电信号的电极放电自动调节系统,包括:
数据获取模块,被配置为:获取康复主体的脑电信号;
运动意图生成模块,被配置为:根据获取的脑电信号以及预设的机器学习模型,得到康复主体的运动意图;
电流刺激模式生成模块,被配置为:根据得到的运动意图以及脑电信号,得到当前的电流刺激模式,其中,电流刺激模式包括:电流刺激的时间、电流刺激的频率、电流的大小以及电流刺激的位置;
电流刺激反馈调整模块,被配置为:根据肢体运动程度以及颅内电流分布,进行电流刺激模式的反馈调整;其中,颅内电流分布的获取,包括:
根据康复主体的脑部扫描结果,构建康复主体的包含电流信号的脑部图像立体模型,通过不同的颜色区分电流大小。
具体的,电流刺激方式如图2所示,电流刺激过程如图3所示。
本实施例中,电流刺激模式生成模块,还被配置为:
根据获取的康复主体的α、β、δ和θ脑电信号,得到康复主体的脑波周期性变化数据;
根据脑波周期性变化数据,得到康复主体的脑功能损伤区域;
根据康复主体的脑功能损伤数据以及运动意图,得到初始电流刺激模式。
本实施例中,作为进一步的限定,电流刺激模式生成模块,还被配置为:
根据获取的康复主体的α、β、δ和θ脑电信号,得到康复主体的脑波周期性变化数据;
根据脑波周期性变化数据以及康复主体的脑功能损伤区域,得到康复主体的脑功能损伤恢复数据;
根据康复主体的脑功能损伤恢复数据以及运动意图,得到修正后的电流刺激模式。
本实施例中,预设的机器学习模型可以是专利号CN202010913700.5(一种基于脑电的自主运动意图识别方法及系统)中的孪生支持向量机训练自主运动意图识别模型,也可以是专利号CN202010366869.3(基于多层有序网络的脑控智能康复系统运动意图识别系统)中的多层有序网络,或者也可以采用任意的现有机器学习模型,本领域技术人员根据具体工况进行选择,这里不再赘述。
在可选的其他实现方式中,所有患者在治疗开始前后分别采用仪器上的脑电波监测传感器进行检查,对患者病情变化时的α、β、δ和θ波形进行观察,脑电波监测传感器与电极片相结合,可以在进行电流刺激的同时采集患者脑电波,脑电采集设备使用便携式脑电采集设备Emotiv,通过读取的脑电信号并进行解析,分析脑电信号的周期性变化规律;
根据脑电信号的周期性变化规律,得到脑电信号的相关指标,对患者脑功能损害情况和恢复效果进行评估(脑卒中患者与健康人虽然在进行运动想象实验时,均会产生ERD现象,但是在持续时间、回复速度以及能量上,脑卒中患者都有明显的减弱表现;α频段的EEG复杂度与脑卒中的程度有显著的相关性,会随着脑卒中程度的加深而降低EEG的复杂度,此时脑卒中患者EEG的样本熵值将会明显减小),判断患者脑功能受损情况和恢复情况,形成患者治疗方案调整信息(在对患者进行脑功能受损情况和恢复情况评估的前提下,治疗仪会根据当前的评估分值给出优化的调整方案(刺激电流的强度和频率、治疗时间、休息时间、生物反馈波形等参数)供康复医师选择),以此调整治疗仪的相关刺激参数,设定相应的电流刺激模式,控制刺激装置调整电流刺激的时间、频率以及相应位置,为患者提供更合适的电流刺激治疗方案。
本实施例中,脑部电流信号的可视化,包括:
缺血性脑损伤可诱导SVZ的NSPCs增殖加强,但仅有少量的新生神经元迁移至缺血区,为了促进NSPCs增殖和迁移,需要定位精确,保证直流电精准刺激大脑SVZ区,通过高精度探索和定位策略,实现电流分布可视化,真实地反应当前电流稳定情况,增加刺激精度及颅内电场的聚焦性,直接将电流锁定在目标位置上,能够准确掌握患者当前的电流刺激情况,及时对治疗方案做出调整;
通过电流可视化策略,将实现脑内电流真实分布情况的显示,对于电流工作状态实时的调整,给予预刺激的功能都需要对电流分布进行可视化处理,以作为调整参考标尺,保证医疗工作者和患者能够精确掌握调整刺激参数和指标;
将通过同步患者扫描大脑图像(如CT或者MRI等),模拟建立患者大脑的图像,通过整合反馈功能,360度无死角显示颅内电流分布,通过颜色显示电流大小,清晰地显示颅内电流分布,使患者能够准确掌握并调整刺激强度。
具体的,通过采用脑电信号(EEG)与功能磁共振成像(fMRI)多模态融合成像方法确定脑激活源位置,分析激活区域间连通性,根据大量的数据结合Matlab FIT工具箱模拟建立患者大脑脑内激活源图像,再由实际电极位置及电压值信号估算激活源位置,同时结合大脑中电流的准静态场分析方法,通过自动化的参数匹配生成颅内电场分布及脑内激活源成像,工作原理如图4所示,通过颜色显示电流大小,清晰地显示颅内电流分布,使患者能够准确掌握并调整刺激强度,如图5和图6所示。
本实施例中,电流刺激模式生成模块中,将康复主体的脑部分成多个区域,获取室管膜下区与损伤区,根据损伤区的位置和损伤程度,确定刺激目标、刺激效果、电流进入方向和电极数量;其中,刺激效果为目标最大电流值或目标最佳聚焦性;
具体的,将大脑预分2000个脑部区域,精确定位SVZ区与损伤区,根据确定的损伤区确定刺激目标、刺激效果(目标最大电流值或目标最佳聚焦性)、电流进入方向和电极数量,进而生成每个通道电极位置及每个通道注入的电流量,保证电流准确刺激相应位置,精确定位患者脑部患病区域,并确保治疗电流精确到达指定位置,从而达到治疗目的;
可选的,在其他一些实施方式中,通过触屏、按键等操作对电流大小、刺激位置等参数进行更精确的调整,电流分布可视化系统能将患者信息进行存档,以便于后续参考和使用。
本实施例中,电流刺激模式生成模块,还被配置为:
获取贴合在脑部的两电刺激电极的电阻值,当电阻值大于设定阈值时,生成电极接触不良告警信息;当电阻值小于或等于设定阈值时,不告警,具体的如图7所示。
具体的,电流刺激治疗时电极片贴合易发生改变,电极片如果未与头皮完整贴合则会影响给电方式和刺激部位的精准度,不服帖的电极也会干扰电流波形和电流输出,电极连接状态用于提示仪器电极与患者的接触状态,反映刺激电流是否对患者发挥全部作用。
当电极与头皮未完全贴合或缺少导电液导致接触不良好时,系统会提示需要改善接触状态,使电极与头皮接触状态时刻保持贴合,避免由于接触不良带来的治疗效果的减少,本实施例通过对头皮电阻变化的实时监测来反映对电极与头皮接触是否完整贴合,可以测得成对的两电极片之间电阻值的大小,人头皮电阻一般至多为20kΩ,若大于20kΩ则显示初始连接不良,过程中若监测到值超出则视为接触不良好,则生成报警信息,本实施例能够提示患者调整电极连接方式,通过添加导电液等方式来调整电极片贴合程度,以实现更有效的电流刺激效果。
本实施例中,电流刺激模式生成模块,还被配置为:在生成当前的电流刺激模式之前,根据康复主体的脑电数据,生成预加载电流刺激模式,预加载电流刺激模式中:电流刺激的时间小于设定时间阈值,电流刺激的频率小于设定频率阈值,电流的大小小于设定电流阈值,具体的如图8所示;
预加载电流刺激模式中,在设定电流阈值以下,设置不同的电流大小梯度,按照电流大小梯度逐梯度时间刺激电流,这里的电流梯度可以是沿一条直线逐渐增长的,也可以是按照层次逐层递增,本领域技术人员可以根据具体工况进行选择,这里不再赘述。
本实施例中,可以通过对多个刺激通道进行调节,对每个通道和每个阶段进行设置和调整(刺激、获取和反馈),治疗过程中可任意调整刺激电流的强度和频率、治疗时间、休息时间、生物反馈波形等参数,在施加真实刺激前,设置对于不同刺激电流大小的电流梯度,在施加真实刺激前给予一个较小的电流(小于设定的电流阈值),使患者能够让皮肤提前适应刺激,在接收真实值大小的电流刺激时能够较好地适应刺激,该设计的用途为减轻患者焦虑心理,使患者身体位置不会发生较大改变,影响电极对头皮的贴合程度。
实施例2:
本发明实施例2提供了一种计算机可读存储介质,其上存储有程序,该程序被处理器执行时实现如下基于脑电信号的电极放电自动调节方法中的步骤:
获取康复主体的脑电信号;
根据获取的脑电信号以及预设的机器学习模型,得到康复主体的运动意图;
根据得到的运动意图以及脑电信号,得到当前的电流刺激模式,其中,电流刺激模式包括:电流刺激的时间、电流刺激的频率、电流的大小以及电流刺激的位置;
根据肢体运动程度以及颅内电流分布,进行电流刺激模式的反馈调整;其中,颅内电流分布的获取,包括:
根据康复主体的脑部扫描结果,构建康复主体的包含电流信号的脑部图像立体模型,通过不同的颜色区分电流大小。
本实施例中,根据获取的康复主体的α、β、δ和θ脑电信号,得到康复主体的脑波周期性变化数据;
根据脑波周期性变化数据,得到康复主体的脑功能损伤区域;
根据康复主体的脑功能损伤数据以及运动意图,得到初始电流刺激模式。
本实施例中,作为进一步的限定,根据获取的康复主体的α、β、δ和θ脑电信号,得到康复主体的脑波周期性变化数据;
根据脑波周期性变化数据以及康复主体的脑功能损伤区域,得到康复主体的脑功能损伤恢复数据;
根据康复主体的脑功能损伤恢复数据以及运动意图,得到修正后的电流刺激模式。
本实施例中,预设的机器学习模型可以是专利号CN202010913700.5(一种基于脑电的自主运动意图识别方法及系统)中的孪生支持向量机训练自主运动意图识别模型,也可以是专利号CN202010366869.3(基于多层有序网络的脑控智能康复系统运动意图识别系统)中的多层有序网络,或者也可以采用任意的现有机器学习模型,本领域技术人员根据具体工况进行选择,这里不再赘述。
在可选的其他实现方式中,所有患者在治疗开始前后分别采用仪器上的脑电波监测传感器进行检查,对患者病情变化时的α、β、δ和θ波形进行观察,脑电波监测传感器与电极片相结合,可以在进行电流刺激的同时采集患者脑电波,脑电采集设备使用便携式脑电采集设备Emotiv,通过读取的脑电信号并进行解析,分析脑电信号的周期性变化规律;
根据脑电信号的周期性变化规律,得到脑电信号的相关指标,对患者脑功能损害情况和恢复效果进行评估,判断患者脑功能受损情况和恢复情况,形成患者治疗方案调整信息,以此调整治疗仪的相关刺激参数,设定相应的电流刺激模式,控制刺激装置调整电流刺激的时间、频率以及相应位置,为患者提供更合适的电流刺激治疗方案。
本实施例中,脑部电流信号的可视化,包括:
缺血性脑损伤可诱导SVZ的NSPCs增殖加强,但仅有少量的新生神经元迁移至缺血区,为了促进NSPCs增殖和迁移,需要定位精确,保证直流电精准刺激大脑SVZ区,通过高精度探索和定位策略,实现电流分布可视化,真实地反应当前电流稳定情况,增加刺激精度及颅内电场的聚焦性,直接将电流锁定在目标位置上,能够准确掌握患者当前的电流刺激情况,及时对治疗方案做出调整;
通过电流可视化策略,将实现脑内电流真实分布情况的显示,对于电流工作状态实时的调整,给予预刺激的功能都需要对电流分布进行可视化处理,以作为调整参考标尺,保证医疗工作者和患者能够精确掌握调整刺激参数和指标;
将通过同步患者扫描大脑图像(如CT或者MRI等),模拟建立患者大脑的图像,通过整合反馈功能,360度无死角显示颅内电流分布,通过颜色显示电流大小,清晰地显示颅内电流分布,使患者能够准确掌握并调整刺激强度。
本实施例中,将康复主体的脑部分成多个区域,获取室管膜下区与损伤区,根据损伤区的位置和损伤程度,确定刺激目标、刺激效果、电流进入方向和电极数量;其中,刺激效果为目标最大电流值或目标最佳聚焦性;
具体的,将大脑预分2000个脑部区域,精确定位SVZ区与损伤区,根据确定的损伤区确定刺激目标、刺激效果(目标最大电流值或目标最佳聚焦性)、电流进入方向和电极数量,进而生成每个通道电极位置及每个通道注入的电流量,保证电流准确刺激相应位置,精确定位患者脑部患病区域,并确保治疗电流精确到达指定位置,从而达到治疗目的;
可选的,在其他一些实施方式中,通过触屏、按键等操作对电流大小、刺激位置等参数进行更精确的调整,电流分布可视化系统能将患者信息进行存档,以便于后续参考和使用。
本实施例中,获取贴合在脑部的两电刺激电极的电阻值,当电阻值大于设定阈值时,生成电极接触不良告警信息;当电阻值小于或等于设定阈值时,不告警。
具体的,电流刺激治疗时电极片贴合易发生改变,电极片如果未与头皮完整贴合则会影响给电方式和刺激部位的精准度,不服帖的电极也会干扰电流波形和电流输出,电极连接状态用于提示仪器电极与患者的接触状态,反映刺激电流是否对患者发挥全部作用。
当电极与头皮未完全贴合或缺少导电液导致接触不良好时,系统会提示需要改善接触状态,使电极与头皮接触状态时刻保持贴合,避免由于接触不良带来的治疗效果的减少,本实施例通过对头皮电阻变化的实时监测来反映对电极与头皮接触是否完整贴合,可以测得两电极片之间电阻值的大小,人头皮电阻一般至多为20kΩ,若大于20kΩ则显示初始连接不良,过程中若监测到值超出则视为接触不良好,则生成报警信息,本实施例能够提示患者调整电极连接方式,通过添加导电液等方式来调整电极片贴合程度,以实现更有效的电流刺激效果。
本实施例中,在生成当前的电流刺激模式之前,根据康复主体的脑电数据,生成预加载电流刺激模式,预加载电流刺激模式中:电流刺激的时间小于设定时间阈值,电流刺激的频率小于设定频率阈值,电流的大小小于设定电流阈值;
预加载电流刺激模式中,在设定电流阈值以下,设置不同的电流大小梯度,按照电流大小梯度逐梯度时间刺激电流,这里的电流梯度可以是沿一条直线逐渐增长的,也可以是按照层次逐层递增,本领域技术人员可以根据具体工况进行选择,这里不再赘述。
本实施例中,可以通过对多个刺激通道进行调节,对每个通道和每个阶段进行设置和调整(刺激、获取和反馈),治疗过程中可任意调整刺激电流的强度和频率、治疗时间、休息时间、生物反馈波形等参数,在施加真实刺激前,设置对于不同刺激电流大小的电流梯度,在施加真实刺激前给予一个较小的电流(小于设定的电流阈值),使患者能够让皮肤提前适应刺激,在接收真实值大小的电流刺激时能够较好地适应刺激,该设计的用途为减轻患者焦虑心理,使患者身体位置不会发生较大改变,影响电极对头皮的贴合程度。
实施例3:
本发明实施例3提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的程序,所述处理器执行所述程序时实现如下基于脑电信号的电极放电自动调节方法中的步骤:
获取康复主体的脑电信号;
根据获取的脑电信号以及预设的机器学习模型,得到康复主体的运动意图;
根据得到的运动意图以及脑电信号,得到当前的电流刺激模式,其中,电流刺激模式包括:电流刺激的时间、电流刺激的频率、电流的大小以及电流刺激的位置;
根据肢体运动程度以及颅内电流分布,进行电流刺激模式的反馈调整;其中,颅内电流分布的获取,包括:
根据康复主体的脑部扫描结果,构建康复主体的包含电流信号的脑部图像立体模型,通过不同的颜色区分电流大小。
本实施例中,根据获取的康复主体的α、β、δ和θ脑电信号,得到康复主体的脑波周期性变化数据;
根据脑波周期性变化数据,得到康复主体的脑功能损伤区域;
根据康复主体的脑功能损伤数据以及运动意图,得到初始电流刺激模式。
本实施例中,作为进一步的限定,根据获取的康复主体的α、β、δ和θ脑电信号,得到康复主体的脑波周期性变化数据;
根据脑波周期性变化数据以及康复主体的脑功能损伤区域,得到康复主体的脑功能损伤恢复数据;
根据康复主体的脑功能损伤恢复数据以及运动意图,得到修正后的电流刺激模式。
本实施例中,预设的机器学习模型可以是专利号CN202010913700.5(一种基于脑电的自主运动意图识别方法及系统)中的孪生支持向量机训练自主运动意图识别模型,也可以是专利号CN202010366869.3(基于多层有序网络的脑控智能康复系统运动意图识别系统)中的多层有序网络,或者也可以采用任意的现有机器学习模型,本领域技术人员根据具体工况进行选择,这里不再赘述。
在可选的其他实现方式中,所有患者在治疗开始前后分别采用仪器上的脑电波监测传感器进行检查,对患者病情变化时的α、β、δ和θ波形进行观察,脑电波监测传感器与电极片相结合,可以在进行电流刺激的同时采集患者脑电波,脑电采集设备使用便携式脑电采集设备Emotiv,通过读取的脑电信号并进行解析,分析脑电信号的周期性变化规律;
根据脑电信号的周期性变化规律,得到脑电信号的相关指标,对患者脑功能损害情况和恢复效果进行评估,判断患者脑功能受损情况和恢复情况,形成患者治疗方案调整信息,以此调整治疗仪的相关刺激参数,设定相应的电流刺激模式,控制刺激装置调整电流刺激的时间、频率以及相应位置,为患者提供更合适的电流刺激治疗方案。
本实施例中,脑部电流信号的可视化,包括:
缺血性脑损伤可诱导SVZ的NSPCs增殖加强,但仅有少量的新生神经元迁移至缺血区,为了促进NSPCs增殖和迁移,需要定位精确,保证直流电精准刺激大脑SVZ区,通过高精度探索和定位策略,实现电流分布可视化,真实地反应当前电流稳定情况,增加刺激精度及颅内电场的聚焦性,直接将电流锁定在目标位置上,能够准确掌握患者当前的电流刺激情况,及时对治疗方案做出调整;
通过电流可视化策略,将实现脑内电流真实分布情况的显示,对于电流工作状态实时的调整,给予预刺激的功能都需要对电流分布进行可视化处理,以作为调整参考标尺,保证医疗工作者和患者能够精确掌握调整刺激参数和指标;
将通过同步患者扫描大脑图像(如CT或者MRI等),模拟建立患者大脑的图像,通过整合反馈功能,360度无死角显示颅内电流分布,通过颜色显示电流大小,清晰地显示颅内电流分布,使患者能够准确掌握并调整刺激强度。
本实施例中,将康复主体的脑部分成多个区域,获取室管膜下区与损伤区,根据损伤区的位置和损伤程度,确定刺激目标、刺激效果、电流进入方向和电极数量;其中,刺激效果为目标最大电流值或目标最佳聚焦性;
具体的,将大脑预分2000个脑部区域,精确定位SVZ区与损伤区,根据确定的损伤区确定刺激目标、刺激效果(目标最大电流值或目标最佳聚焦性)、电流进入方向和电极数量,进而生成每个通道电极位置及每个通道注入的电流量,保证电流准确刺激相应位置,精确定位患者脑部患病区域,并确保治疗电流精确到达指定位置,从而达到治疗目的;
可选的,在其他一些实施方式中,通过触屏、按键等操作对电流大小、刺激位置等参数进行更精确的调整,电流分布可视化系统能将患者信息进行存档,以便于后续参考和使用。
本实施例中,获取贴合在脑部的两电刺激电极的电阻值,当电阻值大于设定阈值时,生成电极接触不良告警信息;当电阻值小于或等于设定阈值时,不告警。
具体的,电流刺激治疗时电极片贴合易发生改变,电极片如果未与头皮完整贴合则会影响给电方式和刺激部位的精准度,不服帖的电极也会干扰电流波形和电流输出,电极连接状态用于提示仪器电极与患者的接触状态,反映刺激电流是否对患者发挥全部作用。
当电极与头皮未完全贴合或缺少导电液导致接触不良好时,系统会提示需要改善接触状态,使电极与头皮接触状态时刻保持贴合,避免由于接触不良带来的治疗效果的减少,本实施例通过对头皮电阻变化的实时监测来反映对电极与头皮接触是否完整贴合,可以测得两电极片之间电阻值的大小,人头皮电阻一般至多为20kΩ,若大于20kΩ则显示初始连接不良,过程中若监测到值超出则视为接触不良好,则生成报警信息,本实施例能够提示患者调整电极连接方式,通过添加导电液等方式来调整电极片贴合程度,以实现更有效的电流刺激效果。
本实施例中,在生成当前的电流刺激模式之前,根据康复主体的脑电数据,生成预加载电流刺激模式,预加载电流刺激模式中:电流刺激的时间小于设定时间阈值,电流刺激的频率小于设定频率阈值,电流的大小小于设定电流阈值;
预加载电流刺激模式中,在设定电流阈值以下,设置不同的电流大小梯度,按照电流大小梯度逐梯度时间刺激电流,这里的电流梯度可以是沿一条直线逐渐增长的,也可以是按照层次逐层递增,本领域技术人员可以根据具体工况进行选择,这里不再赘述。
本实施例中,可以通过对多个刺激通道进行调节,对每个通道和每个阶段进行设置和调整(刺激、获取和反馈),治疗过程中可任意调整刺激电流的强度和频率、治疗时间、休息时间、生物反馈波形等参数,在施加真实刺激前,设置对于不同刺激电流大小的电流梯度,在施加真实刺激前给予一个较小的电流(小于设定的电流阈值),使患者能够让皮肤提前适应刺激,在接收真实值大小的电流刺激时能够较好地适应刺激,该设计的用途为减轻患者焦虑心理,使患者身体位置不会发生较大改变,影响电极对头皮的贴合程度。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是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一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于脑电信号的电极放电自动调节系统,其特征在于:
包括:
数据获取模块,被配置为:获取康复主体的脑电信号;
运动意图生成模块,被配置为:根据获取的脑电信号以及预设的机器学习模型,得到康复主体的运动意图;
电流刺激模式生成模块,被配置为:根据得到的运动意图以及脑电信号,得到当前的电流刺激模式,其中,电流刺激模式包括:电流刺激的时间、电流刺激的频率、电流的大小以及电流刺激的位置;
电流刺激反馈调整模块,被配置为:根据肢体运动程度以及颅内电流分布,进行电流刺激模式的反馈调整;其中,颅内电流分布的获取,包括:
根据康复主体的脑部扫描结果,构建康复主体的包含电流信号的脑部图像立体模型,通过不同的颜色区分电流大小。
2.如权利要求1所述的基于脑电信号的电极放电自动调节系统,其特征在于:
电流刺激模式生成模块,还被配置为:
根据获取的康复主体的α、β、δ和θ脑电信号,得到康复主体的脑波周期性变化数据;
根据脑波周期性变化数据,得到康复主体的脑功能损伤区域;
根据康复主体的脑功能损伤数据以及运动意图,得到初始电流刺激模式。
3.如权利要求2所述的基于脑电信号的电极放电自动调节系统,其特征在于:
电流刺激模式生成模块,还被配置为:
根据获取的康复主体的α、β、δ和θ脑电信号,得到康复主体的脑波周期性变化数据;
根据脑波周期性变化数据以及康复主体的脑功能损伤区域,得到康复主体的脑功能损伤恢复数据;
根据康复主体的脑功能损伤恢复数据以及运动意图,得到修正后的电流刺激模式。
4.如权利要求1所述的基于脑电信号的电极放电自动调节系统,其特征在于:
电流刺激模式生成模块中,将康复主体的脑部分成多个区域,获取室管膜下区与损伤区,根据损伤区的位置和损伤程度,确定刺激目标、刺激效果、电流进入方向和电极数量。
5.如权利要求4所述的基于脑电信号的电极放电自动调节系统,其特征在于:
刺激效果为目标最大电流值或目标最佳聚焦性。
6.如权利要求1所述的基于脑电信号的电极放电自动调节系统,其特征在于:
电流刺激模式生成模块,还被配置为:
获取贴合在脑部的两电刺激电极的电阻值,当电阻值大于设定阈值时,生成电极接触不良告警信息;当电阻值小于或等于设定阈值时,不告警。
7.如权利要求1所述的基于脑电信号的电极放电自动调节系统,其特征在于:
电流刺激模式生成模块,还被配置为:
在生成当前的电流刺激模式之前,根据康复主体的脑电数据,生成预加载电流刺激模式,预加载电流刺激模式中:电流刺激的时间小于设定时间阈值,电流刺激的频率小于设定频率阈值,电流的大小小于设定电流阈值。
8.如权利要求7所述的基于脑电信号的电极放电自动调节系统,其特征在于:
预加载电流刺激模式中,在设定电流阈值以下,设置不同的电流大小梯度,按照电流大小梯度逐梯度时间刺激电流。
9.一种计算机可读存储介质,其上存储有程序,其特征在于,该程序被处理器执行时实现如下基于脑电信号的电极放电自动调节方法中的步骤:
获取康复主体的脑电信号;
根据获取的脑电信号以及预设的机器学习模型,得到康复主体的运动意图;
根据得到的运动意图以及脑电信号,得到当前的电流刺激模式,其中,电流刺激模式包括:电流刺激的时间、电流刺激的频率、电流的大小以及电流刺激的位置;
根据肢体运动程度以及颅内电流分布,进行电流刺激模式的反馈调整;其中,颅内电流分布的获取,包括:
根据康复主体的脑部扫描结果,构建康复主体的包含电流信号的脑部图像立体模型,通过不同的颜色区分电流大小。
10.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的程序,其特征在于,所述处理器执行所述程序时实现如下基于脑电信号的电极放电自动调节方法中的步骤:
获取康复主体的脑电信号;
根据获取的脑电信号以及预设的机器学习模型,得到康复主体的运动意图;
根据得到的运动意图以及脑电信号,得到当前的电流刺激模式,其中,电流刺激模式包括:电流刺激的时间、电流刺激的频率、电流的大小以及电流刺激的位置;
根据肢体运动程度以及颅内电流分布,进行电流刺激模式的反馈调整;其中,颅内电流分布的获取,包括:
根据康复主体的脑部扫描结果,构建康复主体的包含电流信号的脑部图像立体模型,通过不同的颜色区分电流大小。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211311308.9A CN115363604B (zh) | 2022-10-19 | 2022-10-19 | 基于脑电信号的电极放电自动调节系统、介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211311308.9A CN115363604B (zh) | 2022-10-19 | 2022-10-19 | 基于脑电信号的电极放电自动调节系统、介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115363604A true CN115363604A (zh) | 2022-11-22 |
CN115363604B CN115363604B (zh) | 2023-03-03 |
Family
ID=84072876
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211311308.9A Active CN115363604B (zh) | 2022-10-19 | 2022-10-19 | 基于脑电信号的电极放电自动调节系统、介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115363604B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116931738A (zh) * | 2023-09-13 | 2023-10-24 | 杭州般意科技有限公司 | 一种基于脑电波动态调节电流强度的干预刺激方法 |
Citations (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040088024A1 (en) * | 2001-03-08 | 2004-05-06 | Firlik Andrew D. | Methods and apparatus for effectuating a lasting change in a neural-function of a patient |
US20050283205A1 (en) * | 2004-06-10 | 2005-12-22 | Samsung Electronics Co., Ltd. | Apparatus, method, and medium controlling electrical stimulation and/or health training/monitoring |
US20080319505A1 (en) * | 2007-05-09 | 2008-12-25 | Massachusetts Institute Of Technology | Integrated Transcranial Current Stimulation and Electroencephalography Device |
CN103394161A (zh) * | 2013-07-16 | 2013-11-20 | 山西大学 | 一种大脑α波反馈调节的经穴磁刺激系统 |
US20150105837A1 (en) * | 2013-10-16 | 2015-04-16 | Neurometrics, S.L. | Brain therapy system and method using noninvasive brain stimulation |
CN105771087A (zh) * | 2016-04-06 | 2016-07-20 | 上海乃欣电子科技有限公司 | 基于音乐和肌电反馈刺激的康复训练系统 |
CN106933348A (zh) * | 2017-01-24 | 2017-07-07 | 武汉黑金科技有限公司 | 一种基于虚拟现实的脑电神经反馈干预系统及方法 |
CN107315478A (zh) * | 2017-07-05 | 2017-11-03 | 中国人民解放军第三军医大学 | 一种运动想象上肢智能康复机器人系统及其训练方法 |
CN108904980A (zh) * | 2018-08-01 | 2018-11-30 | 国家康复辅具研究中心 | 基于脑电和功能性电刺激的上肢主动康复方法及装置 |
US20190151657A1 (en) * | 2017-11-17 | 2019-05-23 | Boston Scientific Neuromodulation Corporation | Systems and methods for generating intermittent stimulation using electrical stimulation systems |
US10357654B1 (en) * | 2015-08-27 | 2019-07-23 | Hrl Laboratories, Llc | Mapping transcranial signals to transcranial stimulation required to reproduce a brain state |
CN110585590A (zh) * | 2019-09-24 | 2019-12-20 | 中国人民解放军陆军军医大学第一附属医院 | 一种经颅直流电刺激装置及数据处理方法 |
CN110732082A (zh) * | 2019-09-27 | 2020-01-31 | 杭州电子科技大学 | 一种经颅直流电刺激和功能性电刺激的运动功能康复方法 |
US20200054888A1 (en) * | 2016-12-19 | 2020-02-20 | The Board Of Trustees Of The Leland Stanford Junior University | Machine learning based artifact rejection for transcranial magnetic stimulation electroencephalogram |
US20200077941A1 (en) * | 2018-07-27 | 2020-03-12 | Christopher Keane | Adaptive neurofeedback brain wave training techniques, systems, and methods |
US20200139112A1 (en) * | 2016-09-19 | 2020-05-07 | Nyx Technologies Ltd | Multifunctional closed loop neuro feedback stimulating device and methods thereof |
US20200214569A1 (en) * | 2017-09-11 | 2020-07-09 | NEUROPHET Inc. | Method and program for navigating tms stimulation |
CN111584031A (zh) * | 2020-04-30 | 2020-08-25 | 天津大学 | 基于便携式脑电采集设备的脑控智能肢体康复系统及应用 |
CN111584030A (zh) * | 2020-04-30 | 2020-08-25 | 天津大学 | 基于深度学习和复杂网络的意念控制智能康复系统及应用 |
US10856803B1 (en) * | 2017-08-21 | 2020-12-08 | Aqeel, LLC | Method and apparatus for closed-loop brain stimulation |
CN112370659A (zh) * | 2020-11-10 | 2021-02-19 | 四川大学华西医院 | 基于机器学习的头部刺激训练装置的实现方法 |
CN112999518A (zh) * | 2014-11-21 | 2021-06-22 | 美敦力公司 | 针对电刺激治疗的电极选择 |
CN113180693A (zh) * | 2021-03-23 | 2021-07-30 | 深圳市人民医院 | 静息态脑电rTMS疗效预测及干预闭环反馈诊疗方法 |
CN113349794A (zh) * | 2021-05-31 | 2021-09-07 | 杭州回车电子科技有限公司 | 经颅电刺激控制方法及控制装置 |
CN113518642A (zh) * | 2018-12-14 | 2021-10-19 | 大脑补丁有限公司 | 脑交互设备和方法 |
US20220111212A1 (en) * | 2017-05-26 | 2022-04-14 | Newton Howard | Brain monitoring and stimulation devices and methods |
CN114504730A (zh) * | 2022-01-30 | 2022-05-17 | 天津大学 | 基于深度学习的便携式脑控手部电刺激康复系统 |
-
2022
- 2022-10-19 CN CN202211311308.9A patent/CN115363604B/zh active Active
Patent Citations (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040088024A1 (en) * | 2001-03-08 | 2004-05-06 | Firlik Andrew D. | Methods and apparatus for effectuating a lasting change in a neural-function of a patient |
US20050283205A1 (en) * | 2004-06-10 | 2005-12-22 | Samsung Electronics Co., Ltd. | Apparatus, method, and medium controlling electrical stimulation and/or health training/monitoring |
US20080319505A1 (en) * | 2007-05-09 | 2008-12-25 | Massachusetts Institute Of Technology | Integrated Transcranial Current Stimulation and Electroencephalography Device |
CN103394161A (zh) * | 2013-07-16 | 2013-11-20 | 山西大学 | 一种大脑α波反馈调节的经穴磁刺激系统 |
US20150105837A1 (en) * | 2013-10-16 | 2015-04-16 | Neurometrics, S.L. | Brain therapy system and method using noninvasive brain stimulation |
CN112999518A (zh) * | 2014-11-21 | 2021-06-22 | 美敦力公司 | 针对电刺激治疗的电极选择 |
US10357654B1 (en) * | 2015-08-27 | 2019-07-23 | Hrl Laboratories, Llc | Mapping transcranial signals to transcranial stimulation required to reproduce a brain state |
CN105771087A (zh) * | 2016-04-06 | 2016-07-20 | 上海乃欣电子科技有限公司 | 基于音乐和肌电反馈刺激的康复训练系统 |
US20200139112A1 (en) * | 2016-09-19 | 2020-05-07 | Nyx Technologies Ltd | Multifunctional closed loop neuro feedback stimulating device and methods thereof |
US20200054888A1 (en) * | 2016-12-19 | 2020-02-20 | The Board Of Trustees Of The Leland Stanford Junior University | Machine learning based artifact rejection for transcranial magnetic stimulation electroencephalogram |
CN106933348A (zh) * | 2017-01-24 | 2017-07-07 | 武汉黑金科技有限公司 | 一种基于虚拟现实的脑电神经反馈干预系统及方法 |
US20220111212A1 (en) * | 2017-05-26 | 2022-04-14 | Newton Howard | Brain monitoring and stimulation devices and methods |
CN107315478A (zh) * | 2017-07-05 | 2017-11-03 | 中国人民解放军第三军医大学 | 一种运动想象上肢智能康复机器人系统及其训练方法 |
US10856803B1 (en) * | 2017-08-21 | 2020-12-08 | Aqeel, LLC | Method and apparatus for closed-loop brain stimulation |
US20200214569A1 (en) * | 2017-09-11 | 2020-07-09 | NEUROPHET Inc. | Method and program for navigating tms stimulation |
US20190151657A1 (en) * | 2017-11-17 | 2019-05-23 | Boston Scientific Neuromodulation Corporation | Systems and methods for generating intermittent stimulation using electrical stimulation systems |
US20200077941A1 (en) * | 2018-07-27 | 2020-03-12 | Christopher Keane | Adaptive neurofeedback brain wave training techniques, systems, and methods |
CN108904980A (zh) * | 2018-08-01 | 2018-11-30 | 国家康复辅具研究中心 | 基于脑电和功能性电刺激的上肢主动康复方法及装置 |
CN113518642A (zh) * | 2018-12-14 | 2021-10-19 | 大脑补丁有限公司 | 脑交互设备和方法 |
CN110585590A (zh) * | 2019-09-24 | 2019-12-20 | 中国人民解放军陆军军医大学第一附属医院 | 一种经颅直流电刺激装置及数据处理方法 |
CN110732082A (zh) * | 2019-09-27 | 2020-01-31 | 杭州电子科技大学 | 一种经颅直流电刺激和功能性电刺激的运动功能康复方法 |
CN111584030A (zh) * | 2020-04-30 | 2020-08-25 | 天津大学 | 基于深度学习和复杂网络的意念控制智能康复系统及应用 |
CN111584031A (zh) * | 2020-04-30 | 2020-08-25 | 天津大学 | 基于便携式脑电采集设备的脑控智能肢体康复系统及应用 |
CN112370659A (zh) * | 2020-11-10 | 2021-02-19 | 四川大学华西医院 | 基于机器学习的头部刺激训练装置的实现方法 |
CN113180693A (zh) * | 2021-03-23 | 2021-07-30 | 深圳市人民医院 | 静息态脑电rTMS疗效预测及干预闭环反馈诊疗方法 |
CN113349794A (zh) * | 2021-05-31 | 2021-09-07 | 杭州回车电子科技有限公司 | 经颅电刺激控制方法及控制装置 |
CN114504730A (zh) * | 2022-01-30 | 2022-05-17 | 天津大学 | 基于深度学习的便携式脑控手部电刺激康复系统 |
Non-Patent Citations (3)
Title |
---|
乔晓艳等: "经穴电刺激诱发的脑-肌电信号相干性研究", 《测试技术学报》 * |
王春晖等: "大脑α波能量实时反馈调节的经穴磁刺激方法", 《传感技术学报》 * |
綦宏志等: "功能性电刺激下下肢相关运动诱发的脑状态变化分析", 《纳米技术与精密工程》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116931738A (zh) * | 2023-09-13 | 2023-10-24 | 杭州般意科技有限公司 | 一种基于脑电波动态调节电流强度的干预刺激方法 |
CN116931738B (zh) * | 2023-09-13 | 2023-12-12 | 杭州般意科技有限公司 | 一种基于脑电波动态调节电流强度的干预刺激方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115363604B (zh) | 2023-03-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200155061A1 (en) | Neuromodulation method and system for sleep disorders | |
US20150105837A1 (en) | Brain therapy system and method using noninvasive brain stimulation | |
CN104978035B (zh) | 基于体感电刺激诱发p300的脑机接口系统及其实现方法 | |
US11744514B2 (en) | Device and method for calibrating a non-invasive mechanically tactile and/or thermal neurostimulation | |
JP2017502722A (ja) | 脳波測定及び脳刺激システム | |
KR102211647B1 (ko) | 인공지능 수면개선 비침습적 뇌회로 조절치료시스템 및 방법 | |
CN115363604B (zh) | 基于脑电信号的电极放电自动调节系统、介质及电子设备 | |
WO2020116796A1 (ko) | 수면개선을 위한 인공지능 기반 비침습적 뇌회로 조절치료시스템 및 방법 | |
CN110192856A (zh) | 一种基于脑电、心电的智能反馈系统 | |
Lowery et al. | Independence of myoelectric control signals examined using a surface EMG model | |
Gevins | Electrophysiological Imaging | |
US20240042204A1 (en) | A closed-loop adaptive ac stimulation neural network regulation method and system | |
CN115517687A (zh) | 基于多模态融合改善焦虑的特异性神经反馈系统 | |
KR102460337B1 (ko) | 초음파 자극 제어 장치 및 방법 | |
KR101349748B1 (ko) | 두부경락활성 측정장치 | |
CN105268104A (zh) | 一种控制刺激线圈端的经颅磁刺激仪系统 | |
KR20140102879A (ko) | 전기 침술 시스템 | |
CN115192907A (zh) | 一种实时生物反馈经皮迷走神经电子针灸装置 | |
US20210393991A1 (en) | Systems and methods for transcranial brain stimulation using ultrasound | |
Kharchenko et al. | Restrictions of the measurement system and a patient when using visually evoked potentials | |
CN204158893U (zh) | 一种控制刺激线圈端的经颅磁刺激仪 | |
KR100456038B1 (ko) | 바이오피드백 시스템 | |
KR20130001526A (ko) | 경혈자극 실시간 감시/치료 장치 | |
Nakano | EEG measurement as a tool for rehabilitation assessment and treatment | |
CN111760196A (zh) | 一种智能精神治疗用多功能磁疗装置 |
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 | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: An electrode discharge automatic regulation system, medium, and electronic device based on EEG signals Effective date of registration: 20231225 Granted publication date: 20230303 Pledgee: Agricultural Bank of China Limited Tai'an Mount Taishan Sub branch Pledgor: SHANDONG HAITIAN INTELLIGENT ENGINEERING Co.,Ltd. Registration number: Y2023980074026 |
|
PE01 | Entry into force of the registration of the contract for pledge of patent right |