CN115430050A - 充电提醒装置、植入式神经刺激系统及存储介质 - Google Patents
充电提醒装置、植入式神经刺激系统及存储介质 Download PDFInfo
- Publication number
- CN115430050A CN115430050A CN202211006766.1A CN202211006766A CN115430050A CN 115430050 A CN115430050 A CN 115430050A CN 202211006766 A CN202211006766 A CN 202211006766A CN 115430050 A CN115430050 A CN 115430050A
- Authority
- CN
- China
- Prior art keywords
- stimulator
- configuration information
- patient
- charging
- training
- 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
- 230000007383 nerve stimulation Effects 0.000 title description 7
- 238000004891 communication Methods 0.000 claims abstract description 74
- 238000000338 in vitro Methods 0.000 claims abstract description 37
- 238000012549 training Methods 0.000 claims description 132
- 230000000638 stimulation Effects 0.000 claims description 70
- 238000013136 deep learning model Methods 0.000 claims description 49
- 238000000034 method Methods 0.000 claims description 37
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 14
- 201000010099 disease Diseases 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 238000002372 labelling Methods 0.000 claims description 9
- 208000021384 Obsessive-Compulsive disease Diseases 0.000 claims description 7
- 208000024827 Alzheimer disease Diseases 0.000 claims description 6
- 208000018737 Parkinson disease Diseases 0.000 claims description 6
- 206010013663 drug dependence Diseases 0.000 claims description 6
- 206010015037 epilepsy Diseases 0.000 claims description 6
- 208000011117 substance-related disease Diseases 0.000 claims description 6
- 206010044565 Tremor Diseases 0.000 claims description 5
- 230000003993 interaction Effects 0.000 abstract description 17
- 230000006870 function Effects 0.000 description 21
- 210000005036 nerve Anatomy 0.000 description 9
- 230000009286 beneficial effect Effects 0.000 description 8
- 210000004556 brain Anatomy 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000013461 design Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 5
- 208000002193 Pain Diseases 0.000 description 4
- 210000002569 neuron Anatomy 0.000 description 4
- 238000001727 in vivo Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 244000045947 parasite Species 0.000 description 3
- 208000024891 symptom Diseases 0.000 description 3
- 239000003826 tablet Substances 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 210000005013 brain tissue Anatomy 0.000 description 2
- 230000000747 cardiac effect Effects 0.000 description 2
- 208000035475 disorder Diseases 0.000 description 2
- 208000024714 major depressive disease Diseases 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 208000020016 psychiatric disease Diseases 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 210000000278 spinal cord Anatomy 0.000 description 2
- 208000019901 Anxiety disease Diseases 0.000 description 1
- 206010003805 Autism Diseases 0.000 description 1
- 208000020706 Autistic disease Diseases 0.000 description 1
- 208000020925 Bipolar disease Diseases 0.000 description 1
- 206010010904 Convulsion Diseases 0.000 description 1
- 208000023105 Huntington disease Diseases 0.000 description 1
- 208000026139 Memory disease Diseases 0.000 description 1
- 208000019695 Migraine disease Diseases 0.000 description 1
- 208000019022 Mood disease Diseases 0.000 description 1
- 208000016285 Movement disease Diseases 0.000 description 1
- 208000012902 Nervous system disease Diseases 0.000 description 1
- 208000025966 Neurological disease Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000036506 anxiety Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 208000028683 bipolar I disease Diseases 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 230000001054 cortical effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 238000012377 drug delivery Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 201000006517 essential tremor Diseases 0.000 description 1
- 230000002496 gastric effect Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000007943 implant Substances 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000006996 mental state Effects 0.000 description 1
- 206010027599 migraine Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000000926 neurological effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 210000000578 peripheral nerve Anatomy 0.000 description 1
- 208000028173 post-traumatic stress disease Diseases 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 210000001186 vagus nerve Anatomy 0.000 description 1
Images
Classifications
-
- 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
- A61N1/3605—Implantable neurostimulators for stimulating central or peripheral nerve system
-
- 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
- A61N1/3605—Implantable neurostimulators for stimulating central or peripheral nerve system
- A61N1/36125—Details of circuitry or electric components
-
- 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
- A61N1/372—Arrangements in connection with the implantation of stimulators
- A61N1/378—Electrical supply
- A61N1/3787—Electrical supply from an external energy source
Landscapes
- Health & Medical Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Neurosurgery (AREA)
- Neurology (AREA)
- Electrotherapy Devices (AREA)
Abstract
本申请提供充电提醒装置、植入式神经刺激系统及存储介质,所述充电提醒装置包括控制器,所述控制器被配置成:获取所述刺激器的配置信息;基于所述刺激器的配置信息,获取所述刺激器的耗电速度;利用所述体外通信设备获取所述刺激器的当前电量,基于所述刺激器的当前电量和所述耗电速度,预测所述刺激器的电量达到预设电量阈值时对应的应充电时刻;基于所述应充电时刻,获取所述体外通信设备的充电提醒策略,以提醒所述患者对所述刺激器进行充电,所述充电提醒策略包括提醒频率和/或提醒内容。刺激器无需频繁地与体外通信设备进行数据交互,减轻了刺激器的运算负担,提前对用户进行充电提醒,避免患者忘记对刺激器进行充电。
Description
技术领域
本申请涉及植入式器械、远程程控和深度学习的技术领域,尤其涉及充电提醒装置、植入式神经刺激系统及存储介质。
背景技术
刺激器植入于患者体内,通过电极导线上的刺激触点向靶点递送电刺激,从而改善患者症状、缓解病痛。由于刺激器在患者体内,看不见摸不着,不像手机等体外智能设备可以显示实时电量,让用户明确什么时候该充电。
一旦患者体内的刺激器未及时充电,电量耗尽,会导致患者的病症无法得到有效控制,无法缓解患者的病痛,更重要的是,如果患者好不容易(提前挂号)预约了“远程程控”,等医生准备进行远程程控时,却发现患者的刺激器没电了,可能会使患者错失治病的机会,又得耗费时间和精力重新预约,等待医生有合适的时间进行程控,由此可见提前提醒患者对刺激器充电是非常必要的。
专利CN108174034A公开了一种采用APP实时监控骶神经调节装置的系统,包括骶神经调节装置、移动终端及服务器;骶神经调节装置内设置用于收发信息的内置APP,移动终端内设置用于收发信息的外置APP,内置APP用于经服务器向外置APP发送内置电池电量信息,外置APP用于经服务器向外置控制器发送充电请求,利用外置控制器控制外置充电装置向内置充电装置充电。这种方式虽然可以通过外部设备实时地去监测骶神经调节装置内置电池的电量,但是要求骶神经调节装置频繁地与外部设备进行交互,大大加重骶神经调节装置的运算负担,甚至会干扰到正常的电刺激功能。
因此,亟需提供充电提醒装置、植入式神经刺激系统及存储介质,解决现有技术存在的问题。
发明内容
本申请的目的在于提供充电提醒装置、植入式神经刺激系统及存储介质,在刺激器无需频繁地与体外通信设备进行数据交互的情况下,提前对用户进行充电提醒。
本申请的目的采用以下技术方案实现:
第一方面,本申请提供了一种充电提醒装置,所述充电提醒装置包括控制器,所述控制器分别与刺激器和体外通信设备进行数据交互,所述刺激器植入于患者体内,所述刺激器设置有至少一个电极导线并利用电极导线的电极触点向所述患者递送电刺激,所述控制器被配置成:
获取所述刺激器的配置信息,所述配置信息包括以下至少一种:电极导线的数量、每个电极导线使用的电极触点的数量以及电刺激信号的幅值、脉宽和频率;
基于所述刺激器的配置信息,获取所述刺激器的耗电速度;
利用所述体外通信设备获取所述刺激器的当前电量,基于所述刺激器的当前电量和所述耗电速度,预测所述刺激器的电量达到预设电量阈值时对应的应充电时刻;
基于所述应充电时刻,获取所述体外通信设备的充电提醒策略,以提醒所述患者对所述刺激器进行充电,所述充电提醒策略包括提醒频率和/或提醒内容。
该技术方案的有益效果在于:根据刺激器的配置信息评估刺激器的耗电速度,再根据刺激器的当前电量和耗电速度,预测刺激器电量达到预设电量阈值时对应的应充电时刻(按预估的耗电速度,电量什么时候到充电的临界点),再根据应充电时刻,获取体外通信设备的充电提醒策略,以提醒患者对刺激器进行充电。
这样的话,只需利用体外通信设备提前获取一次刺激器的电量,就能预测刺激器还有多久应该充电,不用实时去获取刺激器的电量,换而言之,刺激器无需频繁地与体外通信设备进行数据交互,减轻了刺激器的运算负担,并且可以提前(多次)对用户进行充电提醒,避免患者忘记对刺激器进行充电。
在一些可选的实施例中,所述体外通信设备包括程控设备和/或体外充电器;
所述控制器被配置成采用以下方式获取所述刺激器的当前电量:
当所述程控设备与所述刺激器建立程控连接时,利用所述程控设备获取所述刺激器的当前电量,或者,
当所述体外充电器与所述刺激器建立通信连接时,利用所述体外充电器获取所述刺激器的当前电量。
该技术方案的有益效果在于:体外通信设备可以是程控设备或者体外充电器,当程控设备与刺激器建立程控连接以对刺激器进行程控时,可以在程控的同时顺便获取刺激器的电量;当体外充电器与刺激器建立通信连接时,可以利用体外充电器顺便获取刺激器的电量。
需要说明的是:体外充电器可以对刺激器进行充电,还可以提供与刺激器进行数据交互的功能,从而获取刺激器的当前电量。
在一些可选的实施例中,所述控制器被配置成采用以下方式获取所述刺激器的耗电速度:
将所述刺激器的配置信息输入至耗电预测模型,以得到所述刺激器的耗电速度;
其中,所述耗电预测模型的训练过程包括:
获取第一训练集,所述第一训练集包括多个第一训练数据,每个所述第一训练数据包括一个样本刺激器的配置信息以及所述样本刺激器的耗电速度的标注数据;
针对所述第一训练集中的每个第一训练数据,执行以下处理:
将所述第一训练数据中的样本刺激器的配置信息输入至预设的第一深度学习模型,以得到所述样本刺激器的耗电速度的预测数据;
基于所述样本刺激器的耗电速度的预测数据和标注数据,对所述第一深度学习模型的模型参数进行更新;
检测是否满足预设的训练结束条件;如果是,则将训练出的第一深度学习模型作为所述耗电预测模型;如果否,则利用下一个所述第一训练数据继续训练所述第一深度学习模型。
该技术方案的有益效果在于:通过设计,建立适量的神经元计算节点和多层运算层次结构,选择合适的输入层和输出层,就可以得到预设的第一深度学习模型,通过该预设的第一深度学习模型的学习和调优,建立起从输入到输出的函数关系,虽然不能100%找到输入与输出的函数关系,但是可以尽可能地逼近现实的关联关系,由此训练得到的耗电预测模型,可以基于刺激器的配置信息预测刺激器的耗电速度,且预测结果准确性高、可靠性高。
在一些可选的实施例中,电极导线的电极触点还用于采集所述患者的脑电信号,所述控制器还被配置成:
利用所述电极触点采集所述患者的脑电信号;
获取所述脑电信号对应的参考配置信息,当所述参考配置信息与所述刺激器的配置信息不匹配时,利用所述参考配置信息更新所述刺激器的配置信息;
基于更新后的刺激器的配置信息,对所述体外通信设备的充电提醒策略进行更新。
该技术方案的有益效果在于:患者的病情一般不是固定不变的,当患者的病情变化时,相应地,刺激器的配置信息也需要进行调整以适应患者的身体状况,这个时候需要重新对耗电情况进行评估。
可以利用电极导线的刺激触点采集患者的脑电信号,脑电信号可以反映患者病情的严重程度,根据脑电信号设置相应的参考配置信息,当参考配置信息与刺激器的当前的配置信息相差很大,不匹配时,根据参考配置信息更新刺激器的配置信息,从而利用更新后的刺激器的配置信息重新评估耗电速度,进而对体外通信设备的充电提醒策略进行更新,这样的话,配置信息可以基于患者的病情更新,充电提醒策略可以随着配置信息的更新而自适应调节,避免错误提醒的情况。
在一些可选的实施例中,所述控制器被配置成采用以下方式获取所述脑电信号对应的参考配置信息:
将所述患者的脑电信号输入至参考配置模型,以得到所述脑电信号对应的参考配置信息;
其中,所述参考配置模型的训练过程包括:
获取第二训练集,所述第二训练集包括多个第二训练数据,每个所述第二训练数据包括一个样本脑电信号以及所述样本脑电信号对应的参考配置信息的标注数据;
针对所述第二训练集中的每个第二训练数据,执行以下处理:
将所述第二训练数据中的样本脑电信号输入至预设的第二深度学习模型,以得到所述样本脑电信号对应的参考配置信息的预测数据;
基于所述样本脑电信号对应的参考配置信息的预测数据和标注数据,对所述第二深度学习模型的模型参数进行更新;
检测是否满足预设的训练结束条件;如果是,则将训练出的第二深度学习模型作为所述参考配置模型;如果否,则利用下一个所述第二训练数据继续训练所述第二深度学习模型。
该技术方案的有益效果在于:通过设计,建立适量的神经元计算节点和多层运算层次结构,选择合适的输入层和输出层,就可以得到预设的第二深度学习模型,通过该预设的第二深度学习模型的学习和调优,建立起从输入到输出的函数关系,虽然不能100%找到输入与输出的函数关系,但是可以尽可能地逼近现实的关联关系,由此训练得到的参考配置模型,可以基于患者的脑电信号获取对应的参考配置信息,且计算结果准确性高、可靠性高。
在一些可选的实施例中,所述刺激器的配置信息包括刺激时间段以及电刺激信号的幅值、脉宽和频率。
该技术方案的有益效果在于:刺激器的配置信息除了幅值、脉宽和频率,还可以包括刺激时间段,一般而言,患者每天的刺激时间段是固定的,例如是早上8点到晚上10点,刺激时间段越长,每天的耗电量越高。
在一些可选的实施例中,所述控制器被配置成采用以下方式获取所述体外通信设备的充电提醒策略:
获取应充电时刻范围与充电提醒策略的对应关系,所述对应关系的形式包括对应关系表和/或对应关系图;
在所述对应关系中查找所述应充电时刻所处的应充电时刻范围对应的充电提醒策略,作为所述体外通信设备的充电提醒策略。
该技术方案的有益效果在于:应充电时刻范围可以与充电提醒策略预先建立起对应关系(用图或者表来表示),这样的话,就可以根据直接在对应关系中查找预测的应充电时刻对应的充电提醒策略,计算量较小,计算效率高。
在一些可选的实施例中,所述患者的疾病类型包括癫痫、震颤、帕金森病、抑郁症、强迫症、阿尔茨海默症和药物成瘾症中的一个或多个。
该技术方案的有益效果在于:体外充电器适用于多种不同疾病类型的患者,适用范围较广。
第二方面,本申请提供了一种充电提醒方法,所述方法应用于植入式神经刺激系统,所述植入式神经刺激系统包括刺激器和体外通信设备,所述刺激器植入于患者体内,所述刺激器设置有至少一个电极导线并利用电极导线的电极触点向所述患者递送电刺激,所述方法包括:
获取所述刺激器的配置信息,所述配置信息包括以下至少一种:电极导线的数量、每个电极导线使用的电极触点的数量以及电刺激信号的幅值、脉宽和频率;
基于所述刺激器的配置信息,获取所述刺激器的耗电速度;
利用所述体外通信设备获取所述刺激器的当前电量,基于所述刺激器的当前电量和所述耗电速度,预测所述刺激器的电量达到预设电量阈值时对应的应充电时刻;
基于所述应充电时刻,获取所述体外通信设备的充电提醒策略,以提醒所述患者对所述刺激器进行充电,所述充电提醒策略包括提醒频率和/或提醒内容。
在一些可选的实施例中,所述体外通信设备包括程控设备和/或体外充电器;
所述获取所述刺激器的当前电量包括:
当所述程控设备与所述刺激器建立程控连接时,利用所述程控设备获取所述刺激器的当前电量,或者,
当所述体外充电器与所述刺激器建立通信连接时,利用所述体外充电器获取所述刺激器的当前电量。
在一些可选的实施例中,所述获取所述刺激器的耗电速度包括:
将所述刺激器的配置信息输入至耗电预测模型,以得到所述刺激器的耗电速度;
其中,所述耗电预测模型的训练过程包括:
获取第一训练集,所述第一训练集包括多个第一训练数据,每个所述第一训练数据包括一个样本刺激器的配置信息以及所述样本刺激器的耗电速度的标注数据;
针对所述第一训练集中的每个第一训练数据,执行以下处理:
将所述第一训练数据中的样本刺激器的配置信息输入至预设的第一深度学习模型,以得到所述样本刺激器的耗电速度的预测数据;
基于所述样本刺激器的耗电速度的预测数据和标注数据,对所述第一深度学习模型的模型参数进行更新;
检测是否满足预设的训练结束条件;如果是,则将训练出的第一深度学习模型作为所述耗电预测模型;如果否,则利用下一个所述第一训练数据继续训练所述第一深度学习模型。
在一些可选的实施例中,电极导线的电极触点还用于采集所述患者的脑电信号,所述方法还包括:
利用所述电极触点采集所述患者的脑电信号;
获取所述脑电信号对应的参考配置信息,当所述参考配置信息与所述刺激器的配置信息不匹配时,利用所述参考配置信息更新所述刺激器的配置信息;
基于更新后的刺激器的配置信息,对所述体外通信设备的充电提醒策略进行更新。
在一些可选的实施例中,所述获取所述脑电信号对应的参考配置信息包括:
将所述患者的脑电信号输入至参考配置模型,以得到所述脑电信号对应的参考配置信息;
其中,所述参考配置模型的训练过程包括:
获取第二训练集,所述第二训练集包括多个第二训练数据,每个所述第二训练数据包括一个样本脑电信号以及所述样本脑电信号对应的参考配置信息的标注数据;
针对所述第二训练集中的每个第二训练数据,执行以下处理:
将所述第二训练数据中的样本脑电信号输入至预设的第二深度学习模型,以得到所述样本脑电信号对应的参考配置信息的预测数据;
基于所述样本脑电信号对应的参考配置信息的预测数据和标注数据,对所述第二深度学习模型的模型参数进行更新;
检测是否满足预设的训练结束条件;如果是,则将训练出的第二深度学习模型作为所述参考配置模型;如果否,则利用下一个所述第二训练数据继续训练所述第二深度学习模型。
在一些可选的实施例中,所述刺激器的配置信息包括刺激时间段以及电刺激信号的幅值、脉宽和频率。
在一些可选的实施例中,所述获取所述体外通信设备的充电提醒策略包括:
获取应充电时刻范围与充电提醒策略的对应关系,所述对应关系的形式包括对应关系表和/或对应关系图;
在所述对应关系中查找所述应充电时刻所处的应充电时刻范围对应的充电提醒策略,作为所述体外通信设备的充电提醒策略。
在一些可选的实施例中,所述患者的疾病类型包括癫痫、震颤、帕金森病、抑郁症、强迫症、阿尔茨海默症和药物成瘾症中的一个或多个。
第三方面,本申请提供了一种植入式神经刺激系统,所述植入式神经刺激系统包括:
刺激器,所述刺激器植入于患者体内,所述刺激器设置有至少一个电极导线并利用电极导线的电极触点向所述患者递送电刺激;
体外通信设备,所述体外通信设备设置于所述患者的体外,所述体外通信设备用于提醒所述患者对所述刺激器进行充电;
上述任一项充电提醒装置。
在一些可选的实施例中,所述体外通信设备与所述充电提醒装置集成为一体。
第四方面,本申请提供了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,所述计算机程序被处理器执行时实现上述任一项控制器的功能。
附图说明
下面结合附图和实施例对本申请进一步说明。
图1是本申请实施例提供的一种植入式神经刺激系统的结构框图。
图2是本申请实施例提供的一种刺激器的结构框图。
图3是本申请实施例提供的一种充电提醒方法的流程示意图。
图4是本申请实施例提供的一种控制器的结构框图。
图5是本申请实施例提供的一种程序产品的结构示意图。
具体实施方式
下面,结合附图以及具体实施方式,对本申请做进一步描述,需要说明的是,在不相冲突的前提下,以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
在本申请实施例中,“至少一个”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B的情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指的这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,a和b,a和c,b和c,a和b和c,其中a、b和c可以是单个,也可以是多个。值得注意的是,“至少一项(个)”还可以解释成“一项(个)或多项(个)”。
还需说明的是,本申请实施例中,“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施方式或设计方案不应被解释为比其他实施方式或设计方案更优选或更具优势。确切而言,使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
下面,首先对本申请实施例的其中一个应用领域(即植入式器械)进行简单说明。
植入式神经刺激系统(一种植入式医疗系统)主要包括植入患者体内的刺激器以及设置于患者体外的程控设备。现有的神经调控技术主要是通过立体定向手术在体内特定结构(即靶点)植入电极,并由植入患者体内的刺激器经电极向靶点发放电脉冲,调控相应神经结构和网络的电活动及其功能,从而改善症状、缓解病痛。其中,刺激器可以是植入式神经电刺激装置、植入式心脏电刺激系统(又称心脏起搏器)、植入式药物输注装置(Implantable Drug Delivery System,简称IDDS)和导线转接装置中的任意一种。植入式神经电刺激装置例如是脑深部电刺激系统(Deep Brain Stimulation,简称DBS)、植入式脑皮层刺激系统(Cortical Nerve Stimulation,简称CNS)、植入式脊髓电刺激系统(SpinalCord Stimulation,简称SCS)、植入式骶神经电刺激系统(Sacral Nerve Stimulation,简称SNS)、植入式迷走神经电刺激系统(Vagus Nerve Stimulation,简称VNS)等。
刺激器可以包括IPG、延伸导线和电极导线,IPG(implantable pulse generator,植入式脉冲发生器)设置于患者体内,响应于程控设备发送的程控指令,依靠密封电池和电路向体内组织提供可控制的电刺激能量,通过植入的延伸导线和电极导线,为体内组织的特定区域递送一路或两路可控制的特定电刺激。延伸导线配合IPG使用,作为电刺激信号的传递媒体,将IPG产生的电刺激信号,传递给电极导线。电极导线通过多个电极触点,向体内组织的特定区域递送电刺激。刺激器设置有单侧或双侧的一路或多路电极导线,电极导线上设置有多个电极触点,电极触点可以均匀排列或者非均匀排列在电极导线的周向上。作为一个示例,电极触点可以以4行3列的阵列(共计12个电极触点)排列在电极导线的周向上。电极触点可以包括刺激电极触点和/或采集电极触点。电极触点例如可以采用片状、环状、点状等形状。
在一些可能的实施方式中,受刺激的体内组织可以是患者的脑组织,受刺激的部位可以是脑组织的特定部位。当患者的疾病类型不同时,受刺激的部位一般来说是不同的,所使用的刺激触点(单源或多源)的数量、一路或多路(单通道或多通道)特定电刺激信号的运用以及刺激参数数据也是不同的。本申请实施例对适用的疾病类型不做限定,其可以是脑深部刺激(DBS)、脊髓刺激(SCS)、骨盆刺激、胃刺激、外周神经刺激、功能性电刺激所适用的疾病类型。其中,DBS可以用于治疗或管理的疾病类型包括但不限于:痉挛疾病(例如,癫痫)、疼痛、偏头痛、精神疾病(例如,重度抑郁症(MDD))、躁郁症、焦虑症、创伤后压力心理障碍症、轻郁症、强迫症(OCD)、行为障碍、情绪障碍、记忆障碍、心理状态障碍、移动障碍(例如,特发性震颤或帕金森氏病)、亨廷顿病、阿尔茨海默症、药物成瘾症、孤独症或其他神经学或精神科疾病和损害。
本申请实施例中,程控设备和刺激器建立程控连接时,可以利用程控设备调整刺激器的刺激参数(不同的刺激参数所对应的电刺激信号不同),也可以通过刺激器感测患者脑深部的电生理活动以采集得到电生理信号,并可以通过所采集到的电生理信号来继续调节刺激器的刺激参数。
刺激参数可以包括以下至少一种:刺激触点标识(例如可以是2#电极触点和3#电极触点)、频率(例如是单位时间1s内的电刺激脉冲信号个数,单位为Hz)、脉宽(每个脉冲的持续时间,单位为μs)、幅值(一般用电压表述,即每个脉冲的强度,单位为V)、时序(例如可以是连续或者簇发,簇发是指多个过程组成的不连续的时序行为)、刺激模式(包括电流模式、电压模式、定时刺激模式和循环刺激模式中的一种或多种)、医生控制上限及下限(医生可调节的范围)和患者控制上限及下限(患者可自主调节的范围)。
在一个具体应用场景中,可以在电流模式或者电压模式下对刺激器的各刺激参数进行调节。
程控设备可以是医生程控设备(即医生使用的程控设备)或者患者程控设备(即患者使用的程控设备)。医生程控设备例如可以是搭载有程控软件的平板电脑、笔记本电脑、台式计算机、手机等智能终端设备。患者程控设备例如可以是搭载有程控软件的平板电脑、笔记本电脑、台式计算机、手机等智能终端设备,患者程控设备还可以是其他具有程控功能的电子设备(例如是具有程控功能的充电器、数据采集设备)。
本申请实施例对医生程控设备和刺激器的数据交互不进行限制,当医生远程程控时,医生程控设备可以通过服务器、患者程控设备与刺激器进行数据交互。当医生线下和患者面对面进行程控时,医生程控设备可以通过患者程控设备与刺激器进行数据交互,医生程控设备还可以直接与刺激器进行数据交互。
在一些可选的实施方式中,患者程控设备可以包括(与服务器通信的)主机和(与刺激器通信的)子机,主机和子机可通信的连接。其中,医生程控设备可以通过3G/4G/5G网络与服务器进行数据交互,服务器可以通过3G/4G/5G网络与主机进行数据交互,主机可以通过蓝牙协议/WIFI协议/USB协议与子机进行数据交互,子机可以通过401MHz-406MHz工作频段/2.4GHz-2.48GHz工作频段与刺激器进行数据交互,医生程控设备可以通过401MHz-406MHz工作频段/2.4GHz-2.48GHz工作频段与刺激器直接进行数据交互。
在一具体应用中,当子机和患者体内的IPG通信时可以获取到IPG的当前电量,并将IPG电量信息记录到子机内,同时子机集成通信模块(3G模块/4G模块/5G模块),通过该通信模块可以和服务器进行通信,利用服务器提醒用户对IPG进行充电。
参见图1,图1示出了本申请实施例提供的一种植入式神经刺激系统的结构框图。
所述植入式神经刺激系统包括:
刺激器10,所述刺激器10植入于患者体内,所述刺激器10设置有至少一个电极导线并利用电极导线的电极触点向所述患者递送电刺激;
体外通信设备20,所述体外通信设备20设置于所述患者的体外,所述体外通信设备20用于提醒所述患者对所述刺激器10进行充电;
充电提醒装置30,所述充电提醒装置30包括控制器,所述控制器被配置成实现充电提醒方法的步骤。
参见图2,图2是本申请实施例提供的一种刺激器10的结构框图。
所述刺激器10包括植入式脉冲发生器(IPG)11、至少一个电极导线12和至少一个延伸导线13。
至少一个延伸导线13与至少一个电极导线12一一对应地连接,各延伸导线13设置于植入式脉冲发生器11与对应的电极导线12之间,用于实现植入式脉冲发生器11与对应的电极导线12之间的数据传输功能。
体外通信设备20例如可以包括平板电脑、笔记本电脑、台式机、手机和智能穿戴设备中的一种或多种。
在一些可选的实施例中,所述体外通信设备20可以与所述充电提醒装置30集成为一体。
下文将先对充电提醒方法进行说明。
参见图3,图3是本申请实施例提供的一种充电提醒方法的流程示意图。
所述方法应用于植入式神经刺激系统,所述植入式神经刺激系统包括刺激器和体外通信设备,所述刺激器植入于患者体内,所述刺激器设置有至少一个电极导线并利用电极导线的电极触点向所述患者递送电刺激,所述方法包括:
步骤S101:获取所述刺激器的配置信息,所述配置信息包括以下至少一种:电极导线的数量、每个电极导线使用的电极触点的数量以及电刺激信号的幅值、脉宽和频率;
步骤S102:基于所述刺激器的配置信息,获取所述刺激器的耗电速度;
步骤S103:利用所述体外通信设备获取所述刺激器的当前电量,基于所述刺激器的当前电量和所述耗电速度,预测所述刺激器的电量达到预设电量阈值时对应的应充电时刻;
步骤S104:基于所述应充电时刻,获取所述体外通信设备的充电提醒策略,以提醒所述患者对所述刺激器进行充电,所述充电提醒策略包括提醒频率和/或提醒内容。
由此,根据刺激器的配置信息评估刺激器的耗电速度,再根据刺激器的当前电量和耗电速度,预测刺激器电量达到预设电量阈值时对应的应充电时刻(按预估的耗电速度,电量什么时候到充电的临界点),再根据应充电时刻,获取体外通信设备的充电提醒策略,以提醒患者对刺激器进行充电。
这样的话,只需利用体外通信设备提前获取一次刺激器的电量,就能预测刺激器还有多久应该充电,不用实时去获取刺激器的电量,换而言之,刺激器无需频繁地与体外通信设备进行数据交互,减轻了刺激器的运算负担,并且可以提前(多次)对用户进行充电提醒,避免患者忘记对刺激器进行充电。
在一些实施方式中,刺激器包括IPG、延伸导线和电极导线,其中,IPG响应于程控设备发送的程控指令,依靠密封电池和电路向体内组织提供可控制的电刺激能量,通过植入的延伸导线和电极导线,为体内组织的特定区域递送一路或两路可控制的特定电刺激。刺激器的电量也即IPG的电量。
在一些实施方式中,刺激器的配置信息用于指示刺激器的各项刺激参数。
在一些实施方式中,刺激器的配置情况还与电池本身的性能有关,也就是说,刺激器的配置信息还可以包括电池的剩余使用寿命、性能参数等。
耗电速度可以用每天耗电百分比、每小时耗电百分比或者每分钟耗电百分比表示,例如每天耗电10%、每小时耗电1%。
本申请实施例对预设电量阈值不作限定,预设电量阈值例如可以是5%、10%或者15%。
在一些实施方式中,所述体外通信设备可以设置有显示屏和/或音频播放装置,所述方法还可以包括:
基于所述刺激器的当前电量和所述耗电速度,实时预测所述刺激器的剩余电量;
利用显示屏实时显示所预测的剩余电量;和/或,
利用所述音频播放装置每隔预设时长播放语音信息,语音信息的内容可以是所预测的剩余电量,预设时长例如是4小时、8小时或者1天,语音信息例如,“刺激器电量预计还剩20%,请尽快充电”。
在一些实施方式中,可以配置当前电量对应的充电提醒范围(仅根据当前电量设置充电提醒策略),根据不同的范围进行不同的提醒。例如:当前电量如果在70%~100%,五天后提醒用户充电;当前电量如果在50%~70%,三天后提醒用户充电;当前电量如果低于50%,一天后提醒用户充电。这样可以有效保证因为患者忘记充电导致刺激器没有电,避免影响患者健康和生活。
在另一些实施方式中,可以基于刺激器的当前电量和配置信息预测应充电时刻,根据应充电时刻设置充电提醒策略(根据当前电量和配置信息两方面设置充电提醒策略),这种方式预测结果较为准确。
在一具体应用中,患者小王的刺激器配置信息如下:2个电极导线,每个电极导线使用2个电极触点递送电刺激,电刺激信号的幅值为0.3V,脉宽为60us,频率为130Hz。
预估每天的耗电量为10%,刺激器的当前电量(上午8点)为70%,预设电量阈值为20%,则应充电时刻是5天后的上午八点。
充电提醒策略可以由患者自己设置,对于年纪大、健忘的患者,可以设置较高的提醒频率(一天好几次),对于记忆力较好的患者,可以设置较低的提醒频率(只在电量不足的时候进行提醒,电量充足的时候不提醒)。
充电提醒策略可以是:当天提醒1次,提醒内容为:请于5天后进行充电;第二天提醒2次(早、晚各一次),提醒内容为:请于4天后进行充电;第三天提醒2次(早、晚各一次),提醒内容为:请于3天后进行充电;第四天提醒3次(早、中、晚各一次),提醒内容为:请于2天后进行充电;第五天提醒4次,提醒内容为:请于1天后进行充电。这样重复多次的提前提醒,可以加深患者对于充电这件事情的记忆。
或者,充电提醒策略也可以是:前4天不提醒,到了第五天再对用户进行提醒,这样可以只在电量不足的时候对患者进行提醒,电量充足的时候不提醒,避免患者频繁被提醒,引起患者的反感。
在一些可选的实施例中,所述体外通信设备包括程控设备和/或体外充电器;
所述获取所述刺激器的当前电量可以包括:
当所述程控设备与所述刺激器建立程控连接时,利用所述程控设备获取所述刺激器的当前电量,或者,
当所述体外充电器与所述刺激器建立通信连接时,利用所述体外充电器获取所述刺激器的当前电量。
由此,体外通信设备可以是程控设备或者体外充电器,当程控设备与刺激器建立程控连接以对刺激器进行程控时,可以在程控的同时顺便获取刺激器的电量;当体外充电器与刺激器建立通信连接时,可以利用体外充电器顺便获取刺激器的电量。
需要说明的是:体外充电器可以对刺激器进行充电(也就是对IPG进行充电),还可以提供与刺激器进行数据交互的功能,从而获取刺激器的当前电量。
在一些可选的实施例中,所述获取所述刺激器的耗电速度可以包括:
将所述刺激器的配置信息输入至耗电预测模型,以得到所述刺激器的耗电速度;
其中,所述耗电预测模型的训练过程包括:
获取第一训练集,所述第一训练集包括多个第一训练数据,每个所述第一训练数据包括一个样本刺激器的配置信息以及所述样本刺激器的耗电速度的标注数据;
针对所述第一训练集中的每个第一训练数据,执行以下处理:
将所述第一训练数据中的样本刺激器的配置信息输入至预设的第一深度学习模型,以得到所述样本刺激器的耗电速度的预测数据;
基于所述样本刺激器的耗电速度的预测数据和标注数据,对所述第一深度学习模型的模型参数进行更新;
检测是否满足预设的训练结束条件;如果是,则将训练出的第一深度学习模型作为所述耗电预测模型;如果否,则利用下一个所述第一训练数据继续训练所述第一深度学习模型。
由此,通过设计,建立适量的神经元计算节点和多层运算层次结构,选择合适的输入层和输出层,就可以得到预设的第一深度学习模型,通过该预设的第一深度学习模型的学习和调优,建立起从输入到输出的函数关系,虽然不能100%找到输入与输出的函数关系,但是可以尽可能地逼近现实的关联关系,由此训练得到的耗电预测模型,可以基于刺激器的配置信息预测刺激器的耗电速度,且预测结果准确性高、可靠性高。
在一些实施方式中,本申请实施例可以采用上述训练过程训练得到耗电预测模型,在另一些实施方式中,本申请实施例可以采用预先训练好的耗电预测模型。
本申请实施例对标注数据的获取方式不作限定,例如可以采用人工标注的方式,也可以采用自动标注或者半自动标注的方式。
本申请实施例对耗电预测模型的训练过程不作限定,其例如可以采用上述监督学习的训练方式,或者可以采用半监督学习的训练方式,或者可以采用无监督学习的训练方式。
本申请实施例对预设的第一训练结束条件不作限定,其例如可以是训练次数达到预设次数(预设次数例如是1次、3次、10次、100次、1000次、10000次等),或者可以是第一训练集中的训练数据都完成一次或多次训练,或者可以是本次训练得到的总损失值不大于预设损失值。
在一些可选的实施例中,电极导线的电极触点还用于采集所述患者的脑电信号,所述方法还可以包括:
利用所述电极触点采集所述患者的脑电信号;
获取所述脑电信号对应的参考配置信息,当所述参考配置信息与所述刺激器的配置信息不匹配时,利用所述参考配置信息更新所述刺激器的配置信息;
基于更新后的刺激器的配置信息,对所述体外通信设备的充电提醒策略进行更新。
由此,患者的病情一般不是固定不变的,当患者的病情变化时,相应地,刺激器的配置信息也需要进行调整以适应患者的身体状况,这个时候需要重新对耗电情况进行评估。
可以利用电极导线的刺激触点采集患者的脑电信号,脑电信号可以反映患者病情的严重程度,根据脑电信号设置相应的参考配置信息,当参考配置信息与刺激器的当前的配置信息相差很大,不匹配时,根据参考配置信息更新刺激器的配置信息,从而利用更新后的刺激器的配置信息重新评估耗电速度,进而对体外通信设备的充电提醒策略进行更新,这样的话,配置信息可以基于患者的病情更新,充电提醒策略可以随着配置信息的更新而自适应调节,避免错误提醒的情况。
可以采用机器学习模型、深度学习模型或者强化学习模型等人工智能算法对脑电信号进行分析处理,由此得到参考配置信息,根据参考配置信息对刺激器的当前配置信息进行更新(电极导线及触点数量一般不变,一般会对电刺激信号的幅值、频率、脉宽进行调整),使得更新后的配置信息更适用于患者当前阶段的病情。
在一些实施方式中,可以利用相似度检测模型检测参考配置信息与刺激器的配置信息的相似度,当二者相似度小于预设相似度阈值时,确定所述参考配置信息与所述刺激器的配置信息不匹配。
在一些可选的实施例中,所述获取所述脑电信号对应的参考配置信息可以包括:
将所述患者的脑电信号输入至参考配置模型,以得到所述脑电信号对应的参考配置信息;
其中,所述参考配置模型的训练过程包括:
获取第二训练集,所述第二训练集包括多个第二训练数据,每个所述第二训练数据包括一个样本脑电信号以及所述样本脑电信号对应的参考配置信息的标注数据;
针对所述第二训练集中的每个第二训练数据,执行以下处理:
将所述第二训练数据中的样本脑电信号输入至预设的第二深度学习模型,以得到所述样本脑电信号对应的参考配置信息的预测数据;
基于所述样本脑电信号对应的参考配置信息的预测数据和标注数据,对所述第二深度学习模型的模型参数进行更新;
检测是否满足预设的训练结束条件;如果是,则将训练出的第二深度学习模型作为所述参考配置模型;如果否,则利用下一个所述第二训练数据继续训练所述第二深度学习模型。
由此,通过设计,建立适量的神经元计算节点和多层运算层次结构,选择合适的输入层和输出层,就可以得到预设的第二深度学习模型,通过该预设的第二深度学习模型的学习和调优,建立起从输入到输出的函数关系,虽然不能100%找到输入与输出的函数关系,但是可以尽可能地逼近现实的关联关系,由此训练得到的参考配置模型,可以基于患者的脑电信号获取对应的参考配置信息,且计算结果准确性高、可靠性高。
在一些实施方式中,本申请实施例可以采用上述训练过程训练得到参考配置模型,在另一些实施方式中,本申请实施例可以采用预先训练好的参考配置模型。
本申请实施例对标注数据的获取方式不作限定,例如可以采用人工标注的方式,也可以采用自动标注或者半自动标注的方式。
本申请实施例对参考配置模型的训练过程不作限定,其例如可以采用上述监督学习的训练方式,或者可以采用半监督学习的训练方式,或者可以采用无监督学习的训练方式。
本申请实施例对预设的第二训练结束条件不作限定,其例如可以是训练次数达到预设次数(预设次数例如是1次、3次、10次、100次、1000次、10000次等),或者可以是第二训练集中的训练数据都完成一次或多次训练,或者可以是本次训练得到的总损失值不大于预设损失值。
在一些可选的实施例中,所述刺激器的配置信息包括刺激时间段以及电刺激信号的幅值、脉宽和频率。
由此,刺激器的配置信息除了幅值、脉宽和频率,还可以包括刺激时间段,一般而言,患者每天的刺激时间段是固定的,例如是早上8点到晚上10点,刺激时间段越长,每天的耗电量越高。
在一些可选的实施例中,所述获取所述体外通信设备的充电提醒策略可以包括:
获取应充电时刻范围与充电提醒策略的对应关系,所述对应关系的形式包括对应关系表和/或对应关系图;
在所述对应关系中查找所述应充电时刻所处的应充电时刻范围对应的充电提醒策略,作为所述体外通信设备的充电提醒策略。
由此,应充电时刻范围可以与充电提醒策略预先建立起对应关系(用图或者表来表示),这样的话,就可以根据直接在对应关系中查找预测的应充电时刻对应的充电提醒策略,计算量较小,计算效率高。
在一些可选的实施例中,所述患者的疾病类型包括癫痫、震颤、帕金森病、抑郁症、强迫症、阿尔茨海默症和药物成瘾症中的一个或多个。
由此,体外充电器适用于多种不同疾病类型的患者,适用范围较广。
本申请还提供了一种充电提醒装置,所述充电提醒装置包括控制器,其具体实现方式与上述方法实施方式中记载的实施方式、所达到的技术效果一致,部分内容不再赘述。
所述控制器分别与刺激器和体外通信设备进行数据交互,所述刺激器植入于患者体内,所述刺激器设置有至少一个电极导线并利用电极导线的电极触点向所述患者递送电刺激,所述控制器被配置成:
获取所述刺激器的配置信息,所述配置信息包括以下至少一种:电极导线的数量、每个电极导线使用的电极触点的数量以及电刺激信号的幅值、脉宽和频率;
基于所述刺激器的配置信息,获取所述刺激器的耗电速度;
利用所述体外通信设备获取所述刺激器的当前电量,基于所述刺激器的当前电量和所述耗电速度,预测所述刺激器的电量达到预设电量阈值时对应的应充电时刻;
基于所述应充电时刻,获取所述体外通信设备的充电提醒策略,以提醒所述患者对所述刺激器进行充电,所述充电提醒策略包括提醒频率和/或提醒内容。
在一些可选的实施例中,所述体外通信设备包括程控设备和/或体外充电器;
所述控制器被配置成采用以下方式获取所述刺激器的当前电量:
当所述程控设备与所述刺激器建立程控连接时,利用所述程控设备获取所述刺激器的当前电量,或者,
当所述体外充电器与所述刺激器建立通信连接时,利用所述体外充电器获取所述刺激器的当前电量。
在一些可选的实施例中,所述控制器被配置成采用以下方式获取所述刺激器的耗电速度:
将所述刺激器的配置信息输入至耗电预测模型,以得到所述刺激器的耗电速度;
其中,所述耗电预测模型的训练过程包括:
获取第一训练集,所述第一训练集包括多个第一训练数据,每个所述第一训练数据包括一个样本刺激器的配置信息以及所述样本刺激器的耗电速度的标注数据;
针对所述第一训练集中的每个第一训练数据,执行以下处理:
将所述第一训练数据中的样本刺激器的配置信息输入至预设的第一深度学习模型,以得到所述样本刺激器的耗电速度的预测数据;
基于所述样本刺激器的耗电速度的预测数据和标注数据,对所述第一深度学习模型的模型参数进行更新;
检测是否满足预设的训练结束条件;如果是,则将训练出的第一深度学习模型作为所述耗电预测模型;如果否,则利用下一个所述第一训练数据继续训练所述第一深度学习模型。
在一些可选的实施例中,电极导线的电极触点还用于采集所述患者的脑电信号,所述控制器还被配置成:
利用所述电极触点采集所述患者的脑电信号;
获取所述脑电信号对应的参考配置信息,当所述参考配置信息与所述刺激器的配置信息不匹配时,利用所述参考配置信息更新所述刺激器的配置信息;
基于更新后的刺激器的配置信息,对所述体外通信设备的充电提醒策略进行更新。
在一些可选的实施例中,所述控制器被配置成采用以下方式获取所述脑电信号对应的参考配置信息:
将所述患者的脑电信号输入至参考配置模型,以得到所述脑电信号对应的参考配置信息;
其中,所述参考配置模型的训练过程包括:
获取第二训练集,所述第二训练集包括多个第二训练数据,每个所述第二训练数据包括一个样本脑电信号以及所述样本脑电信号对应的参考配置信息的标注数据;
针对所述第二训练集中的每个第二训练数据,执行以下处理:
将所述第二训练数据中的样本脑电信号输入至预设的第二深度学习模型,以得到所述样本脑电信号对应的参考配置信息的预测数据;
基于所述样本脑电信号对应的参考配置信息的预测数据和标注数据,对所述第二深度学习模型的模型参数进行更新;
检测是否满足预设的训练结束条件;如果是,则将训练出的第二深度学习模型作为所述参考配置模型;如果否,则利用下一个所述第二训练数据继续训练所述第二深度学习模型。
在一些可选的实施例中,所述刺激器的配置信息包括刺激时间段以及电刺激信号的幅值、脉宽和频率
在一些可选的实施例中,所述控制器被配置成采用以下方式获取所述体外通信设备的充电提醒策略:
获取应充电时刻范围与充电提醒策略的对应关系,所述对应关系的形式包括对应关系表和/或对应关系图;
在所述对应关系中查找所述应充电时刻所处的应充电时刻范围对应的充电提醒策略,作为所述体外通信设备的充电提醒策略。
在一些可选的实施例中,所述患者的疾病类型包括癫痫、震颤、帕金森病、抑郁症、强迫症、阿尔茨海默症和药物成瘾症中的一个或多个。
参见图4,图4是本申请实施例提供的一种控制器200的结构框图。
控制器200例如可以包括至少一个存储器210、至少一个处理器220以及连接不同平台系统的总线230。
存储器210可以包括易失性存储器形式的可读介质,例如随机存取存储器(RAM)211和/或高速缓存存储器212,还可以进一步包括只读存储器(ROM)213。
其中,存储器210还存储有计算机程序,计算机程序可以被处理器220执行,使得处理器220实现上述任一项控制器的功能,其具体实现方式与上述方法实施方式中记载的实施方式、所达到的技术效果一致,部分内容不再赘述。
存储器210还可以包括具有至少一个程序模块215的实用工具214,这样的程序模块215包括但不限于:操作系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例的每一个或某种组合中可能包括网络环境的实现。
相应的,处理器220可以执行上述计算机程序,以及可以执行实用工具214。
处理器220可以采用一个或多个应用专用集成电路(ASIC,Application SpecificIntegrated Circuit)、DSP、可编程逻辑器件(PLD,ProgrammableLogic Device)、复杂可编程逻辑器件(CPLD,Complex Programmable Logic Device)、现场可编程门阵列(FPGA,Field-Programmable Gate Array)或其他电子元件。
总线230可以为表示几类总线结构的一种或多种,包括存储器总线或者存储器控制器、外围总线、图形加速端口、处理器或者使用多种总线结构的任意总线结构的局域总线。
控制器200也可以与一个或多个外部设备240例如键盘、指向设备、蓝牙设备等通信,还可与一个或者多个能够与该控制器200交互的设备通信,和/或与使得该控制器200能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等)通信。这种通信可以通过输入输出接口250进行。并且,控制器200还可以通过网络适配器260与一个或者多个网络(例如局域网(LAN),广域网(WAN)和/或公共网络,例如因特网)通信。网络适配器260可以通过总线230与控制器200的其它模块通信。应当明白,尽管图中未示出,可以结合控制器200使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储平台等。
本申请还提供了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,所述计算机程序被处理器执行时实现上述任一项控制器的功能或者实现上述充电提醒方法的步骤,其具体实现方式与上述控制器的实施方式中记载的实施方式、所达到的技术效果一致,部分内容不再赘述。
参见图5,图5示出了本申请提供的一种用于实现充电提醒方法的程序产品的结构示意图。程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码,并可以在终端设备,例如个人电脑上运行。然而,本发明的程序产品不限于此,在本申请实施例中,可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了可读程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是任何可读介质,该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于无线、有线、光缆、RF等,或者上述的任意合适的组合。可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码,程序设计语言包括面向对象的程序设计语言诸如Java、C++等,还包括常规的过程式程序设计语言诸如C语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中,远程计算设备可以通过任意种类的网络,包括局域网(LAN)或广域网(WAN),连接到用户计算设备,或者,可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
本申请从使用目的上,效能上,进步及新颖性等观点进行阐述,已符合专利法所强调的功能增进及使用要件,本申请以上的说明书及说明书附图,仅为本申请的较佳实施例而已,并非以此局限本申请,因此,凡一切与本申请构造,装置,特征等近似、雷同的,即凡依本申请专利申请范围所作的等同替换或修饰等,皆应属本申请的专利申请保护的范围之内。
Claims (10)
1.一种充电提醒装置,其特征在于,所述充电提醒装置包括控制器,所述控制器分别与刺激器和体外通信设备进行数据交互,所述刺激器植入于患者体内,所述刺激器设置有至少一个电极导线并利用电极导线的电极触点向所述患者递送电刺激,所述控制器被配置成:
获取所述刺激器的配置信息,所述配置信息包括以下至少一种:电极导线的数量、每个电极导线使用的电极触点的数量以及电刺激信号的幅值、脉宽和频率;
基于所述刺激器的配置信息,获取所述刺激器的耗电速度;
利用所述体外通信设备获取所述刺激器的当前电量,基于所述刺激器的当前电量和所述耗电速度,预测所述刺激器的电量达到预设电量阈值时对应的应充电时刻;
基于所述应充电时刻,获取所述体外通信设备的充电提醒策略,以提醒所述患者对所述刺激器进行充电,所述充电提醒策略包括提醒频率和/或提醒内容。
2.根据权利要求1所述的充电提醒装置,其特征在于,所述体外通信设备包括程控设备和/或体外充电器;
所述控制器被配置成采用以下方式获取所述刺激器的当前电量:
当所述程控设备与所述刺激器建立程控连接时,利用所述程控设备获取所述刺激器的当前电量,或者,
当所述体外充电器与所述刺激器建立通信连接时,利用所述体外充电器获取所述刺激器的当前电量。
3.根据权利要求1所述的充电提醒装置,其特征在于,所述控制器被配置成采用以下方式获取所述刺激器的耗电速度:
将所述刺激器的配置信息输入至耗电预测模型,以得到所述刺激器的耗电速度;
其中,所述耗电预测模型的训练过程包括:
获取第一训练集,所述第一训练集包括多个第一训练数据,每个所述第一训练数据包括一个样本刺激器的配置信息以及所述样本刺激器的耗电速度的标注数据;
针对所述第一训练集中的每个第一训练数据,执行以下处理:
将所述第一训练数据中的样本刺激器的配置信息输入至预设的第一深度学习模型,以得到所述样本刺激器的耗电速度的预测数据;
基于所述样本刺激器的耗电速度的预测数据和标注数据,对所述第一深度学习模型的模型参数进行更新;
检测是否满足预设的训练结束条件;如果是,则将训练出的第一深度学习模型作为所述耗电预测模型;如果否,则利用下一个所述第一训练数据继续训练所述第一深度学习模型。
4.根据权利要求1所述的充电提醒装置,其特征在于,电极导线的电极触点还用于采集所述患者的脑电信号,所述控制器还被配置成:
利用所述电极触点采集所述患者的脑电信号;
获取所述脑电信号对应的参考配置信息,当所述参考配置信息与所述刺激器的配置信息不匹配时,利用所述参考配置信息更新所述刺激器的配置信息;
基于更新后的刺激器的配置信息,对所述体外通信设备的充电提醒策略进行更新。
5.根据权利要求4所述的充电提醒装置,其特征在于,所述控制器被配置成采用以下方式获取所述脑电信号对应的参考配置信息:
将所述患者的脑电信号输入至参考配置模型,以得到所述脑电信号对应的参考配置信息;
其中,所述参考配置模型的训练过程包括:
获取第二训练集,所述第二训练集包括多个第二训练数据,每个所述第二训练数据包括一个样本脑电信号以及所述样本脑电信号对应的参考配置信息的标注数据;
针对所述第二训练集中的每个第二训练数据,执行以下处理:
将所述第二训练数据中的样本脑电信号输入至预设的第二深度学习模型,以得到所述样本脑电信号对应的参考配置信息的预测数据;
基于所述样本脑电信号对应的参考配置信息的预测数据和标注数据,对所述第二深度学习模型的模型参数进行更新;
检测是否满足预设的训练结束条件;如果是,则将训练出的第二深度学习模型作为所述参考配置模型;如果否,则利用下一个所述第二训练数据继续训练所述第二深度学习模型。
6.根据权利要求1所述的充电提醒装置,其特征在于,所述刺激器的配置信息包括刺激时间段以及电刺激信号的幅值、脉宽和频率。
7.根据权利要求1所述的充电提醒装置,其特征在于,所述控制器被配置成采用以下方式获取所述体外通信设备的充电提醒策略:
获取应充电时刻范围与充电提醒策略的对应关系,所述对应关系的形式包括对应关系表和/或对应关系图;
在所述对应关系中查找所述应充电时刻所处的应充电时刻范围对应的充电提醒策略,作为所述体外通信设备的充电提醒策略。
8.根据权利要求1所述的充电提醒装置,其特征在于,所述患者的疾病类型包括癫痫、震颤、帕金森病、抑郁症、强迫症、阿尔茨海默症和药物成瘾症中的一个或多个。
9.一种植入式神经刺激系统,其特征在于,所述植入式神经刺激系统包括:
刺激器,所述刺激器植入于患者体内,所述刺激器设置有至少一个电极导线并利用电极导线的电极触点向所述患者递送电刺激;
体外通信设备,所述体外通信设备设置于所述患者的体外,所述体外通信设备用于提醒所述患者对所述刺激器进行充电;
权利要求1-8任一项所述的充电提醒装置。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-8任一项所述控制器的功能。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211006766.1A CN115430050A (zh) | 2022-08-22 | 2022-08-22 | 充电提醒装置、植入式神经刺激系统及存储介质 |
PCT/CN2023/114148 WO2024041496A1 (zh) | 2022-08-22 | 2023-08-22 | 充电提醒装置、植入式神经刺激系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211006766.1A CN115430050A (zh) | 2022-08-22 | 2022-08-22 | 充电提醒装置、植入式神经刺激系统及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115430050A true CN115430050A (zh) | 2022-12-06 |
Family
ID=84245499
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211006766.1A Pending CN115430050A (zh) | 2022-08-22 | 2022-08-22 | 充电提醒装置、植入式神经刺激系统及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115430050A (zh) |
WO (1) | WO2024041496A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024041496A1 (zh) * | 2022-08-22 | 2024-02-29 | 景昱医疗科技(苏州)股份有限公司 | 充电提醒装置、植入式神经刺激系统及存储介质 |
CN117895624A (zh) * | 2024-03-13 | 2024-04-16 | 景昱医疗科技(苏州)股份有限公司 | 植入设备的充电提醒方法及相关装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107506017A (zh) * | 2017-07-21 | 2017-12-22 | 珠海市魅族科技有限公司 | 充电提醒方法及装置、电子设备和计算机可读存储介质 |
CN108174034A (zh) * | 2017-12-27 | 2018-06-15 | 苏鹏霄 | 采用app实时监控骶神经调节装置的系统及方法 |
CN112402796A (zh) * | 2019-08-20 | 2021-02-26 | 北京小米移动软件有限公司 | 对心脏起搏器进行充电的方法、移动终端及存储介质 |
CN115430050A (zh) * | 2022-08-22 | 2022-12-06 | 苏州景昱医疗器械有限公司 | 充电提醒装置、植入式神经刺激系统及存储介质 |
-
2022
- 2022-08-22 CN CN202211006766.1A patent/CN115430050A/zh active Pending
-
2023
- 2023-08-22 WO PCT/CN2023/114148 patent/WO2024041496A1/zh unknown
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024041496A1 (zh) * | 2022-08-22 | 2024-02-29 | 景昱医疗科技(苏州)股份有限公司 | 充电提醒装置、植入式神经刺激系统及存储介质 |
CN117895624A (zh) * | 2024-03-13 | 2024-04-16 | 景昱医疗科技(苏州)股份有限公司 | 植入设备的充电提醒方法及相关装置 |
CN117895624B (zh) * | 2024-03-13 | 2024-06-04 | 景昱医疗科技(苏州)股份有限公司 | 植入设备的充电提醒方法及相关装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2024041496A1 (zh) | 2024-02-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115054828B (zh) | 脉冲发生器、医疗系统及计算机可读存储介质 | |
CN115430050A (zh) | 充电提醒装置、植入式神经刺激系统及存储介质 | |
CN113244533A (zh) | 参数调整方法、装置、电子设备及计算机可读存储介质 | |
CN114842956B (zh) | 控制设备、医疗系统及计算机可读存储介质 | |
CN115501481A (zh) | 应急程控设备、医疗系统及计算机可读存储介质 | |
WO2023005353A1 (zh) | 基于多模态数据的配置信息获取装置及相关设备 | |
WO2023071378A1 (zh) | 植入式神经刺激器和植入式神经刺激系统 | |
WO2023000789A1 (zh) | 程控信息记录方法及相关装置 | |
WO2024083193A1 (zh) | 脉冲发生器、刺激器、医疗系统及计算机可读存储介质 | |
WO2008109508A2 (en) | Automatic parameter selection and therapy timing for increasing efficiency in responsive neurodevice therapies | |
CN116492596B (zh) | 脉冲发生器、刺激器及存储介质 | |
WO2024001695A1 (zh) | 数据采集方法、装置、系统及计算机可读存储介质 | |
WO2023241338A1 (zh) | 程控设备、程控系统、电子设备和计算机可读存储介质 | |
CN116488297A (zh) | 体外充电器及其充电方法、存储介质及程序产品 | |
WO2023185410A1 (zh) | 刺激电极导线的成像识别方法及相关装置 | |
CN114849063B (zh) | 体外充电器、程控系统和计算机可读存储介质 | |
WO2023024881A1 (zh) | 慢性病患者视频追溯方法及相关装置 | |
US20220230743A1 (en) | Medical device management using risk control measures | |
CN115188460A (zh) | 程控提醒设备、方法及计算机可读存储介质 | |
CN115299893A (zh) | 自诊断设备、程控系统及计算机可读存储介质 | |
CN115019948B (zh) | 控制设备、远程会诊系统和计算机可读存储介质 | |
CN117895624B (zh) | 植入设备的充电提醒方法及相关装置 | |
CN117180612B (zh) | 植入式电极、刺激器及其控制方法、存储介质 | |
CN117065217A (zh) | 电位信号采集设备及其方法、医疗系统、可读存储介质 | |
CN114817168A (zh) | 数据存储方法、装置、系统及计算机可读存储介质 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 215000 building C16, bio nano Park, 218 Xinghu street, Suzhou Industrial Park, Jiangsu Province Applicant after: Jingyu Medical Technology (Suzhou) Co.,Ltd. Address before: 215000 building C16, bio nano Park, 218 Xinghu street, Suzhou Industrial Park, Jiangsu Province Applicant before: SCENERAY Co.,Ltd. |