CN116369853A - 一种基于脑机交互技术的嗅觉功能标准化评估装置及方法 - Google Patents
一种基于脑机交互技术的嗅觉功能标准化评估装置及方法 Download PDFInfo
- Publication number
- CN116369853A CN116369853A CN202310358424.4A CN202310358424A CN116369853A CN 116369853 A CN116369853 A CN 116369853A CN 202310358424 A CN202310358424 A CN 202310358424A CN 116369853 A CN116369853 A CN 116369853A
- Authority
- CN
- China
- Prior art keywords
- olfactory
- olfactory function
- data
- signals
- module
- 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
- 230000007436 olfactory function Effects 0.000 title claims abstract description 115
- 230000003993 interaction Effects 0.000 title claims abstract description 43
- 238000011156 evaluation Methods 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000005516 engineering process Methods 0.000 title claims abstract description 20
- 238000001514 detection method Methods 0.000 claims abstract description 30
- 238000012545 processing Methods 0.000 claims abstract description 30
- 210000000956 olfactory bulb Anatomy 0.000 claims abstract description 18
- 210000001706 olfactory mucosa Anatomy 0.000 claims abstract description 18
- 230000000241 respiratory effect Effects 0.000 claims abstract description 13
- 230000000284 resting effect Effects 0.000 claims abstract description 8
- 210000001061 forehead Anatomy 0.000 claims abstract description 7
- 238000012360 testing method Methods 0.000 claims description 26
- 238000012549 training Methods 0.000 claims description 25
- 238000000605 extraction Methods 0.000 claims description 16
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 16
- 210000004556 brain Anatomy 0.000 claims description 13
- 230000004927 fusion Effects 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims description 13
- 210000000196 olfactory nerve Anatomy 0.000 claims description 13
- 238000013527 convolutional neural network Methods 0.000 claims description 12
- 230000008035 nerve activity Effects 0.000 claims description 11
- 238000010171 animal model Methods 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 10
- 210000003928 nasal cavity Anatomy 0.000 claims description 10
- 210000005036 nerve Anatomy 0.000 claims description 10
- 238000007781 pre-processing Methods 0.000 claims description 10
- 238000012795 verification Methods 0.000 claims description 10
- 208000012898 Olfaction disease Diseases 0.000 claims description 9
- 206010034018 Parosmia Diseases 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 9
- 210000001331 nose Anatomy 0.000 claims description 8
- 210000002442 prefrontal cortex Anatomy 0.000 claims description 8
- GTKRFUAGOKINCA-UHFFFAOYSA-M chlorosilver;silver Chemical compound [Ag].[Ag]Cl GTKRFUAGOKINCA-UHFFFAOYSA-M 0.000 claims description 7
- 210000004709 eyebrow Anatomy 0.000 claims description 7
- 238000013528 artificial neural network Methods 0.000 claims description 6
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 5
- 230000004064 dysfunction Effects 0.000 claims description 5
- 238000013210 evaluation model Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 4
- 238000010801 machine learning Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000006880 cross-coupling reaction Methods 0.000 claims description 3
- 230000001105 regulatory effect Effects 0.000 claims description 3
- 238000005096 rolling process Methods 0.000 claims description 3
- 210000003625 skull Anatomy 0.000 claims description 3
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 238000011897 real-time detection Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 7
- 230000000638 stimulation Effects 0.000 abstract description 5
- 238000007689 inspection Methods 0.000 abstract 2
- 238000007405 data analysis Methods 0.000 abstract 1
- 238000003062 neural network model Methods 0.000 abstract 1
- 230000002269 spontaneous effect Effects 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 208000003098 Ganglion Cysts Diseases 0.000 description 2
- 241000124008 Mammalia Species 0.000 description 2
- 208000005400 Synovial Cyst Diseases 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 210000002850 nasal mucosa Anatomy 0.000 description 2
- 230000001537 neural effect Effects 0.000 description 2
- 230000033764 rhythmic process Effects 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 208000036142 Viral infection Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000003710 cerebral cortex Anatomy 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000001143 conditioned effect Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000002001 electrophysiology Methods 0.000 description 1
- 230000007831 electrophysiology Effects 0.000 description 1
- 206010015037 epilepsy Diseases 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000003384 imaging method Methods 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
- 230000008904 neural response Effects 0.000 description 1
- 230000004770 neurodegeneration Effects 0.000 description 1
- 208000015122 neurodegenerative disease Diseases 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000003557 neuropsychological effect Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000008786 sensory perception of smell Effects 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- 230000009385 viral infection 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
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4005—Detecting, measuring or recording for evaluating the nervous system for evaluating the sensory system
- A61B5/4011—Evaluating olfaction, i.e. sense of smell
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/087—Measuring breath flow
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/087—Measuring breath flow
- A61B5/0878—Measuring breath flow using temperature sensing means
-
- 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
- A61B5/251—Means for maintaining electrode contact with the body
- A61B5/256—Wearable electrodes, e.g. having straps or bands
-
- 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]
-
- 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]
-
- 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
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- 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
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
-
- 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
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
-
- 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
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- 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
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
本发明公开了一种基于脑机交互技术的嗅觉功能标准化评估装置及方法,具体为:该装置包括前端模块、数据采集模块、数据处理模块和用户交互模块;用于采集受检者在静息状态下嗅黏膜、嗅球和前额叶皮层的电生理活动以及呼吸信号,对多通道信号进行放大和采集,通过神经网络模型计算生成嗅觉功能评估指标,生成嗅觉功能检查报告并进行显示和存储。本发明通过记录受检者静息状态下的嗅觉生理信号,通过数据分析得到定量化的嗅觉功能评估指标,无需传统嗅觉功能检测方法中的气味刺激,可以有效排除主观因素影响,减少个体差异。
Description
技术领域
本发明涉及人和哺乳动物嗅觉检测和功能评估技术领域,具体涉及一种基于脑机交互技术的嗅觉功能标准化评估装置及方法。
背景技术
嗅觉障碍是多种疾病的早期症状,如神经退行性疾病、病毒感染、肿瘤等,及时进行快速、方便、准确的嗅觉功能评估对疾病早期干预、延缓病情具有重要意义。目前嗅觉功能检测的方法包括主观检测方法和客观检测方法。目前临床上采用的大多都是主观方法,即对受试者进行气味刺激,包括气味识别、气味阈值、气味区分等任务,评估受试者的嗅觉功能,这种方法易受主观因素、检测流程、背景干扰的影响,稳定性和可比性较低。客观检测方法包括电生理检测、嗅觉功能成像等。其中,基于电生理的嗅觉功能检测是指利用电生理采集系统记录受试者嗅觉相关的电生理信号,嗅觉障碍患者电生理活动在自发和气味刺激的情况下会出现异常的变化,这种异常变化反映了受试者的嗅觉功能状态。该方法相对客观,方便,成本低廉。然而,目前对嗅觉相关电生理信号获取和分析方法都难以建立可应用于临床的、标准化的电生理检测指标。
多项研究表明,在自发状态下,即无气味刺激时,人和哺乳动物的嗅觉系统和部分大脑皮层中存在与呼吸同步的神经节律。类比于大脑电生理检查,功能大脑产生规律性电活动,而在发生癫痫或功能异常时,电活动表现出异常。在发生嗅觉障碍时,这种自发的神经节律也会发生变化。因此,相比于气味刺激诱发的神经响应信号,嗅觉系统自发神经信号受个体差异和主观性影响小,更有利于建立可量化、标准化的嗅觉功能检测指标。
发明内容
本发明针对目前嗅觉功能评估方法和装置存在的不足,提出了一种基于脑机交互技术的非气味诱导的定量嗅觉功能评估装置及方法。
本发明采用如下技术方案:根据说明书的第一方面,提供了一种基于脑机交互技术的嗅觉功能标准化评估装置,该装置包括:前端模块、数据采集模块、数据处理模块和用户交互模块;
所述前端模块包括:用于检测受检者由呼吸引起的温度变化和气流变化的呼吸传感模块、用于检测嗅球和嗅黏膜嗅觉神经信号的传感模块,用于检测前额叶皮层神经活动的脑电检测模块;
所述数据采集模块用于通过硬件电路将前端模块传来的生理信号进行同步放大,并进行模数转换,从模拟信号转换为数字信号,完成多通道生理信号的采集;
数据处理模块用于呼吸数据和电生理数据的预处理,完成特征提取和融合,建立多通道生理信号数据库并搭建多维度数据与嗅觉功能评分的映射模型,将实时测量的数据输入该模型,输出嗅觉功能评分;
用户交互模块用于显示、保存和读取前端模块的采集数据,显示数据处理模块得到的嗅觉功能评估结果,生成报告,将结果与受检者信息保存至本地,并上传至云端服务器。
进一步地,所述前端模块中,所述呼吸传感模块通过放置于鼻腔附近的温度和气流传感器来检测由呼吸引起的温度变化和气流变化,并转换为电压信号。
进一步地,嗅觉神经信号检测模块通过外置于鼻梁和眉骨附近的银-氯化银电极测量由嗅球传导至颅骨表面的神经活动信号,以及通过放置于鼻腔嗅黏膜位置的神经微电极测量嗅黏膜神经活动信号;
进一步地,通过脑电帽电极检测脑电信号,检测前额叶皮层的神经活动。
进一步地,所述数据处理模块的预处理为:对多通道生理信号进行滤波去除噪声,通过源重建算法还原出嗅球的嗅觉神经信号,计算时序信号的时域和频域的参数,完成特征提取,包括呼吸信号的频率、嗅觉神经信号和脑电信号的方差、熵、频带能量、不同频段间的交叉耦合系数,以及不同生理信号之间的互相关系数。
进一步地,所述数据处理模块通过对动物模型、不同程度嗅觉障碍患者以及正常健康人的信号记录,建立数据库,以权威医生诊断的嗅觉功能程度作为标签,按嗅觉功能递减设置为从100到0;其次利用三层一维卷积神经网络分别接收每个生理信号通道的信号及特征,并用每个卷积神经网络产出的数据输入多层感知机进行融合,最终模型输出100到0的回归值;将数据集划分为训练集、验证集和测试集,其中训练集的数据用于运行神经网络学习算法,训练模型,得到网络各部分的参数值;验证集用于在训练过程中观察模型性能,防止过拟合;测试集用于评估最终模型性能。
根据说明书的另一方面,提供了一种基于脑机交互技术的嗅觉功能标准化评估方法,所述方法步骤为:
第一步:将信号检测的前端模块与受检者进行连接,具体为:对于呼吸记录,将呼吸前端模块的温度、气流传感器放置于受检者鼻孔附近;对于受检者的嗅黏膜,将神经微电极伸入鼻腔内部,紧密贴附于嗅黏膜;对于嗅球,将银-氯化银电极紧贴于鼻梁和眉骨处;对于前额叶皮层记录,受检者佩戴脑电帽电极,并注射导电膏增加导电性;
第二步:启动数据采集模块,连接至安装有数据处理模块和用户交互模块的计算机或移动设备,引导受检者进入静息状态,将生理信号的检测和传输调节至稳定;
第三步:在受检者静息状态下进行呼吸波形与电生理信号同步、实时的检测和记录。开启记录模式,数据实时滚动显示在用户交互模块界面,并进行同步存储;
第四步:将采集的信号传输到数据处理模块中进行在线预处理,进行时频分析以及时序序列的参数计算和嗅觉功能相关信息的提取,基于机器学习完成特征提取和融合;在前期通过对动物模型、不同程度嗅觉障碍患者以及正常健康人的信号记录,建立数据库,搭建多维度数据与嗅觉功能评分的映射模型;利用搭建的嗅觉功能评估模型,将实时测量的数据输入模型,输出嗅觉功能评分,在调试中评估模型的性能,最终实现客观的嗅觉功能评估;
第五步在用户交互软件模块中显示嗅觉功能评估结果,生成测试报告,保存受检者相关信息和结果,显示历史记录评分。
进一步地,所述多维度数据与嗅觉功能评分的映射模型的搭建方法为:首先采集已诊断的不同程度嗅觉障碍患者、动物模型和健康人的多通道生理信号,搭建数据集,以权威医生诊断的嗅觉功能程度作为标签,按嗅觉功能递减设置为从100到0。其次利用三层一维卷积神经网络分别接收每个生理信号通道的信号及特征,并用每个卷积神经网络产出的数据输入多层感知机进行融合,最终模型输出100到0的回归值。将数据集划分为训练集、验证集和测试集,其中训练集的数据用于运行神经网络学习算法,训练模型,得到网络各部分的参数值。验证集用于在训练过程中观察模型性能,防止过拟合。测试集用于评估最终模型性能。
进一步地,所述多维度数据与嗅觉功能评分的映射模型的性能评估方法为:计算模型在测试集上回归预测的均方误差、均方根误差和平均绝对误差判断模型的预测误差,以此评估嗅觉功能评分模型的性能,均方误差值越小说明模型性能越好。
进一步地,所述测试报告包括:使用者的基本信息,嗅觉功能是否正常的判断,嗅觉功能评分,以及导致嗅觉功能出现障碍的部位。
本发明相对于目前的嗅觉检测技术具有以下有益效果:
本发明提出了一种基于脑机交互的嗅觉功能检测技术和评估装置,提供了基于呼吸信号和电生理数据进行定量评估嗅觉功能的思路,无需大型的仪器设备和复杂的检测流程,适用于社区嗅觉功能障碍的大规模筛查。
本发明建立了嗅觉神经信号检测的标准化流程以及嗅觉功能评估模型,提出了衡量嗅觉功能的定量指标,具有客观性、准确性和可重复性。相对于目前用于嗅觉功能测试的神经心理测试,无需受检者的积极配合,可以防止受检者和医生主观因素的干扰,适用于交流困难的老年人或孩童。
本发明利用人体自发信号数据进行标准化、统一化的嗅觉功能测试,无需进行气味刺激,可以防止个体差异对诊断结果带来的干扰。此外,本发明建立的嗅觉功能评估模型可以避免受检者的有意隐瞒,可用于司法鉴定嗅觉功能损伤。
该装置有望推广应用于实际临床人体的嗅觉电生理活动监测以及标准化嗅觉功能评估。
附图说明
为了更清楚地说明本发明具体实施方式,下面将对具体实施方式中所需要使用的附图作简单地介绍
图1是本发明嗅觉功能标准化评估装置的流程图;
图2是本发明测量信号位置的示意图;
图3是本发明嗅觉正常和嗅觉障碍样本的神经电信号示例;
图4是本发明数据处理和交互模块示意图;
图5是本发明输出的嗅觉功能评估结果示例。
具体实施方式
下面将结合附图对本发明的技术方案进行清楚、完整地描述。
本发明设计了一种基于脑机交互的嗅觉功能标准化评估装置及方法,根据实施例的第一方面,本发明提供了一种基于脑机交互技术的嗅觉功能标准化评估装置,该装置包括:前端模块、数据采集模块、数据处理模块和用户交互模块;
所述前端模块包括:用于检测受检者由呼吸引起的温度变化和气流变化的呼吸传感模块、用于检测嗅球和嗅黏膜嗅觉神经信号的传感模块,用于检测前额叶皮层神经活动的脑电检测模块;
所述数据采集模块用于通过硬件电路将前端模块传来的生理信号进行同步放大,并进行模数转换,从模拟信号转换为数字信号,完成多通道生理信号的采集;
数据处理模块用于呼吸数据和电生理数据的预处理,完成特征提取和融合,建立多通道生理信号数据库并搭建多维度数据与嗅觉功能评分的映射模型,将实时测量的数据输入该模型,输出嗅觉功能评分;
用户交互模块用于显示、保存和读取前端模块的采集数据,显示数据处理模块得到的嗅觉功能评估结果,生成报告,将结果与受检者信息保存至本地,并上传至云端服务器。
进一步地,所述前端模块中,所述呼吸传感模块通过放置于鼻腔附近的温度和气流传感器来检测由呼吸引起的温度变化和气流变化,并转换为电压信号。
进一步地,嗅觉神经信号检测模块通过外置于鼻梁和眉骨附近的银-氯化银电极测量由嗅球传导至颅骨表面的神经活动信号,以及通过放置于鼻腔嗅黏膜位置的神经微电极测量嗅黏膜神经活动信号;
进一步地,通过脑电帽电极检测脑电信号,检测前额叶皮层的神经活动。
进一步地,所述数据处理模块的预处理为:对多通道生理信号进行滤波去除噪声,通过源重建算法还原出嗅球的嗅觉神经信号,计算时序信号的时域和频域的参数,完成特征提取,包括呼吸信号的频率、嗅觉神经信号和脑电信号的方差、熵、频带能量、不同频段间的交叉耦合系数,以及不同生理信号之间的互相关系数。
进一步地,所述数据处理模块通过对动物模型、不同程度嗅觉障碍患者以及正常健康人的信号记录,建立数据库,以权威医生诊断的嗅觉功能程度作为标签,按嗅觉功能递减设置为从100到0;其次利用三层一维卷积神经网络分别接收每个生理信号通道的信号及特征,并用每个卷积神经网络产出的数据输入多层感知机进行融合,最终模型输出100到0的回归值;将数据集划分为训练集、验证集和测试集,其中训练集的数据用于运行神经网络学习算法,训练模型,得到网络各部分的参数值;验证集用于在训练过程中观察模型性能,防止过拟合;测试集用于评估最终模型性能。
根据实施例的另一方面,提供了一种基于脑机交互技术的嗅觉功能标准化评估方法,所述方法步骤为:
第一步:将信号检测的前端模块与受检者进行连接,具体为:对于呼吸记录,将呼吸前端模块的温度、气流传感器放置于受检者鼻孔附近;对于受检者的嗅黏膜,将神经微电极伸入鼻腔内部,紧密贴附于嗅黏膜;对于嗅球,将银-氯化银电极紧贴于鼻梁和眉骨处;对于前额叶皮层记录,受检者佩戴脑电帽电极,并注射导电膏增加导电性;
第二步:启动数据采集模块,连接至安装有数据处理模块和用户交互模块的计算机或移动设备,引导受检者进入静息状态,将生理信号的检测和传输调节至稳定;
第三步:在受检者静息状态下进行呼吸波形与电生理信号同步、实时的检测和记录。开启记录模式,数据实时滚动显示在用户交互模块界面,并进行同步存储;
第四步:将采集的信号传输到数据处理模块中进行在线预处理,进行时频分析以及时序序列的参数计算和嗅觉功能相关信息的提取,基于机器学习完成特征提取和融合;在前期通过对动物模型、不同程度嗅觉障碍患者以及正常健康人的信号记录,建立数据库,搭建多维度数据与嗅觉功能评分的映射模型;利用搭建的嗅觉功能评估模型,将实时测量的数据输入模型,输出嗅觉功能评分,在调试中评估模型的性能,最终实现客观的嗅觉功能评估;
第五步在用户交互软件模块中显示嗅觉功能评估结果,生成测试报告,保存受检者相关信息和结果,显示历史记录评分。
进一步地,所述多维度数据与嗅觉功能评分的映射模型的搭建方法为:首先采集已诊断的不同程度嗅觉障碍患者、动物模型和健康人的多通道生理信号,搭建数据集,以权威医生诊断的嗅觉功能程度作为标签,按嗅觉功能递减设置为从100到0。其次利用三层一维卷积神经网络分别接收每个生理信号通道的信号及特征,并用每个卷积神经网络产出的数据输入多层感知机进行融合,最终模型输出100到0的回归值。将数据集划分为训练集、验证集和测试集,其中训练集的数据用于运行神经网络学习算法,训练模型,得到网络各部分的参数值。验证集用于在训练过程中观察模型性能,防止过拟合。测试集用于评估最终模型性能。
进一步地,所述多维度数据与嗅觉功能评分的映射模型的性能评估方法为:计算模型在测试集上回归预测的均方误差、均方根误差和平均绝对误差判断模型的预测误差,以此评估嗅觉功能评分模型的性能,均方误差值越小说明模型性能越好。
进一步地,所述测试报告包括:使用者的基本信息,嗅觉功能是否正常的判断,嗅觉功能评分,以及导致嗅觉功能出现障碍的部位(嗅黏膜、嗅球、前额叶)。
本发明具体实施例如下:
如图1所示,采集受检者的呼吸信号、嗅觉神经信号和前额叶皮层的脑电信号,进行数据处理、分析和特征提取,输入机器学习模型,输出嗅觉功能评分,生成评估报告。本发明主要包含以下步骤:
(1)受检者在医护的帮助下正确佩戴信号采集前端模块,包括呼吸传感模块、嗅觉信号检测模块和脑电信号检测模块,前端模块传感器的放置位置如图2测量部位示意图。其中,首先佩戴用于测量前额叶皮层脑电数据的脑电帽电极,将其中的FP1、FP2和FPz电极正确安放于受检者的额头处。在电极注入导电膏增加导电性;其次将记录嗅球神经活动的四个银-氯化银电极安置于鼻梁和眉骨处,检测嗅球传导至表面的电生理信号,后续可通过源重建算法实现嗅球电生理信号的重建。再次,将神经微电极伸入鼻腔内部,将电极贴附于嗅黏膜,记录嗅黏膜中神经元的活动。最后,将呼吸检测前端模块放置于鼻腔出口处,由呼吸引起的温度变化或气流变化可以被检测到。上述测量嗅觉神经信号和呼吸信号的电极可通过镜架、鼻夹等方式固定,防止晃动或脱落。
(2)将前端模块与数据采集模块以及主机进行连接。其中前端模块与数据采集模块采用有线方式连接,记录的信号在数据采集模块进行放大和调理。数据采集模块通过有线或无线的方式与安装有数据处理模块和用户交互模块程序的主机进行连接,包括计算机或智能移动设备。
在主机中控制数据采集模块进行数据采样,数据采集模块将采集到的信号实时传输到主机,并通过用户交互界面进行显示。数据处理模块检测信号的连通性和稳定性,并进行相应指示,医护人员目视检查信号质量以及提示,对相应的前端模块进行调整和处理。
(3)在确认信号质量后,开启正式的信号同步采集和记录。记录呼吸信号、嗅上皮和嗅球的电生理信号以及前额叶皮层的脑电信号。记录的示例信号如图3示例所示,其中嗅觉异常的信号会出现异常的高频振荡。这些信号采集后进入数据处理模块进行自动分析。
(4)将采集的信号输入到数据处理模块。构建基于生理信号的嗅觉功能评估方法:在前期阶段,利用不同阶段的嗅觉障碍动物模型和患者以及健康人的信号进行特征筛选、建立分类/回归模型以及评估指标,进行模型参数的训练。在测试阶段,首先对神经电极记录的神经信号进行预处理,包括有效频段滤波、去除基线漂移和工频干扰、标准化以及分帧处理等。随后进行神经活动的特征提取,筛选能够反映嗅觉功能的特征指标。计算时序信号的常用特征,如方差、频带能量、香农熵、峰度和偏度等,得到一组特征向量。将所有计算得到的特征进行特征的融合和降维。通过信号特征数据搭建分类/回归模型,建立生理信号与嗅觉功能之间的映射,输出的数据转换为0-100分值,作为评估嗅觉功能的定量指标。在临床嗅觉功能诊断时,利用嗅觉功能损伤人员的数据输入预训练好的模型,训练模型最后多层感知机的权重参数,进行微调,以获得最高的性能。在实际应用中的新样本测试时,将受检者的实时数据传输到主机,在用户交互界面进行实时波形显示,并通过相同的数据处理模块,输入到评估模型进行模式识别,确定样本个体的嗅觉功能评分结果,进行显示,保存受检者信息和结果,如图4所示。在用户交互软件中可以回调历史信息和数据,显示不同受检者的个人信息以及嗅觉功能评分,示例如图5所示。最终实现基于脑机交互的标准化嗅觉功能评估。
上述实施例用来解释说明本发明,而不是对本发明进行限制,在本发明的精神和权利要求的保护范围内,对本发明作出的任何修改和改变,都落入本发明的保护范围。
Claims (10)
1.一种基于脑机交互技术的嗅觉功能标准化评估装置,其特征在于,该装置包括:前端模块、数据采集模块、数据处理模块和用户交互模块;
所述前端模块包括:用于检测受检者由呼吸引起的温度变化和气流变化的呼吸传感模块、用于检测嗅球和嗅黏膜嗅觉神经信号的传感模块,用于检测前额叶皮层神经活动的脑电检测模块;
所述数据采集模块用于通过硬件电路将前端模块传来的生理信号进行同步放大,并进行模数转换,从模拟信号转换为数字信号,完成多通道生理信号的采集;
数据处理模块用于呼吸数据和电生理数据的预处理,完成特征提取和融合,建立多通道生理信号数据库并搭建多维度数据与嗅觉功能评分的映射模型,将实时测量的数据输入该模型,输出嗅觉功能评分;
用户交互模块用于显示、保存和读取前端模块的采集数据,显示数据处理模块得到的嗅觉功能评估结果,生成报告,将结果与受检者信息保存至本地,并上传至云端服务器。
2.根据权利要求1所示的一种基于脑机交互技术的嗅觉功能标准化评估装置,其特征在于,所述前端模块中,所述呼吸传感模块通过放置于鼻腔附近的温度和气流传感器来检测由呼吸引起的温度变化和气流变化,并转换为电压信号。
3.根据权利要求1所示的一种基于脑机交互技术的嗅觉功能标准化评估装置,其特征在于,嗅觉神经信号检测模块通过外置于鼻梁和眉骨附近的银-氯化银电极测量由嗅球传导至颅骨表面的神经活动信号,以及通过放置于鼻腔嗅黏膜位置的神经微电极测量嗅黏膜的嗅觉神经信号。
4.根据权利要求1所示的一种基于脑机交互技术的嗅觉功能标准化评估装置,其特征在于,通过脑电帽电极检测脑电信号,检测前额叶皮层的神经活动。
5.根据权利要求1所示的一种基于脑机交互技术的嗅觉功能标准化评估装置,其特征在于,所述数据处理模块的预处理为:对多通道生理信号进行滤波去除噪声,通过源重建算法还原出嗅球的嗅觉神经信号,计算时序信号的时域和频域的参数,完成特征提取,包括呼吸信号的频率、嗅觉神经信号和脑电信号的方差、熵、频带能量、不同频段间的交叉耦合系数,以及不同生理信号之间的互相关系数。
6.根据权利要求1所示的一种基于脑机交互技术的嗅觉功能标准化评估装置,其特征在于,所述数据处理模块通过对动物模型、不同程度嗅觉障碍患者以及正常健康人的信号记录,建立数据库,以权威医生诊断的嗅觉功能程度作为标签,按嗅觉功能递减设置为从100到0;其次利用三层一维卷积神经网络分别接收每个生理信号通道的信号及特征,并用每个卷积神经网络产出的数据输入多层感知机进行融合,最终模型输出100到0的回归值;将数据集划分为训练集、验证集和测试集,其中训练集的数据用于运行神经网络学习算法,训练模型,得到网络各部分的参数值;验证集用于在训练过程中观察模型性能,防止过拟合;测试集用于评估最终模型性能。
7.一种根据权利要求书1-6任一项所述装置的基于脑机交互技术的嗅觉功能标准化评估方法,其特征在于,所述方法步骤为:
第一步:将信号检测的前端模块与受检者进行连接,具体为:对于呼吸记录,将呼吸前端模块的温度、气流传感器放置于受检者鼻孔附近;对于受检者的嗅黏膜,将神经微电极伸入鼻腔内部,紧密贴附于嗅黏膜;对于嗅球,将银-氯化银电极紧贴于鼻梁和眉骨处;对于前额叶皮层记录,受检者佩戴脑电帽电极,并注射导电膏增加导电性;
第二步:启动数据采集模块,连接至安装有数据处理模块和用户交互模块的计算机或移动设备,引导受检者进入静息状态,将生理信号的检测和传输调节至稳定;
第三步:在受检者静息状态下进行呼吸波形与电生理信号同步、实时的检测和记录;开启记录模式,数据实时滚动显示在用户交互模块界面,并进行同步存储;
第四步:将采集的信号传输到数据处理模块中进行在线预处理,进行时频分析以及时序序列的参数计算和嗅觉功能相关信息的提取,基于机器学习完成特征提取和融合;在前期通过对动物模型、不同程度嗅觉障碍患者以及正常健康人的信号记录,建立数据库,搭建多维度数据与嗅觉功能评分的映射模型;利用搭建的嗅觉功能评估模型,将实时测量的数据输入模型,输出嗅觉功能评分,在调试中评估模型的性能,最终实现客观的嗅觉功能评估;
第五步在用户交互软件模块中显示嗅觉功能评估结果,生成测试报告,保存受检者相关信息和结果,显示历史记录评分。
8.根据权利要求7所示的一种基于脑机交互技术的嗅觉功能标准化评估方法,其特征在于,所述多维度数据与嗅觉功能评分的映射模型的搭建方法为:首先采集已诊断的不同程度嗅觉障碍患者、动物模型和健康人的多通道生理信号,搭建数据集,以权威医生诊断的嗅觉功能程度作为标签,按嗅觉功能递减设置为从100到0;其次利用三层一维卷积神经网络分别接收每个生理信号通道的信号及特征,并用每个卷积神经网络产出的数据输入多层感知机进行融合,最终模型输出100到0的回归值;将数据集划分为训练集、验证集和测试集,其中训练集的数据用于运行神经网络学习算法,训练模型,得到网络各部分的参数值;验证集用于在训练过程中观察模型性能,防止过拟合;测试集用于评估最终模型性能。
9.根据权利要求7所示的一种基于脑机交互技术的嗅觉功能标准化评估方法,其特征在于,所述多维度数据与嗅觉功能评分的映射模型的性能评估方法为:计算模型在测试集上回归预测的均方误差、均方根误差和平均绝对误差判断模型的预测误差,以此评估嗅觉功能评分模型的性能,均方误差值越小说明模型性能越好。
10.根据权利要求7所示的一种基于脑机交互技术的嗅觉功能标准化评估方法,其特征在于,所述测试报告包括:使用者的基本信息,嗅觉功能是否正常的判断,嗅觉功能评分,以及导致嗅觉功能出现障碍的部位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310358424.4A CN116369853A (zh) | 2023-04-06 | 2023-04-06 | 一种基于脑机交互技术的嗅觉功能标准化评估装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310358424.4A CN116369853A (zh) | 2023-04-06 | 2023-04-06 | 一种基于脑机交互技术的嗅觉功能标准化评估装置及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116369853A true CN116369853A (zh) | 2023-07-04 |
Family
ID=86980239
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310358424.4A Pending CN116369853A (zh) | 2023-04-06 | 2023-04-06 | 一种基于脑机交互技术的嗅觉功能标准化评估装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116369853A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116807412A (zh) * | 2023-07-25 | 2023-09-29 | 中山大学孙逸仙纪念医院 | 嗅觉诱发电位检测方法及检测装置 |
-
2023
- 2023-04-06 CN CN202310358424.4A patent/CN116369853A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116807412A (zh) * | 2023-07-25 | 2023-09-29 | 中山大学孙逸仙纪念医院 | 嗅觉诱发电位检测方法及检测装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110420019B (zh) | 一种心冲击图信号的深度回归心率估计方法 | |
EP2575608B1 (en) | Detector for identifying physiological artifacts from physiological signals and method | |
US7848795B2 (en) | Determination of sleep depth | |
JP2019528104A (ja) | 生体信号のモニタリングのための耳内感知システムおよび方法 | |
US20190343457A1 (en) | Pain assessment method and apparatus for patients unable to self-report pain | |
JP2013533014A (ja) | 患者の認知機能の評価 | |
CN103153183A (zh) | 用于诊断阻塞性睡眠呼吸暂停的装置和方法 | |
CN103405225B (zh) | 一种获取疼感评测指标的方法、装置及设备 | |
CN109124655A (zh) | 精神状态分析方法、装置、设备、计算机介质及多功能椅 | |
CN113598790A (zh) | 基于听觉刺激的意识障碍脑功能网络的意识评估方法 | |
US11931574B2 (en) | Apparatus, systems and methods for monitoring symptoms of neurological conditions | |
Mohammadi et al. | An integrated human stress detection sensor using supervised algorithms | |
CN113633260A (zh) | 多导睡眠监测方法、监测仪、计算机设备及可读存储介质 | |
CN116369853A (zh) | 一种基于脑机交互技术的嗅觉功能标准化评估装置及方法 | |
CN113288174B (zh) | 一种精神分裂患者认知功能的检测方法 | |
CN110782992B (zh) | 基于心电信号的康复效果量化评估智能实现方法及系统 | |
CN115299947A (zh) | 基于多模态生理数据的心理量表置信度评估方法及系统 | |
US7549959B2 (en) | Stimulation arrangement for measurement of physiological signal reactivity | |
CN115251852B (zh) | 一种体温调节功能的检测量化方法和系统 | |
CN107296586A (zh) | 视觉误差检测设备/方法及基于该设备的书写系统/方法 | |
CN114903445A (zh) | 一种心脑血管疾病智能监测预警系统 | |
US20220133211A1 (en) | Measurement unit and monitoring system for monitoring indicator of parkinson's disease in person | |
CN115486819B (zh) | 一种感知觉神经通路多级联检测量化的方法、系统和装置 | |
JP2020014611A (ja) | 心因性非てんかん発作検出装置及び方法 | |
CN113951826B (zh) | 一种用于评估睡眠状况的方法、系统及设备 |
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 |