CN116491958B - 靶点确定设备、电子设备及存储介质 - Google Patents

靶点确定设备、电子设备及存储介质 Download PDF

Info

Publication number
CN116491958B
CN116491958B CN202310770524.8A CN202310770524A CN116491958B CN 116491958 B CN116491958 B CN 116491958B CN 202310770524 A CN202310770524 A CN 202310770524A CN 116491958 B CN116491958 B CN 116491958B
Authority
CN
China
Prior art keywords
brain
time
target
interest
information flow
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.)
Active
Application number
CN202310770524.8A
Other languages
English (en)
Other versions
CN116491958A (zh
Inventor
白洋
冯珍
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
First Affiliated Hospital of Nanchang University
Original Assignee
First Affiliated Hospital of Nanchang University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by First Affiliated Hospital of Nanchang University filed Critical First Affiliated Hospital of Nanchang University
Priority to CN202310770524.8A priority Critical patent/CN116491958B/zh
Publication of CN116491958A publication Critical patent/CN116491958A/zh
Application granted granted Critical
Publication of CN116491958B publication Critical patent/CN116491958B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A61B5/004—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part
    • A61B5/0042—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part for the brain
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Public Health (AREA)
  • Pathology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Psychiatry (AREA)
  • Neurology (AREA)
  • Psychology (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Signal Processing (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

本申请公开了一种靶点确定设备、电子设备及存储介质。第一获取模块获取通过N个脑电电极采集的N个脑电波；处理模块基于M个脉冲的发放时间和预设时间长度，对每个脑电波进行分段，得到M个目标试次，其中，每个目标试次包括每个目标试次对应的脉冲下的N个脑电电极所对应的N个脑电信号段；第二获取模块获取患者的初始磁共振图像；基于每个目标试次中的N个脑电信号段和初始磁共振图像进行溯源分析，得到每个目标试次对应的多个第一脑电源信号；处理模块确定初始磁共振图像中的多个感兴趣脑区；处理模块基于每个目标试次对应的多个第一脑电源信号和多个感兴趣脑区，确定患者对应的靶点。

Description

靶点确定设备、电子设备及存储介质
技术领域
本申请涉及医疗技术领域，具体涉及一种靶点确定设备、电子设备及存储介质。
背景技术
无创神经调控是目前脑损伤康复治疗的重要发展方向，传统的无创神经调控方法通常视大脑为一个“黑箱”，使用预先人为设置的范式和参数对病人群体进行无差别的治疗，也即是说，通常会为每种脑损伤预先设定对应的神经调控靶点，然后基于预设设定的靶点进行神经调控。比如，在意识障碍临床应用中，这种神经调控方式中通常以电极帽的F3/F4电极位置作为靶点，或者通过导航选取大脑结构上的背外侧前额叶作为靶点。现有这种无差别式地确定靶点并未针对患者脑损伤的特异性来确定，即未考虑患者个体差异性的影响，上述方式选择的靶点的精度比较低，进而无法保证在个体层面上的神经调控的有效性。
发明内容
本申请提供了一种靶点确定设备、电子设备及存储介质，提升了确定靶点的精度，进而可以提高神经调控的有效性。
第一方面，本申请提供一种靶点确定设备，靶点确定设备包括第一获取模块、第二获取模块和处理模块；
第一获取模块，用于获取通过N个脑电电极采集的N个脑电波，其中，每个脑电波是通过对患者的脑部发放M个脉冲得到，M和N均为正整数；
处理模块，用于基于M个脉冲的发放时间和预设时间长度，对每个脑电波进行分段，得到M个目标试次，其中，每个目标试次包括每个目标试次对应的脉冲下的N个脑电电极所对应的N个脑电信号段；
第二获取模块，用于获取患者的初始磁共振图像；
处理模块，用于基于每个目标试次中的N个脑电信号段和初始磁共振图像进行溯源分析，得到每个目标试次对应的多个第一脑电源信号；
处理模块，用于确定初始磁共振图像中的多个感兴趣脑区；
处理模块，用于基于每个目标试次对应的多个第一脑电源信号和多个感兴趣脑区，确定患者对应的靶点。
第二方面，本申请提供一种靶点确定方法，该方法应用于靶点确定设备，靶点确定设备包括第一获取模块、第二获取模块和处理模块；
第一获取模块获取通过N个脑电电极采集的N个脑电波，其中，每个脑电波是通过对患者的脑部发放M个脉冲得到，M和N均为正整数；
处理模块基于M个脉冲的发放时间和预设时间长度，对每个脑电波进行分段，得到M个目标试次，其中，每个目标试次包括每个目标试次对应的脉冲下的N个脑电电极所对应的N个脑电信号段；
第二获取模块获取患者的初始磁共振图像；
处理模块基于每个目标试次中的N个脑电信号段和初始磁共振图像进行溯源分析，得到每个目标试次对应的多个第一脑电源信号；
处理模块确定初始磁共振图像中的多个感兴趣脑区；
处理模块基于每个目标试次对应的多个第一脑电源信号和多个感兴趣脑区，确定患者对应的靶点。
第三方面，本申请提供一种电子设备，包括：处理器和存储器，处理器与存储器相连，存储器用于存储计算机程序，处理器用于执行存储器中存储的计算机程序，以使得电子设备执行如第二方面的方法。
第四方面，本申请提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序使得计算机执行如第二方面的方法。
第五方面，本申请提供一种计算机程序产品，计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，计算机可操作来使计算机执行如第二方面的方法。
实施本申请，具有如下有益效果：
可以看出，在本申请中，首先获取通过N个脑电电极采集的N个脑电波；然后，基于M个脉冲的发放时间和预设时间长度，对每个脑电波进行分段，得到M个目标试次；然后获取患者的初始磁共振图像；再基于每个目标试次中的N个脑电信号段和初始磁共振图像进行溯源分析，得到每个目标试次对应的多个第一脑电源信号；再确定初始磁共振图像中的多个感兴趣脑区；最后，基于每个目标试次对应的多个第一脑电源信号和多个感兴趣脑区，确定患者对应的靶点。也即是说，本申请并不是直接基于脑损伤的类型来确定对应的预设靶点，而是通过采集患者的脑部的脑电波，再对脑电波进行处理得到多个第一脑电源信号，再基于多个第一脑电源信号和确定出来的多个感兴趣脑区，来确定靶点，即该靶点是基于多个第一脑电源信号从多个感兴趣脑区中确定出来的，提升了靶点确定的精度。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种靶点确定的场景示意图；
图2为本申请实施例提供的一种靶点确定设备的功能单元组成框图；
图3为本申请实施例提供的一种基于M个脉冲的发放时间和预设时间长度，对每个脑电波进行分段，得到M-D个第二试次的示意图；
图4为本申请实施例提供的一种第一试次的各个时刻下第i个感兴趣脑区流向第j个感兴趣脑区在每个频率下所对应的信息流的示意图；
图5为本申请实施例提供的一种基于每个目标试次下的第i个感兴趣脑区在各个时刻下每个频率所对应的信息流，确定第i个感兴趣脑区对应的信息流的目标强度；
图6为本申请实施例提供的一种靶点确定方法的流程示意图；
图7为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请的说明书和权利要求书及附图中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着，结合实施例描述的特定特征、结果或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。
参阅图1，图1为本申请实施例提供的一种靶点确定的场景示意图。
如图1所示，外部使用刺激工具（比如可以为经颅磁刺激的工具，每使用刺激工具对患者的脑部进行一次刺激，可以理解为发放一次脉冲）对患者的头部进行刺激之后，靶点确定设备获取到通过N个脑电电极（即图1中患者的脑部上面与靶点确定设备建立连接的多个圆点）采集的N个脑电波，其中，每个脑电波是通过对患者的脑部发放M个脉冲得到；然后靶点确定设备基于M个脉冲的发放时间和预设时间长度，对每个脑电波进行分段，得到M个目标试次，其中，每个目标试次包括每个目标试次对应的脉冲下的N个脑电电极所对应的N个脑电信号段；然后靶点确定设备获取患者的初始磁共振图像，再基于每个目标试次中的N个脑电信号段和初始磁共振图像进行溯源分析，得到每个目标试次对应的多个第一脑电源信号；然后靶点确定设备确定初始磁共振图像中的多个感兴趣脑区；最后基于每个目标试次对应的多个第一脑电源信号和多个感兴趣脑区，确定患者对应的靶点，其中，确定出来的靶点即为多个感兴趣脑区中信息流的流出强度或者流入强度最大的脑区，正如图1中靶点确定设备中显示的大脑上的多个圆点，该多个圆点与多个感兴趣脑区对应，每个圆点的大小表征了每个感兴趣脑区中信息流的流出强度或者流入强度，进而便可以基于圆点的大小特征来确定出神经调控的靶点。
参阅图2，图2为本申请实施例提供的一种靶点确定设备的功能单元组成框图，如图2所示，靶点确定设备包括第一获取模块、第二获取模块和处理模块。
首先，第一获取模块获取通过N个脑电电极采集的N个脑电波，其中，每个脑电波是通过对患者的脑部发放M个脉冲得到，M和N均为正整数。
其次，处理模块基于M个脉冲的发放时间和预设时间长度，对每个脑电波进行分段，得到M个目标试次，每个目标试次包括每个目标试次对应的脉冲下的N个脑电电极所对应的N个脑电信号段，具体地：
先基于M个脉冲的发放时间和预设时间长度，对每个脑电波进行分段，得到M×N个第一脑电信号段，M×N个第一脑电信号段对应M个第一试次和N个通道，M个第一试次和M个脉冲一一对应，每个第一试次包括与每个第一试次对应的脉冲下的N个脑电电极对应的N个第一脑电信号段，N个通道和N个脑电电极一一对应，每个通道包括与每个通道对应的脑电波在分段后的M个第一脑电信号段；再对每个第一脑电信号段进行去噪和降采样，得到M×N个第二脑电信号段，应说明，去噪操作可以为使用卡尔曼滤波方法去除每个第一脑电信号段中的第一时间段中幅值超过预设幅值阈值的噪声，然后对去噪之后的第一脑电信号段进行降采样，得到每个第二脑电信号段，比如，原本每个第一脑电信号段的时间长度为预设时间长度，在降采样之后，每个第二脑电信号段的时间长度为第一时间长度，该第一时间长度小于预设时间长度，进而可以加快对脑电信号的处理效率；然后，基于M×N个第二脑电信号段，确定C个坏通道和D个坏试次，其中，每个坏通道对应的M个第二脑电信号段中的信号质量小于预设阈值，每个坏试次对应的N个第二脑电信号段中的信号质量小于预设阈值，C和D均为整数，C≥0，D≥0，也即是说，通过对每个第二脑电信号段中的信号质量进行评估，若一个通道中信号质量小于预设阈值的第二脑电信号段数量大于第一阈值时，则该通道为坏通道，同理，若一个第一试次中信号质量小于预设阈值的第二脑电信号段的数量大于第二阈值，则该第一试次为坏试次；再基于M×N个第二脑电信号段、C个坏通道和D个坏试次，确定M-D个第二试次，比如，将M×N个第二脑电信号段中与C个坏通道和D个坏试次对应的第二脑电信号段去除，得到C1个第三脑电信号段，其中，C1为M-D与N-C的乘积；再对每个第三脑电信号段进行去噪（比如可以为去除肌电、眼电、带通滤波等），得到C1个第四脑电信号段；再基于C1个第四脑电信号段，对C个坏通道进行插值，得到C2个第五脑电信号段，其中，C2为N与M-D的乘积，可以理解为，基于C1个第四脑电信号段确定每个坏通道对应M-D个第四脑电信号段；再对C2个第五脑电信号段进行基线校正，得到C2个第六脑电信号段；继而基于C2个第六脑电信号段，确定M-D个第二试次；最后将M-D个第二试次重新确定为M个目标试次，也即是说，此时每个目标试次包括的N个脑电信号段即为该目标试次对应的N个第六脑电信号段。应说明，在得到M个第一试次之后，通过确定坏通道和坏试次，去除坏试次和坏通道之后对坏通道进行插值，对信号质量差的脑电信号进行了一系列优化之后最终得到C2个第六脑电信号段，提升了信号数据的准确性，进而可以保证靶点确定的精度。
示例性的，参阅图3，图3为本申请实施例提供的一种基于M个脉冲的发放时间和预设时间长度，对每个脑电波进行分段，得到M-D个第二试次的示意图，如图3所示，基于M个脉冲的发放时间和预设时间长度，对N个脑电波（即1、2、3、…、N）中的每个脑电波进行分段，得到M×N个第一脑电信号段，这M×N个第一脑电信号段对应有N个通道和M个第一试次，每个通道包括横向一行中的M个第一脑电信号段，每个第一试次包括纵向一列中的N个第一脑电信号段；然后，对每个第一脑电信号段进行去噪和降采样，得到M×N个第二脑电信号段；然后基于M×N个第二脑电信号段，确定出C个坏通道和D个坏试次，假设C个坏通道为第N个通道（即C=1），D个坏试次为第2个第一试次（即D=1）；然后将M×N个第二脑电信号段中第N个通道包括的所有第二脑电信号段和第2个第一试次包括的所有第二脑电信号段去除，得到（M-D）×（N-C）个第四脑电信号段，即（M-1）×（N-1）个第四脑电信号段；然后基于（M-D）×（N-C）个第四脑电信号段对第N个通道进行插值，得到（M-D）×N个第五脑电信号段；再对（M-D）×N个第五脑电信号段进行基线校正，得到（M-D）×N个第六脑电信号段，显而易见，（M-D）×N个第六脑电信号段中一共有（M-D）个第二试次。
进一步地，第二获取模块获取患者的初始磁共振图像；然后处理模块基于每个目标试次中的N个脑电信号段和初始磁共振图像进行溯源分析，得到每个目标试次对应的多个第一脑电源信号，具体地：
对初始磁共振图像进行重切片，得到目标磁共振图像；对目标磁共振图像进行分割，得到脑组织、颅骨和头皮，比如，可以基于FreeSurfer工具进行分割；基于目标磁共振图像分割出的脑组织、颅骨和头皮进行脑模型构建，得到目标脑模型，也即是说，基于目标磁共振图像分割出的脑组织、颅骨和头皮所分别对应的参数来使用各向一致性的传导参数来建立信号传导正向脑模型，即目标脑模型；从目标脑模型中提取多个第一皮层网格；对多个第一皮层网格进行降维并与预设标准脑模板进行匹配，得到多个第二皮层网格；将N个脑电电极在患者的脑部的位置与多个第二皮层网格在患者的脑部的位置进行对齐，得到Lead-field矩阵；基于Lead-field矩阵和每个目标试次中的N个脑电信号段，得到每个目标试次对应的多个第一脑电源信号，即基于Lead-field矩阵和线性约束最小方差算法对每个目标试次中的N个脑电信号段进行逆向求解，得到每个目标试次对应的多个第一脑电源信号。
再进一步地，处理模块确定初始磁共振图像中的多个感兴趣脑区之后，基于每个目标试次对应的多个第一脑电源信号和多个感兴趣脑区，确定患者对应的靶点，具体地：
针对M个目标试次中的任意一个试次，即第一试次，首先基于第一试次对应的多个第一脑电源信号和多个感兴趣脑区，确定每个感兴趣脑区在预设时间长度中的各个时刻下每个频率所对应的信息流，具体地：先将第一试次对应的多个第一脑电源信号加权映射到多个感兴趣脑区，得到多个感兴趣脑区对应的多个第二脑电源信号；基于多个感兴趣脑区对应的多个第二脑电源信号，得到各个时刻下的第一矩阵，其中，各个时刻下的第一矩阵中的元素Aij表示多个感兴趣脑区中的第i个感兴趣脑区对应的第二脑电源信号与第j个感兴趣脑区对应的第二脑电源信号在各个时刻下的传导关系；再基于各个时刻下的第一矩阵，确定各个时刻下的第二矩阵，其中，各个时刻下的第二矩阵中的元素Bij表示在各个时刻下第i个感兴趣脑区流向第j个感兴趣脑区在每个频率下所对应的信息流，其中，第一试次的时刻下的第二矩阵可以通过公式（1）-公式（3）得到：
（1）
其中，为通过赤池信息准则（Akaike information criterion，AIC）推导出的目标模型最优模型参数，/>为多参数独立白噪声在第一试次的时刻/>下的时域表达，/>为第一试次下的时刻/>对应的第一矩阵，/>也可以理解为第一试次下的时刻/>对应的多个第二脑电源信号的时域表达，/>为第一试次下的时刻/>对应的第一矩阵，/>也可以理解为第一试次下的时刻/>对应的多个第二脑电源信号的时域表达，则基于公式（1）可以推导出/>，/>为通过卡尔曼滤波算法推导出来的模型参数在时刻/>下的时域表达。
然后可以将、/>和/>分别转换为频域在时刻/>下的频域表达，分别得到、/>和/>，/>表示通过卡尔曼滤波算法推导出来的模型参数在时刻/>下的频域表达，/>为第一试次下的时刻/>对应的多个第二脑电源信号的频域表达，为多参数独立白噪声在第一试次的时刻/>下的频域表达，其中/>、/>和之间的关系可以通过公式（2）得到：
（2）
然后结合公式（2），第一试次的时刻下的第二矩阵，即/>可以通过公式（3）得到：
（3）
因此，本申请中又将第一试次的时刻下的第二矩阵中的元素Bij通过/>表示，具体地，Bij或者/>为第i个感兴趣脑区流向第j个感兴趣脑区在每个频率下所对应的信息流，此时/>可以理解为用于表征第i个感兴趣脑区流向第j个感兴趣脑区的信息流在频率和时刻上的特征。
示例性的，参阅图4，图4为本申请实施例提供的一种第一试次的各个时刻下第i个感兴趣脑区流向第j个感兴趣脑区在每个频率下所对应的信息流的示意图，如图4所示，横轴表示时间，纵轴表示频率，或者可以理解为是一个时频图，时频图中分布着许多阴影点状，这些阴影点状表示第i个感兴趣脑区流向第j个感兴趣脑区在各个时刻下、每个频率所对应的信息流，在这个时频图的右侧有一个“确定信息流大小的标准”（即表示各个时刻下、每个频率所对应的信息流的大小在G1至G2之间，G1和G2均为预设值），依据该标准和各个时刻下、每个频率所对应的阴影点状，确定各个时刻下、每个频率所对应的阴影点状表示的信息流的大小，进而可以知道第一试次下第i个感兴趣脑区流向第j个感兴趣脑区在各个时刻下、每个频率所对应的信息流是多少。
然后，基于第一试次的各个时刻下的第二矩阵中各个时刻、每个频率下的每个感兴趣脑区流出或者流入的信息流，确定第一试次下每个感兴趣脑区在预设时间长度中的各个时刻下每个频率所对应的信息流，应说明，本申请主要以每个感兴趣脑区流出的信息流为示例进行说明。因此，知道第一试次下第i个感兴趣脑区流向第j个感兴趣脑区在各个时刻下、每个频率所对应的信息流，便可以将第一试次下第i个感兴趣脑区流向多个感兴趣脑区中除第i个感兴趣脑区之外的每个感兴趣脑区在各个时刻下每个频率所对应的信息流求和，作为第一试次下每个感兴趣脑区在预设时间长度中的各个时刻下每个频率所对应的信息流。
进一步地，基于每个目标试次下的每个感兴趣脑区在各个时刻下每个频率所对应的信息流，确定患者对应的靶点，具体地：先获取预设时间窗和预设频段；再基于每个目标试次下的每个感兴趣脑区在各个时刻下每个频率所对应的信息流，确定每个目标试次下的每个感兴趣脑区在预设时间窗下的预设频段所对应的信息流；然后基于每个目标试次下的每个感兴趣脑区在预设时间窗下的预设频段所对应的信息流，确定患者对应的靶点，具体而言：将每个目标试次下的每个感兴趣脑区在预设时间窗下的预设频段所对应的信息流求平均，得到每个目标试次下的每个感兴趣脑区对应的信息流的强度；将每个目标试次下的每个感兴趣脑区对应的信息流的强度求平均，得到每个感兴趣脑区对应的信息流的目标强度，由于每个感兴趣脑区有流入或者流出的信息流，则目标强度相应也有流出强度和流入强度，由于本申请主要以每个感兴趣脑区流出的信息流为示例进行说明，则相应地本申请也只以信息流的流出强度为例进行说明；基于每个感兴趣脑区对应的信息流的目标强度，确定目标脑区为靶点，比如将目标强度最大的感兴趣脑区确定为目标脑区，应说明，目标强度也包括信息流流入的目标强度或者流出的目标强度，本申请主要以信息流流入的目标强度为例进行说明。
示例性的，参阅图5，图5为本申请实施例提供的一种基于每个目标试次下的第i个感兴趣脑区在各个时刻下每个频率所对应的信息流，确定第i个感兴趣脑区对应的信息流的目标强度。如图5所示，假设一共有U个目标试次（即1、2、…、U），每个目标试次对应一个时频图，横轴“T”表示时间，纵轴“F”表示频率，表示每个目标试次下第i个感兴趣脑区在预设时间长度中的各个时刻下每个频率所对应的信息流；对每个目标试次各个时刻下每个频率所对应的信息流按照多个时间段和多个频段进行分段，每个目标试次对应就得到多个信息流段（即图5中多个小矩形中呈现的阴影点状）；然后获取预设时间窗和预设频段，并在每个目标试次对应的多个信息流段找到预设时间窗下、预设频段所对应的信息流，即图5中每个目标试次中被椭圆形状框住的信息流段；然后将每个目标试次下在预设时间窗下的预设频段所对应的信息分别求平均，依次得到和U个目标试次分别对应的“强度1”、“强度2”、…、“强度U”；然后将“强度1”、“强度2”、…、“强度U”求平均，得到第i个感兴趣脑区对应的目标强度。因此，同理可以求出每个感兴趣脑区对应的目标强度，然后将目标强度最大的感兴趣脑区确定为靶点。
参阅图6，图6为本申请实施例提供的一种靶点确定方法的流程示意图，该方法应用于靶点确定设备，靶点确定设备包括第一获取模块、第二获取模块和处理模块，该方法包括但不限于步骤601-606：
601：第一获取模块获取通过N个脑电电极采集的N个脑电波。
其中，每个脑电波是通过对患者的脑部发放M个脉冲得到，M和N均为正整数；
602：处理模块基于M个脉冲的发放时间和预设时间长度，对每个脑电波进行分段，得到M个目标试次。
其中，每个目标试次包括每个目标试次对应的脉冲下的N个脑电电极所对应的N个脑电信号段；
603：第二获取模块获取患者的初始磁共振图像。
604：处理模块基于每个目标试次中的N个脑电信号段和初始磁共振图像进行溯源分析，得到每个目标试次对应的多个第一脑电源信号。
605：处理模块确定初始磁共振图像中的多个感兴趣脑区。
606：处理模块基于每个目标试次对应的多个第一脑电源信号和多个感兴趣脑区，确定患者对应的靶点。
其中，步骤601-步骤606的具体实现过程，可参照上述第一获取模块、第二获取模块和处理模块的具体功能，不再赘述。
参阅图7，图7为本申请实施例提供的一种电子设备的结构示意图。如图7所示，电子设备700包括收发器701、处理器702和存储器703。它们之间通过总线704连接。存储器703用于存储计算机程序和数据，并可以将存储器703存储的数据传输给处理器702。
处理器702用于读取存储器703中的计算机程序执行以下操作：
控制收发器701获取通过N个脑电电极采集的N个脑电波，其中，每个脑电波是通过对患者的脑部发放M个脉冲得到，M和N均为正整数；
基于M个脉冲的发放时间和预设时间长度，对每个脑电波进行分段，得到M个目标试次，其中，每个目标试次包括每个目标试次对应的脉冲下的N个脑电电极所对应的N个脑电信号段；
控制收发器701获取患者的初始磁共振图像；
基于每个目标试次中的N个脑电信号段和初始磁共振图像进行溯源分析，得到每个目标试次对应的多个第一脑电源信号；
确定初始磁共振图像中的多个感兴趣脑区；
基于每个目标试次对应的多个第一脑电源信号和多个感兴趣脑区，确定患者对应的靶点。
应说明，处理器702可以集成有上述处理模块的所有功能，收发器701可以集成有上述第一获取模块和第二获取模块的所有功能，存储器703可以存储程序，当存储器703中存储的程序被处理器702执行时，处理器702和收发器701用于执行本申请实施例的靶点确定方法的各个步骤。
本申请实施例还提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程序，计算机程序被处理器执行以实现如上述方法实施例中记载的任何一种靶点确定方法的部分或全部步骤。
本申请实施例还提供一种计算机程序产品，计算机程序产品包括存储了计算机程序的非瞬时性计算机可读存储介质，计算机程序可操作来使计算机执行如上述方法实施例中记载的任何一种靶点确定方法的部分或全部步骤。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于可选实施例，所涉及的动作和模块并不一定是本申请所必须的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置，可通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件程序模块的形式实现。
集成的单元如果以软件程序模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备（可为个人计算机、服务器或者网络设备等）执行本申请各个实施例方法的全部或部分步骤。而前述的存储器包括：U盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，RandomAccess Memory）、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储器中，存储器可以包括：闪存盘、只读存储器（英文：Read-Only Memory ，简称：ROM）、随机存取器（英文：Random Access Memory，简称：RAM）、磁盘或光盘等。
以上对本申请实施例进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上，本说明书内容不应理解为对本申请的限制。

Claims (6)

1.一种靶点确定设备，其特征在于，所述靶点确定设备包括第一获取模块、第二获取模块和处理模块；
所述第一获取模块，用于获取通过N个脑电电极采集的N个脑电波，其中，每个脑电波是通过对患者的脑部发放M个脉冲得到，M和N均为正整数；
所述处理模块，用于基于所述M个脉冲的发放时间和预设时间长度，对每个脑电波进行分段，得到M个目标试次，其中，每个目标试次包括每个目标试次对应的脉冲下的N个脑电电极所对应的N个脑电信号段；
所述第二获取模块，用于获取所述患者的初始磁共振图像；
所述处理模块，用于基于每个目标试次中的N个脑电信号段和所述初始磁共振图像进行溯源分析，得到每个目标试次对应的多个第一脑电源信号；
所述处理模块，用于确定所述初始磁共振图像中的多个感兴趣脑区；
所述处理模块，用于针对第一试次，基于第一试次对应的多个第一脑电源信号和所述多个感兴趣脑区，确定每个感兴趣脑区在所述预设时间长度中的各个时刻下每个频率所对应的信息流，其中，所述第一试次为所述M个目标试次中的任意一个；
所述处理模块，用于基于每个目标试次下的每个感兴趣脑区在各个时刻下每个频率所对应的信息流，确定所述患者对应的靶点，具体包括：
获取预设时间窗和预设频段；
基于每个目标试次下的每个感兴趣脑区在各个时刻下每个频率所对应的信息流，确定每个目标试次下的每个感兴趣脑区在所述预设时间窗下的所述预设频段所对应的信息流；
将每个目标试次下的每个感兴趣脑区在所述预设时间窗下的所述预设频段所对应的信息流求平均，得到每个目标试次下的每个感兴趣脑区对应的信息流的强度；
将每个目标试次下的每个感兴趣脑区对应的信息流的强度求平均，得到每个感兴趣脑区对应的信息流的目标强度；
基于每个感兴趣脑区对应的信息流的目标强度，确定所述患者对应的靶点。
2.根据权利要求1所述的设备，其特征在于，
在基于第一试次对应的多个第一脑电源信号和所述多个感兴趣脑区，确定每个感兴趣脑区在所述预设时间长度中的各个时刻下每个频率所对应的信息流方面，所述处理模块，具体用于：
将所述第一试次对应的多个第一脑电源信号加权映射到所述多个感兴趣脑区，得到所述多个感兴趣脑区对应的多个第二脑电源信号；
基于所述多个感兴趣脑区对应的多个第二脑电源信号，得到各个时刻下的第一矩阵，其中，所述各个时刻下的第一矩阵中的元素Aij表示所述多个感兴趣脑区中的第i个感兴趣脑区对应的第二脑电源信号与第j个感兴趣脑区对应的第二脑电源信号在各个时刻下的传导关系；
基于所述各个时刻下的第一矩阵，确定各个时刻下的第二矩阵，其中，所述各个时刻下的第二矩阵中的元素Bij表示在各个时刻下所述第i个感兴趣脑区流向所述第j个感兴趣脑区在每个频率下所对应的信息流；
基于所述各个时刻下的第二矩阵中各个时刻、每个频率下的每个感兴趣脑区流出或者流入的信息流，确定每个感兴趣脑区在所述预设时间长度中的各个时刻下每个频率所对应的信息流。
3.根据权利要求1或2所述的设备，其特征在于，
在基于每个目标试次中的N个脑电信号段和所述初始磁共振图进行溯源分析，得到每个目标试次对应的多个第一脑电源信号方面，所述处理模块，具体用于：
对所述初始磁共振图像进行重切片，得到目标磁共振图像；
对所述目标磁共振图像进行分割，得到脑组织、颅骨和头皮；
基于所述目标磁共振图像分割出的脑组织、颅骨和头皮进行脑模型构建，得到目标脑模型；
从所述目标脑模型中提取多个第一皮层网格；
对所述多个第一皮层网格进行降维并与预设标准脑模板进行匹配，得到多个第二皮层网格；
将所述N个脑电电极在所述患者的脑部的位置与所述多个第二皮层网格在所述患者的脑部的位置进行对齐，得到Lead-field矩阵；
基于所述Lead-field矩阵和每个目标试次中的N个脑电信号段，得到每个目标试次对应的多个第一脑电源信号。
4.根据权利要求1或2所述的设备，其特征在于，
在基于所述M个脉冲的发放时间和预设时间长度，对每个脑电波进行分段，得到M个目标试次方面，所述处理模块，具体用于：
基于所述M个脉冲的发放时间和预设时间长度，对每个脑电波进行分段，得到M×N个第一脑电信号段，其中，所述M×N个第一脑电信号段对应M个第一试次和N个通道，所述M个第一试次和所述M个脉冲一一对应，每个第一试次包括与每个第一试次对应的脉冲下的N个脑电电极对应的N个第一脑电信号段，所述N个通道和所述N个脑电电极一一对应，每个通道包括与每个通道对应的脑电波在分段后的M个第一脑电信号段；
对每个第一脑电信号段进行去噪和降采样，得到M×N个第二脑电信号段；
基于所述M×N个第二脑电信号段，确定C个坏通道和D个坏试次，其中，每个坏通道对应的M个第二脑电信号段中的信号质量小于预设阈值，每个坏试次对应的N个第二脑电信号段中的信号质量小于所述预设阈值，C和D均为整数，C≥0，D≥0；
基于所述M×N个第二脑电信号段、所述C个坏通道和所述D个坏试次，确定M-D个第二试次；
将所述M-D个第二试次重新确定为所述M个目标试次。
5.一种电子设备，其特征在于，包括：处理器和存储器，所述处理器与所述存储器相连，所述存储器用于存储计算机程序，所述处理器用于执行所述存储器中存储的计算机程序，以使得所述电子设备执行以下步骤：
获取通过N个脑电电极采集的N个脑电波，其中，每个脑电波是通过对患者的脑部发放M个脉冲得到，M和N均为正整数；
基于所述M个脉冲的发放时间和预设时间长度，对每个脑电波进行分段，得到M个目标试次，其中，每个目标试次包括每个目标试次对应的脉冲下的N个脑电电极所对应的N个脑电信号段；
获取所述患者的初始磁共振图像；
基于每个目标试次中的N个脑电信号段和所述初始磁共振图像进行溯源分析，得到每个目标试次对应的多个第一脑电源信号；
确定所述初始磁共振图像中的多个感兴趣脑区；
针对第一试次，基于第一试次对应的多个第一脑电源信号和所述多个感兴趣脑区，确定每个感兴趣脑区在所述预设时间长度中的各个时刻下每个频率所对应的信息流，其中，所述第一试次为所述M个目标试次中的任意一个；
基于每个目标试次下的每个感兴趣脑区在各个时刻下每个频率所对应的信息流，确定所述患者对应的靶点，具体包括：
获取预设时间窗和预设频段；
基于每个目标试次下的每个感兴趣脑区在各个时刻下每个频率所对应的信息流，确定每个目标试次下的每个感兴趣脑区在所述预设时间窗下的所述预设频段所对应的信息流；
将每个目标试次下的每个感兴趣脑区在所述预设时间窗下的所述预设频段所对应的信息流求平均，得到每个目标试次下的每个感兴趣脑区对应的信息流的强度；
将每个目标试次下的每个感兴趣脑区对应的信息流的强度求平均，得到每个感兴趣脑区对应的信息流的目标强度；
基于每个感兴趣脑区对应的信息流的目标强度，确定所述患者对应的靶点。
6.一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，所述计算机程序使得计算机可读存储介质执行以下步骤：
获取通过N个脑电电极采集的N个脑电波，其中，每个脑电波是通过对患者的脑部发放M个脉冲得到，M和N均为正整数；
基于所述M个脉冲的发放时间和预设时间长度，对每个脑电波进行分段，得到M个目标试次，其中，每个目标试次包括每个目标试次对应的脉冲下的N个脑电电极所对应的N个脑电信号段；
获取所述患者的初始磁共振图像；
基于每个目标试次中的N个脑电信号段和所述初始磁共振图像进行溯源分析，得到每个目标试次对应的多个第一脑电源信号；
确定所述初始磁共振图像中的多个感兴趣脑区；
针对第一试次，基于第一试次对应的多个第一脑电源信号和所述多个感兴趣脑区，确定每个感兴趣脑区在所述预设时间长度中的各个时刻下每个频率所对应的信息流，其中，所述第一试次为所述M个目标试次中的任意一个；
基于每个目标试次下的每个感兴趣脑区在各个时刻下每个频率所对应的信息流，确定所述患者对应的靶点，具体包括：
获取预设时间窗和预设频段；
基于每个目标试次下的每个感兴趣脑区在各个时刻下每个频率所对应的信息流，确定每个目标试次下的每个感兴趣脑区在所述预设时间窗下的所述预设频段所对应的信息流；
将每个目标试次下的每个感兴趣脑区在所述预设时间窗下的所述预设频段所对应的信息流求平均，得到每个目标试次下的每个感兴趣脑区对应的信息流的强度；
将每个目标试次下的每个感兴趣脑区对应的信息流的强度求平均，得到每个感兴趣脑区对应的信息流的目标强度；
基于每个感兴趣脑区对应的信息流的目标强度，确定所述患者对应的靶点。
CN202310770524.8A 2023-06-28 2023-06-28 靶点确定设备、电子设备及存储介质 Active CN116491958B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310770524.8A CN116491958B (zh) 2023-06-28 2023-06-28 靶点确定设备、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310770524.8A CN116491958B (zh) 2023-06-28 2023-06-28 靶点确定设备、电子设备及存储介质

Publications (2)

Publication Number Publication Date
CN116491958A CN116491958A (zh) 2023-07-28
CN116491958B true CN116491958B (zh) 2023-09-19

Family

ID=87321658

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310770524.8A Active CN116491958B (zh) 2023-06-28 2023-06-28 靶点确定设备、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN116491958B (zh)

Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103942424A (zh) * 2014-04-13 2014-07-23 北京师范大学 一种基于多通道皮层脑电记录的大尺度皮层网络信息流个体化三维动态可视化方法
CN104305993A (zh) * 2014-11-12 2015-01-28 中国医学科学院生物医学工程研究所 一种基于格兰杰因果性的脑电源定位方法
US9107595B1 (en) * 2014-09-29 2015-08-18 The United States Of America As Represented By The Secretary Of The Army Node excitation driving function measures for cerebral cortex network analysis of electroencephalograms
US9116835B1 (en) * 2014-09-29 2015-08-25 The United States Of America As Represented By The Secretary Of The Army Method and apparatus for estimating cerebral cortical source activations from electroencephalograms
CN109568795A (zh) * 2018-11-23 2019-04-05 中国医学科学院生物医学工程研究所 基于脑电溯源和线性相关的脑深部磁刺激靶点定位方法
CN110074783A (zh) * 2019-05-17 2019-08-02 杭州师范大学 经颅磁刺激诱发信号的大脑皮层兴奋性及成像和量化方法
CN112546446A (zh) * 2020-11-24 2021-03-26 浙江大学医学院附属邵逸夫医院 一种基于权重功能连接的个体化靶点定位方法
CN112641450A (zh) * 2020-12-28 2021-04-13 中国人民解放军战略支援部队信息工程大学 面向动态视频目标检测的时变脑网络重构方法
CN113057620A (zh) * 2021-03-05 2021-07-02 兰州理工大学 青少年肌阵挛癫痫患者不同脑区耦合关系的有效连接方法
CN113367679A (zh) * 2021-07-05 2021-09-10 北京银河方圆科技有限公司 靶点确定方法、装置、设备及存储介质
CN113576491A (zh) * 2021-07-26 2021-11-02 深圳市人民医院 基于静息态eeg频域特征及脑网络自动分析方法和系统
CN113827865A (zh) * 2021-10-26 2021-12-24 中国医学科学院生物医学工程研究所 经颅磁刺激位置确定方法、装置、电子设备及存储介质
WO2022004841A1 (ja) * 2020-07-02 2022-01-06 株式会社国際電気通信基礎技術研究所 推定システム、推定方法、プログラム、推定モデル、脳活動トレーニング装置、脳活動トレーニング方法、および、脳活動トレーニングプログラム
CN114743672A (zh) * 2022-03-18 2022-07-12 南昌市高新区人民医院(南昌大学第一附属医院高新医院) 一种nsclc淋巴结转移风险的智能预测方法及系统
CN115187555A (zh) * 2022-07-18 2022-10-14 无锡市精神卫生中心 一种静息态功能磁共振个体化靶点定位方法
CN115349872A (zh) * 2022-08-16 2022-11-18 中国人民解放军空军军医大学 基于脑电的红外背景下飞机识别的大脑认知机制研究方法
WO2023280002A1 (zh) * 2021-07-05 2023-01-12 北京银河方圆科技有限公司 靶点确定方法、装置、电子设备、存储介质及神经调控设备
CN115813367A (zh) * 2022-11-29 2023-03-21 深圳先进技术研究院 结构功能关联的多模态脑网络计算方法、装置、设备及介质

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11896390B2 (en) * 2017-11-10 2024-02-13 Lvis Corporation Efficacy and/or therapeutic parameter recommendation using individual patient data and therapeutic brain network maps

Patent Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103942424A (zh) * 2014-04-13 2014-07-23 北京师范大学 一种基于多通道皮层脑电记录的大尺度皮层网络信息流个体化三维动态可视化方法
US9107595B1 (en) * 2014-09-29 2015-08-18 The United States Of America As Represented By The Secretary Of The Army Node excitation driving function measures for cerebral cortex network analysis of electroencephalograms
US9116835B1 (en) * 2014-09-29 2015-08-25 The United States Of America As Represented By The Secretary Of The Army Method and apparatus for estimating cerebral cortical source activations from electroencephalograms
CN104305993A (zh) * 2014-11-12 2015-01-28 中国医学科学院生物医学工程研究所 一种基于格兰杰因果性的脑电源定位方法
CN109568795A (zh) * 2018-11-23 2019-04-05 中国医学科学院生物医学工程研究所 基于脑电溯源和线性相关的脑深部磁刺激靶点定位方法
CN110074783A (zh) * 2019-05-17 2019-08-02 杭州师范大学 经颅磁刺激诱发信号的大脑皮层兴奋性及成像和量化方法
WO2022004841A1 (ja) * 2020-07-02 2022-01-06 株式会社国際電気通信基礎技術研究所 推定システム、推定方法、プログラム、推定モデル、脳活動トレーニング装置、脳活動トレーニング方法、および、脳活動トレーニングプログラム
CN112546446A (zh) * 2020-11-24 2021-03-26 浙江大学医学院附属邵逸夫医院 一种基于权重功能连接的个体化靶点定位方法
CN112641450A (zh) * 2020-12-28 2021-04-13 中国人民解放军战略支援部队信息工程大学 面向动态视频目标检测的时变脑网络重构方法
CN113057620A (zh) * 2021-03-05 2021-07-02 兰州理工大学 青少年肌阵挛癫痫患者不同脑区耦合关系的有效连接方法
CN113367679A (zh) * 2021-07-05 2021-09-10 北京银河方圆科技有限公司 靶点确定方法、装置、设备及存储介质
WO2023280002A1 (zh) * 2021-07-05 2023-01-12 北京银河方圆科技有限公司 靶点确定方法、装置、电子设备、存储介质及神经调控设备
CN113576491A (zh) * 2021-07-26 2021-11-02 深圳市人民医院 基于静息态eeg频域特征及脑网络自动分析方法和系统
CN113827865A (zh) * 2021-10-26 2021-12-24 中国医学科学院生物医学工程研究所 经颅磁刺激位置确定方法、装置、电子设备及存储介质
CN114743672A (zh) * 2022-03-18 2022-07-12 南昌市高新区人民医院(南昌大学第一附属医院高新医院) 一种nsclc淋巴结转移风险的智能预测方法及系统
CN115187555A (zh) * 2022-07-18 2022-10-14 无锡市精神卫生中心 一种静息态功能磁共振个体化靶点定位方法
CN115349872A (zh) * 2022-08-16 2022-11-18 中国人民解放军空军军医大学 基于脑电的红外背景下飞机识别的大脑认知机制研究方法
CN115813367A (zh) * 2022-11-29 2023-03-21 深圳先进技术研究院 结构功能关联的多模态脑网络计算方法、装置、设备及介质

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
P300电位中p3b成分的脑电同步功能磁共振研究;李岳峙, 王力群, 王明时;科学通报(第19期);全文 *
基于复杂网络的磁刺激内关穴脑皮层功能连接分析;尹宁;代扬杨;生晖;徐桂芝;;中国生物医学工程学报(第06期);全文 *
基于格兰杰因果关系的数学天分青少年脑网络研究;蒋祥;中国优秀硕士论文学位论文全文数据库;A002-2 *
脑皮层和自主神经活动的因果作用;于晓琳;张崇;张建保;;中国科学:生命科学(第01期);全文 *

Also Published As

Publication number Publication date
CN116491958A (zh) 2023-07-28

Similar Documents

Publication Publication Date Title
Korhonen et al. Removal of large muscle artifacts from transcranial magnetic stimulation-evoked EEG by independent component analysis
EP3011895B1 (en) Determining cognitive load of a subject from electroencephalography (EEG) signals
CN110840411B (zh) 一种麻醉深度的测量装置、存储介质及电子设备
Al-ani et al. Automatic removal of high-amplitude stimulus artefact from neuronal signal recorded in the subthalamic nucleus
CN113827865B (zh) 经颅磁刺激位置确定方法、装置、电子设备及存储介质
CN110662576A (zh) 用于认知增强的个性化闭环脉冲经颅刺激系统
Lee et al. Removal of high-voltage brain stimulation artifacts from simultaneous EEG recordings
AU2020103949A4 (en) EEG Signal Mixed Noise Processing Method, Equipment and Storage Medium
CN110859600A (zh) 一种生成脑电信号的方法、存储介质及电子设备
CN110292376A (zh) 去除脑电信号中眼电伪迹的方法、装置、设备及存储介质
Hofmanis et al. Denoising depth EEG signals during DBS using filtering and subspace decomposition
Miao et al. Automated CCA-MWF algorithm for unsupervised identification and removal of EOG artifacts from EEG
O'Connor et al. Complex spectral interactions encoded by auditory cortical neurons: relationship between bandwidth and pattern
Prokopiou et al. Modeling the hemodynamic response function using EEG-fMRI data during eyes-open resting-state conditions and motor task execution
CN116491958B (zh) 靶点确定设备、电子设备及存储介质
KR20160044641A (ko) 시리즈 독립성분분석을 이용한 뇌파 노이즈 제거 장치 및 뇌파 노이즈 제거 방법
Noorbasha et al. Joint singular spectrum analysis and generalized Moreau envelope total variation for motion artifact removal from single channel EEG signals
CN115363523A (zh) 一种癫痫发作区定位系统、设备及介质
CN116726386A (zh) 一种经颅交流电刺激方法及装置
Liu et al. Sparse multi-task inverse covariance estimation for connectivity analysis in EEG source space
Vafidis et al. Evaluation of algorithms for correction of transcranial magnetic stimulation-induced artifacts in electroencephalograms
Parthiban et al. Spike detection from electroencephalogram signals with aid of hybrid genetic algorithm-particle swarm optimization
Waddell et al. Deep brain stimulation artifact removal through under-sampling and cubic-spline interpolation
KR101701299B1 (ko) 시리즈 독립성분분석을 이용한 뇌파 노이즈 제거 장치 및 뇌파 노이즈 제거 방법
CN110931123B (zh) 一种矩阵型脑网络及其构建方法

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