CN116725511B - 经颅直流电刺激时的干预电流值确定方法、装置及终端 - Google Patents
经颅直流电刺激时的干预电流值确定方法、装置及终端 Download PDFInfo
- Publication number
- CN116725511B CN116725511B CN202310998768.1A CN202310998768A CN116725511B CN 116725511 B CN116725511 B CN 116725511B CN 202310998768 A CN202310998768 A CN 202310998768A CN 116725511 B CN116725511 B CN 116725511B
- Authority
- CN
- China
- Prior art keywords
- current value
- intervention
- value
- stimulation
- scene information
- 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
Links
- 230000000638 stimulation Effects 0.000 title claims abstract description 137
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000012549 training Methods 0.000 claims description 27
- 210000003625 skull Anatomy 0.000 claims description 22
- 238000004458 analytical method Methods 0.000 claims description 13
- 239000011159 matrix material Substances 0.000 claims description 8
- 238000003325 tomography Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 abstract description 14
- 210000004556 brain Anatomy 0.000 description 7
- 238000004590 computer program Methods 0.000 description 7
- 210000003128 head Anatomy 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000001514 detection method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 4
- 210000003710 cerebral cortex Anatomy 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000007917 intracranial administration Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 210000001061 forehead Anatomy 0.000 description 3
- 239000000243 solution Substances 0.000 description 3
- 206010001497 Agitation Diseases 0.000 description 2
- 208000002193 Pain Diseases 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000011960 computer-aided design Methods 0.000 description 2
- 238000002593 electrical impedance tomography Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 230000001537 neural effect Effects 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 210000004761 scalp Anatomy 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 210000001519 tissue Anatomy 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 230000007177 brain activity Effects 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 230000028327 secretion Effects 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 210000004243 sweat Anatomy 0.000 description 1
- 210000000225 synapse Anatomy 0.000 description 1
- 230000003956 synaptic plasticity Effects 0.000 description 1
- 210000003478 temporal lobe Anatomy 0.000 description 1
Classifications
-
- 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
- A61B5/053—Measuring electrical impedance or conductance of a portion of the body
- A61B5/0536—Impedance imaging, e.g. by tomography
-
- 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
- A61B5/7235—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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N1/00—Electrotherapy; Circuits therefor
- A61N1/02—Details
- A61N1/08—Arrangements or circuits for monitoring, protecting, controlling or indicating
-
- 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
- A61N1/20—Applying electric currents by contact electrodes continuous direct currents
Abstract
本发明公开了一种经颅直流电刺激时的干预电流值确定方法、装置及终端,将干预刺激的场景信息、干预刺激时采集的第一脑电信号输入已训练的电流值预测模型,获得预测电流值,通过已训练的电流值预测模型来获得个性化的电流值;当预测电流值与场景信息中的预设电流值之间的偏离比例小于预设阈值时,将预测电流值设为干预电流值,否则,将预设电流值设为干预电流值,确保了干预电流值的有效。既实现了个性化刺激,刺激效果好,又保证了干预刺激时的干预电流值安全可靠。
Description
技术领域
本发明涉及脑电刺激设备控制技术领域,尤其涉及的是一种经颅直流电刺激时的干预电流值确定方法、装置及终端。
背景技术
经颅直流电刺激(Transcranial Direct Current Stimulation,tDCS)是一种新兴的、非侵入性的、利用弱电流(1~2mA)调节大脑皮层神经元活动的技术,对大脑皮层中神经元的活性以及突触可塑性进行调节。能够通过调节电极放置位置、刺激电极面积和电流值,控制电流在大脑皮层上的空间分布,促进或抑制大脑的神经突触传递活动,调节大脑活动,提高大脑皮层相应区域的兴奋性和专注力。
但随着电刺激技术的发展,人们发现每个人自身阻抗不同且不同刺激位置的电阻不一样;并且,随着外部刺激引起神经元活动,出现汗液分泌、血液循环加快等现象,会造成皮肤导电率显著变化,电极与头皮接触面阻抗各不相同。目前虽然可以预先设置不同的档位,不同档位对应不同的干预电流值,还是过于粗放,不能精细调整,即不能实现个性化刺激,刺激效果不佳。
因此,现有技术有待改进和提高。
发明内容
本发明的主要目的在于提供一种经颅直流电刺激时的干预电流值确定方法、装置、智能终端和计算机可读存储介质,旨在解决经颅直流电刺激时不能实现个性化刺激,刺激效果不佳的问题。
为了实现上述目的,本发明第一方面提供一种经颅直流电刺激时的干预电流值确定方法,所述方法包括:
获取干预刺激的场景信息,所述场景信息包括干预刺激方案的方案数据和当次干预刺激的进度数据;
实时获取干预刺激时的第一脑电信号,将所述场景信息和所述第一脑电信号输入已训练的电流值预测模型,获得预测电流值;
计算所述预测电流值与所述场景信息中的预设电流值的偏离比例;
当所述偏离比例小于预设阈值时,将所述预测电流值设为干预电流值,否则,将所述预设电流值设为干预电流值;
输出所述干预电流值。
可选的,训练所述电流值预测模型的训练数据包括所述场景信息、所述第一脑电信号、干预刺激前的第二脑电信号和根据所述场景信息中的刺激目标预先标定的第三脑电信号;根据所述第一脑电信号、所述第二脑电信号和所述第三脑电信号,确定训练所述电流值预测模型的损失值。
可选的,所述根据所述第一脑电信号、所述第二脑电信号和所述第三脑电信号,确定训练所述电流值预测模型的损失值,包括:
采用信号分析方法分析所述第一脑电信号、所述第二脑电信号和所述第三脑电信号,分别获得第一特征值、第二特征值和第三特征值;
计算所述第一特征值与所述第二特征值的均方误差,获得第一损失值;
计算所述第一特征值与所述第三特征值之间的均方误差,获得第二损失值;
根据所述第一损失值和所述第二损失值,获得所述损失值。
可选的,确定所述场景信息中的预设电流值,包括:
获取所述干预刺激方案所属刺激对象的颅骨参数;
基于所述颅骨参数,根据电阻层析成像,重建颅内的电阻抗分布;
根据所述干预刺激方案的刺激位置和所述电阻抗分布,获得阻抗值;
根据所述阻抗值,确定所述预设电流值。
可选的,输出所述干预电流值之后,还包括:
根据所述当次进度数据,判定当次干预刺激是否结束;
若当次干预刺激结束时,将所述预测电流值设为所述场景信息中的预设电流值。
本发明第二方面提供一种经颅直流电刺激时的干预电流值确定装置,所述装置包括:
场景信息模块,用于获取干预刺激的场景信息,所述场景信息包括干预刺激方案的方案数据和当次干预刺激的进度数据;
预测电流值模块,用于实时获取干预刺激时的第一脑电信号,将所述场景信息和所述第一脑电信号输入已训练的电流值预测模型,获得预测电流值;
偏离比例模块,用于计算所述预测电流值与所述场景信息中的预设电流值的偏离比例;
干预电流值模块,用于当所述偏离比例小于预设阈值时,将所述预测电流值设为干预电流值,否则,将所述预设电流值设为干预电流值;
输出模块,用于输出所述干预电流值。
可选的,所述预测电流值模块包括颅骨参数单元和阻抗值单元,所述颅骨参数单元用于基于电阻层析成像,获取所述干预刺激方案所属的刺激对象的颅骨参数;所述阻抗值单元用于根据所述颅骨参数和所述干预刺激方案的刺激位置,获得阻抗值;所述预测电流值模块根据所述阻抗值,确定所述预设电流值。
可选的,还包括用于训练所述电流值预测模型的训练模块,所述训练模块的训练数据包括所述场景信息、所述第一脑电信号、干预刺激前的第二脑电信号和根据所述场景信息中的刺激目标预先标定的第三脑电信号;所述训练模块包括损失值单元,所述损失值单元用于采用信号分析方法分析所述第一脑电信号、所述第二脑电信号和所述第三脑电信号,分别获得第一特征值、第二特征值和第三特征值,计算所述第一特征值与所述第二特征值的均方误差,获得第一损失值,计算所述第一特征值与所述第三特征值之间的均方误差,获得第二损失值,根据所述第一损失值和所述第二损失值,获得损失值。
本发明第三方面提供一种智能终端,上述智能终端包括存储器、处理器以及存储在上述存储器上并可在上述处理器上运行的经颅直流电刺激时的干预电流值确定程序,上述经颅直流电刺激时的干预电流值确定程序被上述处理器执行时实现任意一项上述经颅直流电刺激时的干预电流值确定方法的步骤。
本发明第四方面提供一种计算机可读存储介质,上述计算机可读存储介质上存储有经颅直流电刺激时的干预电流值确定程序,上述经颅直流电刺激时的干预电流值确定程序被处理器执行时实现任意一项上述经颅直流电刺激时的干预电流值确定方法的步骤。
由上可见,本发明将干预刺激的场景信息、干预刺激时采集的第一脑电信号输入已训练的电流值预测模型,获得预测电流值,通过已训练的电流值预测模型来获得个性化的电流值;当预测电流值与场景信息中的预设电流值之间的偏离比例小于预设阈值时,将预测电流值设为干预电流值,否则,将预设电流值设为干预电流值,确保了干预电流值的有效。既实现了个性化刺激,刺激效果好,又保证了干预刺激时的干预电流值安全可靠。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1为本发明实施例提供的经颅直流电刺激时的干预电流值确定方法流程示意图;
图2为图1实施例中计算电流值预测模型的损失值流程示意图;
图3为图1实施例中确定场景信息中的预设电流值流程示意图;
图4为本发明实施例提供的经颅直流电刺激时的干预电流值确定装置功能框图;
图5是本发明实施例提供的一种智能终端的内部结构原理框图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况下,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
应当理解,当在本说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。如在本发明说明书和所附权利要求书中所使用的那样,除非上下文清楚地指明其它情况,否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当…时”或“一旦”或“响应于确定”或“响应于检测到”。类似的,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述的条件或事件]”或“响应于检测到[所描述条件或事件]”。
下面结合本发明实施例的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
在下面的描述中阐述了很多具体细节以便于充分理解本发明,但是本发明还可以采用其它不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似推广,因此本发明不受下面公开的具体实施例的限制。
每个人自身阻抗不同、不同刺激位置的电阻不一样,且在干预刺激时皮肤导电率会变化,即电极与头皮接触面阻抗各不相同。目前采用分段式调节电流值过于粗放,不能实现精细调整,不能实现个性化刺激,导致刺激效果不佳。
为了实现个性化刺激,提升刺激效果,本发明提供了一种经颅直流电刺激时的干预电流值确定方法,通过采用已训练的电流值预测模型根据干预刺激的场景信息、干预刺激时采集的第一脑电信号来个性化地改变干预刺激时的干预电流值。需要说明的是,干预刺激一般分为三个阶段,干预前期、干预中期和干预末期,干预前期和干预末期的电流值是动态变化的:干预前期电流值缓慢上升,干预后期电流值缓慢下降;干预中期的电流值才是恒定的。本发明是为了实现干预中期的个性化刺激,本文中的干预电流值是指干预中期的电流值。
方法实施例
本发明实施例提供了一种经颅直流电刺激时的干预电流值确定方法,应用在包括检测电极和刺激电极的经颅直流电刺激设备的控制芯片上,上述检测电极包括并排的三个电极片,用来采集左前额和右前额的脑电信号;刺激电极对称设有两个,每个均为由若干个电极触头组成的梳状电极,用来通入弱电流以刺激大脑前颞叶和前额叶。需要说明的是,也可以将干预电流值确定方法部署在与经颅直流电刺激设备连接的移动终端的控制APP上。
如图1所示,本实施例的干预电流值确定方法,具体步骤包括:
步骤S100:获取干预刺激的场景信息;
场景信息是指与当次干预刺激相关的信息,具体包括干预刺激方案的方案数据和当次干预刺激的进度数据。其中,干预刺激方案的方案数据包括:干预刺激的目标(如提升注意力、提高兴奋性等)、干预刺激的频率(每隔多长时间进行一次干预刺激)、干预刺激的开始时间、每次干预刺激的持续时长、干预刺激时的预设电流值等,但并不限于上述数据,还可以包括其他数据,如干预刺激方案需要进行多次干预刺激时,当次干预刺激前已完成的整体进度,例如:干预刺激方案计划了5次干预刺激,当次干预刺激为第2次,则整体进度为20%;当次干预刺激的进度数据是指当次干预刺激过程中在当前时刻已完成的进度。
具体地,在干预刺激时,经颅直流电刺激设备的控制芯片通过蓝牙与移动终端连接,经颅直流电刺激设备的检测数据会实时发送至移动终端。因此,可以从移动终端的APP上获取到场景信息。
步骤S200:实时获取干预刺激时的第一脑电信号,将场景信息和第一脑电信号输入已训练的电流值预测模型,获得预测电流值;
干预刺激时,不同个体之间干预的特异性、效用各不相同,例如:同样的干预电流值、同样进行了10分钟干预刺激,有些个体可能感觉没什么效果,有些个体可能出现刺痛或者光幻视。干预的特异性、效用在不同个体的区别会反映在干预刺激过程中实时采集的第一脑电信号中。因此,通过已训练的电流值预测模型来获得预测电流值时,不仅输入了场景信息,还输入了第一脑电信号,从而不仅实现了干预刺激的个性化,还能够根据干预刺激过程中的状态实时调整,提高干预刺激的效果。
需要说明的是,电流值预测模型的架构不做限制,可以采用现有的各种适合离散型数据的预测模型,如支持向量机、逻辑回归模型、决策树模型、朴素贝叶斯模型等。
具体地,本实施例的电流值预测模型采用了支持向量机,首先对第一脑电信号进行频域和时域的信号分析处理,获得信号特征,再将场景信息中的数据进行标准化(如采用线性投影或者归一化),获得场景特征,将信号特征和场景特征组合为特征矩阵,根据已训练的电流值预测模型的模型参数对特征矩阵进行线性运算,获得预测电流值。
步骤S300:计算预测电流值与场景信息中的预设电流值的偏离比例;
步骤S400:当偏离比例小于预设阈值时,将预测电流值设为干预电流值,否则,将预设电流值设为干预电流值;
步骤S500:输出干预电流值。
干预刺激时的环境、个体频繁转动头部等情况都会对第一脑电信号产生较大的干扰,导致检测到的第一脑电信号不准确,相应地,电流值预测模型输出的预测电流值可能产生较大的漂移,而经颅直流电刺激使用的是弱电流(1~2mA),若是由于较大的漂移导致预测电流值超出上述范围时,采用该预测电流值进行经颅直流电刺激则不安全;而且,经颅直流电刺激时,干预电流值的变动幅度不能过大,否则可能会导致个体出现刺痛或幻视的现象。
因此,本实施例在获得预测电流值后,还计算预测电流值与场景信息中的预设电流值之间差值的绝对值,将绝对值除以场景信息中的预设电流值,获得偏离比例。只有当偏离比例小于预设阈值(本实施例为20%)时,才认定预测电流值是有效的,将预测电流值设为干预电流值;否则,放弃此次的预测电流值,仍将场景信息中的预设电流值设为干预电流值,然后使用干预电流值进行经颅直流电刺激。可以确保干预电流值是有效的,使得经颅直流电刺激时安全和舒适。
由上所述,本实施例首先将干预刺激的场景信息、干预刺激时采集的第一脑电信号输入已训练的电流值预测模型,获得预测电流值,通过电流值预测模型来获得个性化的电流值;当预测电流值与场景信息中的预设电流值之间的偏离比例小于预设阈值时,将预测电流值设为干预电流值,否则,将预设电流值设为干预电流值,确保了干预电流值的有效。既实现了个性化刺激,刺激效果好,又保证了干预刺激时的干预电流值安全可靠。
在一个实施例中,输出干预电流值之后,还获取当次干预刺激的进度数据,若进度数据为100%,则判定当次干预刺激结束,并将已训练的电流值预测模型输出的预测电流值设为场景信息中的预设电流值并保存。例如:在一些抑郁症改善场景中,干预刺激方案中计划了多次干预刺激,通过更新场景信息中的预设电流值使得干预刺激方案延续性更好,而不是每次都从同一个预设电流值开始干预刺激。
电流值预测模型需要先通过训练数据进行训练,训练数据具体包括场景信息、第一脑电信号、干预刺激前的第二脑电信号和根据场景信息中的刺激目标预先标定的第三脑电信号。其中,干预刺激前的第二脑电信号是在干预训练之前,大脑处于静息状态时采集的脑电信号,第三脑电信号是在相同的刺激目标下期望得到的脑电信号,也可以称为期望脑电信号。具体地,基于相同的刺激目标,采集到不同个体干预刺激后的脑电信号,脑电专家从中选出干预刺激效果好的脑电信号作为第三脑电信号,然后计算第一脑电信号、第二脑电信号和第三脑电信号之间的损失值,通过该损失值采用梯度下降法训练电流值预测模型,获得已训练的电流值预测模型。
训练电流值预测模型时,本实施例中计算电流值预测模型的损失值如图2所示,具体步骤包括:
步骤A100:采用信号分析方法分析第一脑电信号、第二脑电信号和第三脑电信号,分别获得第一特征值、第二特征值和第三特征值;
步骤A200:计算第一特征值与第二特征值的均方误差,获得第一损失值;
步骤A300:计算第一特征值与第三特征值之间的均方误差,获得第二损失值;
步骤A400:根据第一损失值和第二损失值,获得损失值。
可以使用常用的信号分析方法,如傅里叶变换、小波变换等,将信号转换成频域或时域的表示形式,然后提取它们的频谱特征或波形特征。本实施例不仅将第一脑电信号(干预刺激时的脑电信号)和第三脑电信号(期望脑电信号)进行比较,还比较了第一脑电信号和第二脑电信号(干预刺激前的脑电信号),通过与多个基准(第二脑电信号、第三脑电信号)进行比较,能够更加准确地对第一脑电信号进行衡量。
计算脑电信号之间的损失值可以使用多种方法,如均方误差(MSE)、相关系数、互信息等。其中,均方误差是最常用的一种方法,可以表示两个信号之间的平均误差大小。计算公式如下:
MSE = 1/n ∑(xi - yi)^2
其中,xi和yi分别表示两个信号在第i个样本点的取值,n表示样本点的总数。
从第一脑电信号提取到第一特征值、第二脑电信号提取到第二特征值、第三脑电信号提取到第三特征值之后,分别计算第一特征值与第二特征值之间的均方误差、第一特征值与第三特征值之间的均方误差,然后将两个均方误差进行加权求和,获得损失值。
由上可见,通过多个脑电信号进行比较,能够更加准确、客观地根据第一脑电信号确定电流值预测模型的损失值。
在一个实施例中,确定场景信息中的预设电流值如图3所示,具体步骤包括:
步骤B100:获取干预刺激方案所属的刺激对象的颅骨参数;
步骤B200:基于颅骨参数,根据电阻层析成像,重建颅内的电阻抗分布;
步骤B300:根据干预刺激方案的刺激位置和电阻抗分布,获得阻抗值;
步骤B400:根据阻抗值,确定预设电流值。
获取颅骨结构常用的方法是通过头部成像技术,如CT扫描或MRI扫描。这些技术可以提供高分辨率的颅骨图像,以便进行进一步的分析和处理。
一旦获取了颅骨结构的图像,可以使用计算机辅助设计(CAD)软件或图像处理软件对图像进行处理和分割,以提取出颅骨的几何形状和结构等颅骨参数。
根据颅骨结构计算阻抗值时,可以采用电阻层析成像(Electrical ImpedanceTomography,EIT)的方法。电阻层析成像是一种非侵入性的成像技术,可以通过测量头部表面上的电流和电压分布来重建颅内的电阻抗分布。具体过程为:
在头部表面放置一组电极,通常是以环形或线性排列的方式。电极数量可以根据具体需求而定,但通常至少需要16个电极;将一个或多个电极注入低幅度的交流电流,其他电极则用于测量电压,使用其他电极对头部表面上的电压进行测量。这些电压是由注入电流在头部组织中传播和分布所产生的。根据注入电流和测量电压的组合,采集一系列的注入电流和相应的电压测量数据。使用数学算法对采集到的电流和电压数据进行处理和重建,常用的算法包括有限元法、边界元法、基于模型的反演等。这些算法可以将电流和电压数据与头部组织的电阻抗分布之间建立联系,并通过迭代计算来重建颅内的电阻抗分布。然后根据干预刺激方案的刺激位置和电阻抗分布,获得阻抗值,再参照预设的阻抗值与电流值对照表,根据阻抗值确定预设电流值。
通过根据各个个体的颅骨结构来确定预设电流值,实现场景信息中的预设电流值的个性化,在一定程度上提升干预刺激的效果。
示例性设备
如图4所示,对应于上述经颅直流电刺激时的干预电流值确定方法,本发明实施例还提供一种经颅直流电刺激时的干预电流值确定装置,上述经颅直流电刺激时的干预电流值确定装置包括:
场景信息模块600,用于获取干预刺激的场景信息,所述场景信息包括干预刺激方案的方案数据和当次干预刺激的进度数据;
预测电流值模块610,用于实时获取干预刺激时的第一脑电信号,将所述场景信息和所述第一脑电信号输入已训练的电流值预测模型,获得预测电流值;
偏离比例模块620,用于计算所述预测电流值与所述场景信息中的预设电流值的偏离比例;
干预电流值模块630,用于当所述偏离比例小于预设阈值时,将所述预测电流值设为干预电流值,否则,将所述预设电流值设为干预电流值;
输出模块640,用于输出所述干预电流值。
可选的,所述预测电流值模块610包括颅骨参数单元和阻抗值单元,所述颅骨参数单元用于基于电阻层析成像,获取所述干预刺激方案所属的刺激对象的颅骨参数;所述阻抗值单元用于根据所述颅骨参数和所述干预刺激方案的刺激位置,获得阻抗值;所述预测电流值模块610根据所述阻抗值,确定所述预设电流值。
可选的,还包括用于训练所述电流值预测模型的训练模块,所述训练模块的训练数据包括所述场景信息、所述第一脑电信号、干预刺激前的第二脑电信号和根据所述场景信息中的刺激目标预先标定的第三脑电信号;所述训练模块包括损失值单元,所述损失值单元用于采用信号分析方法分析所述第一脑电信号、所述第二脑电信号和所述第三脑电信号,分别获得第一特征值、第二特征值和第三特征值,计算所述第一特征值与所述第二特征值的均方误差,获得第一损失值,计算所述第一特征值与所述第三特征值之间的均方误差,获得第二损失值,根据所述第一损失值和所述第二损失值,获得损失值。
具体的,本实施例中,上述经颅直流电刺激时的干预电流值确定装置的各模块的具体功能可以参照上述经颅直流电刺激时的干预电流值确定方法中的对应描述,在此不再赘述。
基于上述实施例,本发明还提供了一种智能终端,其原理框图可以如图5所示。上述智能终端包括通过系统总线连接的处理器、存储器、网络接口以及显示屏。其中,该智能终端的处理器用于提供计算和控制能力。该智能终端的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和经颅直流电刺激时的干预电流值确定程序。该内存储器为非易失性存储介质中的操作系统和经颅直流电刺激时的干预电流值确定程序的运行提供环境。该智能终端的网络接口用于与外部的终端通过网络连接通信。该经颅直流电刺激时的干预电流值确定程序被处理器执行时实现上述任意一种经颅直流电刺激时的干预电流值确定方法的步骤。该智能终端的显示屏可以是液晶显示屏或者电子墨水显示屏。
本领域技术人员可以理解,图5中示出的原理框图,仅仅是与本发明方案相关的部分结构的框图,并不构成对本发明方案所应用于其上的智能终端的限定,具体的智能终端可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
本发明实施例还提供一种计算机可读存储介质,上述计算机可读存储介质上存储有经颅直流电刺激时的干预电流值确定程序,上述经颅直流电刺激时的干预电流值确定程序被处理器执行时实现本发明实施例提供的任意一种经颅直流电刺激时的干预电流值确定方法的步骤。
应理解,上述实施例中各步骤的序号大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将上述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
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或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各实例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟是以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,上述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以由另外的划分方式,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。
上述集成的模块/单元如果以软件功能单元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存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,上述计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,上述计算机程序包括计算机程序代码,上述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。上述计算机可读介质可以包括:能够携带上述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,上述计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解;其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不是相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (4)
1.经颅直流电刺激时的干预电流值确定装置,其特征在于,所述装置包括:
场景信息模块,用于获取干预刺激的场景信息,所述场景信息包括干预刺激方案的方案数据和当次干预刺激的进度数据;
预测电流值模块,用于实时获取干预刺激时的第一脑电信号,将所述场景信息和所述第一脑电信号输入已训练的电流值预测模型,获得预测电流值;
偏离比例模块,用于计算所述预测电流值与所述场景信息中的预设电流值的偏离比例;
干预电流值模块,用于当所述偏离比例小于预设阈值时,将所述预测电流值设为干预电流值,否则,将所述预设电流值设为干预电流值;
输出模块,用于输出所述干预电流值;
还包括用于训练所述电流值预测模型的训练模块,所述训练模块的训练数据包括所述场景信息、所述第一脑电信号、干预刺激前的第二脑电信号和根据所述场景信息中的刺激目标预先标定的第三脑电信号;所述训练模块包括损失值单元,所述损失值单元用于采用信号分析方法分析所述第一脑电信号、所述第二脑电信号和所述第三脑电信号,分别获得第一特征值、第二特征值和第三特征值,计算所述第一特征值与所述第二特征值的均方误差,获得第一损失值,计算所述第一特征值与所述第三特征值之间的均方误差,获得第二损失值,根据所述第一损失值和所述第二损失值,获得损失值;
所述将所述场景信息和所述第一脑电信号输入已训练的电流值预测模型,获得预测电流值,包括:
对所述第一脑电信号进行频域和时域的信号分析处理,获得信号特征,对所述场景信息中的数据进行标准化,获得场景特征,将所述信号特征和所述场景特征组合为特征矩阵,根据已训练的电流值预测模型的模型参数对所述特征矩阵进行线性运算,获得所述预测电流值。
2.如权利要求1所述的经颅直流电刺激时的干预电流值确定装置,其特征在于,所述预测电流值模块包括颅骨参数单元和阻抗值单元,所述颅骨参数单元用于基于电阻层析成像,获取所述干预刺激方案所属的刺激对象的颅骨参数;所述阻抗值单元用于根据所述颅骨参数和所述干预刺激方案的刺激位置,获得阻抗值;所述预测电流值模块根据所述阻抗值,确定所述预设电流值。
3.智能终端,其特征在于,所述智能终端包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的经颅直流电刺激时的干预电流值确定程序,所述经颅直流电刺激时的干预电流值确定程序被所述处理器执行时实现的步骤包括:
获取干预刺激的场景信息,所述场景信息包括干预刺激方案的方案数据和当次干预刺激的进度数据;
实时获取干预刺激时的第一脑电信号,将所述场景信息和所述第一脑电信号输入已训练的电流值预测模型,获得预测电流值;
计算所述预测电流值与所述场景信息中的预设电流值的偏离比例;
当所述偏离比例小于预设阈值时,将所述预测电流值设为干预电流值,否则,将所述预设电流值设为干预电流值;
输出所述干预电流值;
所述将所述场景信息和所述第一脑电信号输入已训练的电流值预测模型,获得预测电流值,包括:
对所述第一脑电信号进行频域和时域的信号分析处理,获得信号特征,对所述场景信息中的数据进行标准化,获得场景特征,将所述信号特征和所述场景特征组合为特征矩阵,根据已训练的电流值预测模型的模型参数对所述特征矩阵进行线性运算,获得所述预测电流值;
训练所述电流值预测模型的训练数据包括所述场景信息、所述第一脑电信号、干预刺激前的第二脑电信号和根据所述场景信息中的刺激目标预先标定的第三脑电信号;采用信号分析方法分析所述第一脑电信号、所述第二脑电信号和所述第三脑电信号,分别获得第一特征值、第二特征值和第三特征值,计算所述第一特征值与所述第二特征值的均方误差,获得第一损失值,计算所述第一特征值与所述第三特征值之间的均方误差,获得第二损失值,根据所述第一损失值和所述第二损失值,获得训练所述电流值预测模型的损失值。
4.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上存储有经颅直流电刺激时的干预电流值确定程序,所述经颅直流电刺激时的干预电流值确定程序被处理器执行时实现的步骤包括:
获取干预刺激的场景信息,所述场景信息包括干预刺激方案的方案数据和当次干预刺激的进度数据;
实时获取干预刺激时的第一脑电信号,将所述场景信息和所述第一脑电信号输入已训练的电流值预测模型,获得预测电流值;
计算所述预测电流值与所述场景信息中的预设电流值的偏离比例;
当所述偏离比例小于预设阈值时,将所述预测电流值设为干预电流值,否则,将所述预设电流值设为干预电流值;
输出所述干预电流值;
所述将所述场景信息和所述第一脑电信号输入已训练的电流值预测模型,获得预测电流值,包括:
对所述第一脑电信号进行频域和时域的信号分析处理,获得信号特征,对所述场景信息中的数据进行标准化,获得场景特征,将所述信号特征和所述场景特征组合为特征矩阵,根据已训练的电流值预测模型的模型参数对所述特征矩阵进行线性运算,获得所述预测电流值;
训练所述电流值预测模型的训练数据包括所述场景信息、所述第一脑电信号、干预刺激前的第二脑电信号和根据所述场景信息中的刺激目标预先标定的第三脑电信号;采用信号分析方法分析所述第一脑电信号、所述第二脑电信号和所述第三脑电信号,分别获得第一特征值、第二特征值和第三特征值,计算所述第一特征值与所述第二特征值的均方误差,获得第一损失值,计算所述第一特征值与所述第三特征值之间的均方误差,获得第二损失值,根据所述第一损失值和所述第二损失值,获得训练所述电流值预测模型的损失值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310998768.1A CN116725511B (zh) | 2023-08-09 | 2023-08-09 | 经颅直流电刺激时的干预电流值确定方法、装置及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310998768.1A CN116725511B (zh) | 2023-08-09 | 2023-08-09 | 经颅直流电刺激时的干预电流值确定方法、装置及终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116725511A CN116725511A (zh) | 2023-09-12 |
CN116725511B true CN116725511B (zh) | 2023-11-03 |
Family
ID=87901589
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310998768.1A Active CN116725511B (zh) | 2023-08-09 | 2023-08-09 | 经颅直流电刺激时的干预电流值确定方法、装置及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116725511B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN117064409B (zh) * | 2023-10-12 | 2024-01-30 | 深圳般意科技有限公司 | 经颅直流电干预刺激效果实时评估方法、装置及终端 |
CN117100291B (zh) * | 2023-10-18 | 2024-01-30 | 深圳般意科技有限公司 | 一种经颅直流电刺激设备的干预刺激模式的评价方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6066163A (en) * | 1996-02-02 | 2000-05-23 | John; Michael Sasha | Adaptive brain stimulation method and system |
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 |
CN115068823A (zh) * | 2022-08-19 | 2022-09-20 | 江西华恒京兴医疗科技有限公司 | 个体化经颅直流电刺激电流强度阈值的检测系统 |
CN115089874A (zh) * | 2022-06-22 | 2022-09-23 | 上海大学绍兴研究院 | 一种基于脑电波反馈的自适应微电流电疗系统 |
CN115209947A (zh) * | 2020-01-21 | 2022-10-18 | 萨里大学 | 获得用于经颅刺激的个性化参数的方法、经颅刺激系统、施加经颅刺激的方法 |
CN115487420A (zh) * | 2022-11-15 | 2022-12-20 | 深圳中科华意科技有限公司 | 一种个性化经颅电刺激干预情绪的方法及装置 |
WO2023283568A1 (en) * | 2021-07-09 | 2023-01-12 | Cala Health, Inc. | Personalized therapy neurostimulation systems |
CN115624694A (zh) * | 2022-12-20 | 2023-01-20 | 深圳市心流科技有限公司 | 刺激电流控制方法、装置、设备、智能佩戴装置及介质 |
CN115640827A (zh) * | 2022-09-27 | 2023-01-24 | 首都师范大学 | 对电刺激数据处理的智能闭环反馈网络方法及系统 |
CN115845252A (zh) * | 2022-12-09 | 2023-03-28 | 安徽医科大学第一附属医院 | 经颅直流电刺激参数预测方法、装置以及电子设备 |
CN115869539A (zh) * | 2022-12-29 | 2023-03-31 | 长沙海纳科瑞医疗器材有限公司 | 关于经皮胫神经刺激的电流参数可视化方法、装置及系统 |
CN116549843A (zh) * | 2023-07-11 | 2023-08-08 | 杭州般意科技有限公司 | 经颅直流电刺激的干预电流控制方法、装置及终端设备 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8374696B2 (en) * | 2005-09-14 | 2013-02-12 | University Of Florida Research Foundation, Inc. | Closed-loop micro-control system for predicting and preventing epileptic seizures |
TWI467520B (zh) * | 2010-11-10 | 2015-01-01 | Univ Nat Chiao Tung | 建構個人化神經刺激模型之系統及方法 |
US10905882B2 (en) * | 2019-01-22 | 2021-02-02 | General Electric Company | Systems and methods for predicting optimal deep brain stimulation parameters |
-
2023
- 2023-08-09 CN CN202310998768.1A patent/CN116725511B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6066163A (en) * | 1996-02-02 | 2000-05-23 | John; Michael Sasha | Adaptive brain stimulation method and system |
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 |
CN115209947A (zh) * | 2020-01-21 | 2022-10-18 | 萨里大学 | 获得用于经颅刺激的个性化参数的方法、经颅刺激系统、施加经颅刺激的方法 |
WO2023283568A1 (en) * | 2021-07-09 | 2023-01-12 | Cala Health, Inc. | Personalized therapy neurostimulation systems |
CN115089874A (zh) * | 2022-06-22 | 2022-09-23 | 上海大学绍兴研究院 | 一种基于脑电波反馈的自适应微电流电疗系统 |
CN115068823A (zh) * | 2022-08-19 | 2022-09-20 | 江西华恒京兴医疗科技有限公司 | 个体化经颅直流电刺激电流强度阈值的检测系统 |
CN115640827A (zh) * | 2022-09-27 | 2023-01-24 | 首都师范大学 | 对电刺激数据处理的智能闭环反馈网络方法及系统 |
CN115487420A (zh) * | 2022-11-15 | 2022-12-20 | 深圳中科华意科技有限公司 | 一种个性化经颅电刺激干预情绪的方法及装置 |
CN115845252A (zh) * | 2022-12-09 | 2023-03-28 | 安徽医科大学第一附属医院 | 经颅直流电刺激参数预测方法、装置以及电子设备 |
CN115624694A (zh) * | 2022-12-20 | 2023-01-20 | 深圳市心流科技有限公司 | 刺激电流控制方法、装置、设备、智能佩戴装置及介质 |
CN115869539A (zh) * | 2022-12-29 | 2023-03-31 | 长沙海纳科瑞医疗器材有限公司 | 关于经皮胫神经刺激的电流参数可视化方法、装置及系统 |
CN116549843A (zh) * | 2023-07-11 | 2023-08-08 | 杭州般意科技有限公司 | 经颅直流电刺激的干预电流控制方法、装置及终端设备 |
Also Published As
Publication number | Publication date |
---|---|
CN116725511A (zh) | 2023-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116725511B (zh) | 经颅直流电刺激时的干预电流值确定方法、装置及终端 | |
Stiso et al. | White matter network architecture guides direct electrical stimulation through optimal state transitions | |
CN111801046B (zh) | 使用个体患者数据及治疗性脑网络图的疗效及/或治疗性参数推荐 | |
US9037256B2 (en) | Methods and system for targeted brain stimulation using electrical parameter maps | |
EP3217869B1 (en) | Scoring method based on improved signals analysis | |
Koush et al. | Connectivity-based neurofeedback: dynamic causal modeling for real-time fMRI | |
JP3581361B1 (ja) | 脳活動測定装置 | |
Favilla et al. | Ranking brain areas encoding the perceived level of pain from fMRI data | |
JP2018529409A (ja) | 超高密度の電極に基づく脳撮像システム | |
CN116570834B (zh) | 经颅直流电刺激方法、装置、终端及介质 | |
Garcia et al. | Estimating direction in brain-behavior interactions: Proactive and reactive brain states in driving | |
Kadipasaoglu et al. | Category-selectivity in human visual cortex follows cortical topology: a grouped icEEG study | |
Yao et al. | Characterizing the location and extent of myocardial infarctions with inverse ECG modeling and spatiotemporal regularization | |
Aram et al. | Model-based estimation of intra-cortical connectivity using electrophysiological data | |
Cubo et al. | Online tissue conductivity estimation in deep brain stimulation | |
CN110801228A (zh) | 一种基于神经网络预测的脑效应连接度量方法 | |
CN113436170B (zh) | 基于磁共振影像的经颅电刺激个体化优化平台 | |
Subramanian et al. | A model-based framework for assessing the physiologic structure of electrodermal activity | |
RU2743608C1 (ru) | Способ локализации отделов головного мозга | |
Kha et al. | Systems analysis of human visuo-myoelectric control facilitated by anodal transcranial direct current stimulation in healthy humans | |
Stroman et al. | Proof‐of‐concept of a novel structural equation modelling approach for the analysis of functional magnetic resonance imaging data applied to investigate individual differences in human pain responses | |
Lim | Bi-Directional Brain-Computer Interfaces: Stimulation Artifact Suppression Design and Walking Exoskeleton Implementation | |
Czyżewski et al. | Multifactor consciousness level assessment of participants with acquired brain injuries employing human–computer interfaces | |
JP2799672B2 (ja) | 脳皮質活動追跡装置 | |
EP3960070A1 (en) | Systems and devices for custom sleep implementation |
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 |