CN117180618B - 用于强化记忆和学习的闭环神经电刺激器 - Google Patents
用于强化记忆和学习的闭环神经电刺激器 Download PDFInfo
- Publication number
- CN117180618B CN117180618B CN202311395773.XA CN202311395773A CN117180618B CN 117180618 B CN117180618 B CN 117180618B CN 202311395773 A CN202311395773 A CN 202311395773A CN 117180618 B CN117180618 B CN 117180618B
- Authority
- CN
- China
- Prior art keywords
- eeg
- stimulation
- pow
- time
- index
- 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
- 230000013016 learning Effects 0.000 title claims abstract description 34
- 210000005036 nerve Anatomy 0.000 title claims abstract description 29
- 230000015654 memory Effects 0.000 title claims abstract description 26
- 238000005728 strengthening Methods 0.000 title abstract description 6
- 238000005070 sampling Methods 0.000 claims abstract description 37
- 210000001186 vagus nerve Anatomy 0.000 claims abstract description 24
- 230000019771 cognition Effects 0.000 claims abstract description 11
- 238000012545 processing Methods 0.000 claims abstract description 10
- 238000004458 analytical method Methods 0.000 claims abstract description 6
- 230000000638 stimulation Effects 0.000 claims description 101
- 230000000694 effects Effects 0.000 claims description 27
- 230000006870 function Effects 0.000 claims description 17
- 238000000034 method Methods 0.000 claims description 16
- 230000001515 vagal effect Effects 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000000354 decomposition reaction Methods 0.000 claims description 9
- 230000002708 enhancing effect Effects 0.000 claims description 9
- 238000010183 spectrum analysis Methods 0.000 claims description 9
- 230000001960 triggered effect Effects 0.000 claims description 9
- 230000001105 regulatory effect Effects 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 230000003595 spectral effect Effects 0.000 claims description 6
- 230000002452 interceptive effect Effects 0.000 claims description 5
- 230000007383 nerve stimulation Effects 0.000 claims description 5
- 230000003044 adaptive effect Effects 0.000 claims description 4
- 238000007405 data analysis Methods 0.000 claims description 3
- 238000005315 distribution function Methods 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 claims description 3
- 230000003446 memory effect Effects 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000002360 preparation method Methods 0.000 claims description 3
- 210000004761 scalp Anatomy 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 230000004936 stimulating effect Effects 0.000 claims 1
- 230000002459 sustained effect Effects 0.000 claims 1
- 230000007384 vagal nerve stimulation Effects 0.000 abstract description 2
- 238000011156 evaluation Methods 0.000 abstract 1
- 230000008569 process Effects 0.000 description 12
- 210000004556 brain Anatomy 0.000 description 8
- 230000001149 cognitive effect Effects 0.000 description 5
- 230000004913 activation Effects 0.000 description 3
- 210000001320 hippocampus Anatomy 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000001537 neural effect Effects 0.000 description 3
- 229960002748 norepinephrine Drugs 0.000 description 3
- SFLSHLFXELFNJZ-QMMMGPOBSA-N (-)-norepinephrine Chemical compound NC[C@H](O)C1=CC=C(O)C(O)=C1 SFLSHLFXELFNJZ-QMMMGPOBSA-N 0.000 description 2
- 230000037007 arousal Effects 0.000 description 2
- 230000001713 cholinergic effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004007 neuromodulation Effects 0.000 description 2
- SFLSHLFXELFNJZ-UHFFFAOYSA-N norepinephrine Natural products NCC(O)C1=CC=C(O)C(O)=C1 SFLSHLFXELFNJZ-UHFFFAOYSA-N 0.000 description 2
- 230000002787 reinforcement Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000006998 cognitive state Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 229960003692 gamma aminobutyric acid Drugs 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000002858 neurotransmitter agent Substances 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 210000001679 solitary nucleus Anatomy 0.000 description 1
Landscapes
- Electrotherapy Devices (AREA)
Abstract
本发明公开了一种用于强化记忆和学习的闭环神经电刺激器，包括迷走神经刺激器、EEG传感器和触发开关，所述EEG传感器初次对人体进行EEG采样，并且经过分析处理后获得EEG采样数据，从而判断从初次EEG采样数据获得的EEG指标LI是否达到预设EEG指标[LImin,LImax]。本发明公开的一种用于强化记忆和学习的闭环神经电刺激器，将EEG信号和迷走神经刺激进行结合，并通过EEG信号各成分的能量的改变予以表现/反馈，其具有闭环神经调控、实时认知过程评估和输出参数自动调节的优点。
Description
技术领域
本发明属于闭环神经电刺激技术领域，具体涉及一种用于强化记忆和学习的闭环神经电刺激器。
背景技术
研究表明迷走神经电刺激可以提高认知、记忆和学习的效果。以下为其中部分机理：
迷走神经电刺激通过多个神经调节系统的激活，达到增强认知过程的作用。目前普遍认为相对明确的过程是蓝斑-去甲肾上腺素系统(LC-NE系统)的激活。电刺激信号通过迷走神经传入纤维到达孤束核(NTS)，接着投射到不同的脑区，如蓝斑(LC)，中缝背核(DR)，海马体(hippocampus)等。其中LC-NE系统的激活会释放去甲肾上腺素(NE)，NE作为一种神经调节剂，与觉醒、行动和感觉以及学习等多种功能有关。其适度的兴奋有助于学习记忆的工作。其他部分包括NTS-GABA系统，中缝背核-5-HT系统，海马体等，也都与认知、学习和记忆相关。此外，迷走神经和胆碱能系统之间有着直接联系，电刺激迷走神经可以激活胆碱能信号传递，促进多个关键脑区的功能，提高认知效率。
现有的技术只是简单的对迷走神经进行刺激，但是不同人群不同时段的EEG信号是不同的，所以粗放地同一刺激无法适用于各个人群，从而无法达到较佳的刺激效果。
因此，针对上述问题，予以进一步改进。
发明内容
本发明的主要目的在于提供用于强化记忆和学习的闭环神经电刺激器，将EEG信号和迷走神经刺激进行结合，并通过EEG信号各成分的能量的改变予以表现/反馈，其具有闭环神经调控、实时认知过程评估和输出参数自动调节的优点。
为达到以上目的，本发明提供一种用于强化记忆和学习的闭环神经电刺激器，其特征在于，包括迷走神经刺激器(举例为佩戴在耳部)、EEG(脑电波)传感器和触发开关(可独立设置也可集成于EEG传感器)，其中：
所述EEG传感器初次对人体进行EEG采样，并且经过分析处理后获得EEG采样数据，从而判断从初次EEG采样数据获得的EEG指标LI(Learning Index)是否达到预设EEG指标[LImin,LImax](为LI的一个范围，在这个范围中人体能够较大程度上满足人体进行思考等集中注意力的活动)；
如果达到预设EEG指标，则在下次由所述触发开关触发的正式刺激时以预刺激的初始参数(刺激强度，脉冲串长度和刺激阶段时长)进行刺激(表示预刺激的强度和时长能够满足人体进行思考等集中注意力的活动)；
如果没有达到预设EEG指标，则在下次由所述触发开关触发的正式刺激时，所述迷走神经刺激器以与所述EEG传感器获得的EEG指标相适应的的刺激参数进行刺激(没有达到则表示预刺激的强度和时长无法最大程度上满足人体进行思考等集中注意力的活动，则需要加大强度或者刺激时长等)；
开始正式刺激后，下一次的刺激参数根据上一次的实际EEG指标(与预设EEG指标之间的差距)进行实时更新。
作为上述技术方案的进一步优选的技术方案，初次对人体进行EEG采样具体实施为：
由所述触发开关发送的刺激指令传输到所述迷走神经刺激器，以使得所述迷走神经刺激器以初始刺激强度进行预刺激，从而所述EEG传感器获得初次空闲阶段经过预刺激后的初次EEG采样数据。
作为上述技术方案的进一步优选的技术方案，所述EEG传感器对采样的EEG信号(即EEG采样数据)分析处理具体实施为(包括初次采样处理和后续采样处理)：
首先，对EEG信号进行预处理，接着计算获得EEG指标LI，LI为(与迷走神经电刺激强化学习/认知/记忆过程具有足够相关性的)EEG采样数据衍生出的函数，如下：
LI＝wδ·Powa+wθ·Powθ+wa·Powa+wβ·Powβ+wγ·Powγ；
其中，Powi为EEG成分i的能量，i＝θ/β/γ/α/δ，分别代表θ波，β波，γ波，α波，δ波的能量，wi为系数或权重；
具体计算时LI随时间变化，即：
LI(t)＝wδ·Powδ(t)+wθ·Powθ(t)+wα·Powα(t)+wβ·Powβ(t)+wγ·Powγ(t)；
Powi的计算，即从头皮电极信号中提取或重组出的各个成分的信号如下，方法使用基于通道或基于源的功率谱分析：，其中：
基于通道的功率谱分析：Powi通过合计所有通道的EEG信号在成分i(例如α波)的频段(α波：8Hz～13Hz)的能量获得：
其中，[f1，f2]为成分i的特征频段，N为EEG通道数，是第k通道EEG信号(Xk)的功率谱密度函数，定义为/>fs为采样率，N为功率谱密度函数的频率数,STFT为短时傅里叶变换，即/> Xk(t)为第k通道EEG信号，w(t)为窗口函数(功率谱密度函数具体计算可以使用Welch算法)；
其次，基于源的功率谱分析，进行EEG信号分解(如PARAFAC，ICA算法)：(整个过程分为空闲阶段和刺激阶段，刺激阶段为用户触发的神经电刺激过程，由此判断当前为空闲阶段(空闲阶段的时长为结束当前刺激阶段后，人体想要通过触发开关开启下一刺激阶段之间的时间)或者是刺激阶段)Powi的获得是依靠在空闲阶段(或刺激阶段)获得的EEG成分能量分布W，并将此能量分布W作用于刺激阶段EEG的通道信号X，以获得EEG成分：S＝W·X，具体如下：
在空闲阶段，对EEG的持续采样和数据分析，通过信号分解(PARAFAC，ICA算法)获得各个成分(θ波，β波，γ波，α波，δ波，以及肌电，眼电等伪迹成分)的能量分布或权重矩阵W，从而将N个EEG传感器通道采集到的信号X＝[X1，X2，X3，X4，…XN]，分解成为M个(接近)独立的成分S＝[S1，S2，S3，S4，…,SM]，这些成分包括θ波、β波、γ波、α波、δ波、EOG信号和其他干扰信号；具体的描述是：S＝W·X,W为M×N的权重矩阵，S用于在刺激阶段的EEG各成分能量的计算(以最终获得EEG指标LI)；
对于各成分的获得具体实施为：其中[f1,f2]为该成分i的特征频段，i＝θ/β/γ/α/δ，分别代表EEG信号的各相关成分，Si为分解出的该成分信号/> 为该信号成分的能量密度分布：STFT为短时傅里叶变换/> fs为采样率，N为能量分布函数的频率数；
刺激阶段获得的EEG指标LI，并根据LI与预设EEG指标[LImin,LImax]的距离对刺激参数做调整。
作为上述技术方案的进一步优选的技术方案，(为使EEG指标LI更明确的标记“认知/学习/记忆过程”的水平)选择在空闲阶段记录Powi，其平均值作为基线/背景值，在刺激阶段计算EEG指标LI的值时，将各EEG成分的能量值中减去背景值或基线值：(相比原始能量值Powi，Pow′i为去除基线的能量值)；
EEG指标LI定义中的权重系数wi的获得，通过评估认知/学习/记忆效果的试验结果和同时采集的EEG采样数据，经过机器学习方法，训练得出，从而获得与认知/学习/记忆效率最具相关性的LI指数。
作为上述技术方案的进一步优选的技术方案，EEG信号的预处理具体实施为：
进行滤波，连续的EEG信号会首先经过滤波和基线去除，对于刺激阶段中脉冲发生时采集到的EEG信号，通过针对输出脉冲频率的自适应滤波器去除由刺激输出所产生的伪迹；
进行筛选，对EEG信号经过滤波处理后仍有超出设定阈值的干扰和噪声进行筛选去除；
通过EEG信号分解直接分解出各有效的EEG成分和干扰信号(如EOG，EMG等，以去除干扰成分)。
进行分割，将EEG信号根据采样时间分为刺激阶段的EEG信号和空闲阶段的EEG信号并且在信号处理时，在时域分割为时长为T的数据窗口，用于STFT(短时傅里叶变换)计算。
作为上述技术方案的进一步优选的技术方案，刺激参数调节具体实施为：
输出强度I：在预设的输出强度的范围[Imin,Imax]内调节刺激强度I，运用控制器IC(t)＝PIDI(LI(t),[LIMIN,LIMAX])获得需要更新的值IC，在下一次脉冲串周期中(起始于t’)，更新输出强度I(t’)＝IC(t)；其中PIDI()为I的控制器输出函数，用于将LI调节进入目标范围[LIMIN，LIMAX]，IC为控制器输出值，即接下来更新I时的设定值，t是时间，t’为下一次调节参数的时间，这里指下一个脉冲串起始时间；
脉冲串长度TON：在预设的脉冲串长度TON的范围[TON,min，TON,max]内调节刺激强度TON，运用控制器TON，C(t)＝PIDTON(LI(t)，[LIMIN，LIMAX])获得需要更新的值TON，C，在下一次脉冲串周期中(起始于t’)，更新输出强度TON(t’)＝TON，C(t)，其中PIDTON()为TON的控制器输出函数，用于将LI调节进入目标范围[LIMIN，LIMAX]，TON，C为控制器输出值，即接下来更新TON时的设定值；
脉冲串间隔TOFF：TOFF根据迷走神经电刺激效果维持的时长τ做调整即：TOFF(t)＝f(rt)，f(τ)＝k*τ+b，其中t为时间，τt为当前脉冲串周期中迷走神经电刺激效果维持的时长，TOFF，C为接下来调节所设定的脉冲串间隔长度，即TOFF(t’)＝TOFF,C(t)。
作为上述技术方案的进一步优选的技术方案，(刺激阶段的时长的控制在较长的时间跨度下)统计迷走神经电刺激效果的平均水平，即下式积分平均值：
Pn为第n个脉冲串神经电刺激的效果，[t1n，t2n]为该脉冲串的迷走神经电刺激效果持续的时间段，即图中阴影部分，LI为EEG指标数据，Pa为Pn的平均值；
并以此调整刺激阶段的时长TaVNS：TaVNS＝g(Pa)(目的是保证在刺激阶段神经电刺激对受试者有足够的总体效果)。
附图说明
图1是本发明的用于强化记忆和学习的闭环神经电刺激器的结构示意图。
图2是本发明的用于强化记忆和学习的闭环神经电刺激器的刺激时序图。
图3是本发明的用于强化记忆和学习的闭环神经电刺激器的流程示意图。
具体实施方式
以下描述用于揭露本发明以使本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例，本领域技术人员可以想到其他显而易见的变型。在以下描述中界定的本发明的基本原理可以应用于其他实施方案、变形方案、改进方案、等同方案以及没有背离本发明的精神和范围的其他技术方案。
在本发明的优选实施例中，本领域技术人员应注意，本发明所涉及的迷走神经和EEG等可被视为现有技术。
优选实施例。
本发明公开了一种用于强化记忆和学习的闭环神经电刺激器，包括迷走神经刺激器(举例为佩戴在耳部)、EEG(脑电波)传感器(举例为简化的头带形式，也可根据需要使用标准的多通道高密度EEG)和触发开关(可独立设置也可集成于EEG传感器)，其中：
如图1所示，A：迷走神经刺激器；B：EEG传感器；C：触发开关。1：迷走神经电刺激，2：EEG信号获得，3：EEG信号分析，并根据EEG指标指导迷走神经电刺激器调整参数。
所述EEG传感器初次对人体进行EEG采样，并且经过分析处理后获得EEG采样数据，从而判断从初次EEG采样数据获得的EEG指标LI(Learning Index)是否达到预设EEG指标[LImin,LImax](为LI的一个范围，在这个范围中人体能够较大程度上满足人体进行思考等集中注意力的活动)；
如果达到预设EEG指标，则在下次由所述触发开关触发的正式刺激时以预刺激的初始参数(刺激强度，脉冲串长度和刺激阶段时长)进行刺激(表示预刺激的强度和时长能够满足人体进行思考等集中注意力的活动)；
如果没有达到预设EEG指标，则在下次由所述触发开关触发的正式刺激时，所述迷走神经刺激器以与所述EEG传感器获得的EEG指标相适应的的刺激参数进行刺激(没有达到则表示预刺激的强度和时长无法最大程度上满足人体进行思考等集中注意力的活动，则需要加大强度或者刺激时长等)；
开始正式刺激后，下一次的刺激参数根据上一次的实际EEG指标(与预设EEG指标之间的差距)进行实时更新。
具体的是，初次对人体进行EEG采样具体实施为：
由所述触发开关发送的刺激指令传输到所述迷走神经刺激器，以使得所述迷走神经刺激器以初始刺激强度进行预刺激，从而所述EEG传感器获得初次空闲阶段经过预刺激后的初次EEG采样数据。
更具体的是，所述EEG传感器对采样的EEG信号(即EEG采样数据)分析处理具体实施为(包括初次采样处理和后续采样处理)：
首先，对EEG信号进行预处理，接着计算获得EEG指标LI，LI为(与迷走神经电刺激强化学习/认知/记忆过程具有足够相关性的)EEG采样数据衍生出的函数，如下：
LI＝wδ·Powδ+wθ·Powθ+wa·Powα+wβ·Powβ+wγ·Powγ；
其中，Powi为EEG成分i的能量，i＝θ/β/γ//δ，分别代表θ波，β波，γ波，α波，6波的能量，wi为系数或权重；
具体计算时LI随时间变化，即：
LI(t)＝wδ·Powδ(t)+wθ·Powθ(t)+wa·Powa(t)+wβ·Powβ(t)+wγ·Powγ(t)；
Powi的计算，即从头皮电极信号中提取或重组出的各个成分的信号如下，方法使用基于通道或基于源的功率谱分析，其中：
基于通道的功率谱分析：Powi通过合计所有通道的EEG信号在成分i(例如α波)的频段(α波：8Hz～13Hz)的能量获得：
其中，[f1,f2]为成分i的特征频段,N为EEG通道数，是第k通道EEG信号(Xk)的功率谱密度函数，定义为/>fs为采样率，N为功率谱密度函数的频率数,STFT为短时傅里叶变换，即/> Xk(t)为第k通道EEG信号，w(t)为窗口函数(功率谱密度函数具体计算可以使用Welch算法)；
其次，基于源的功率谱分析：进行EEG信号分解(如PARAFAC，ICA算法)，(整个过程分为空闲阶段和刺激阶段，刺激阶段为用户触发的神经电刺激过程，由此判断当前为空闲阶段(空闲阶段的时长为结束当前刺激阶段后，人体想要通过触发开关开启下一刺激阶段之间的时间)或者是刺激阶段)Powi的获得是依靠在空闲阶段(或刺激阶段)获得的EEG成分(源)能量分布W，并将此能量分布W作用于刺激阶段EEG的通道信号X，以获得EEG成分：S＝W·X，具体如下：
在空闲阶段，对EEG的持续采样和数据分析，通过信号分解(PARAFAC，ICA算法)获得各个成分(θ波，β波，γ波，α波，δ波，以及肌电，眼电等干扰成分)的能量分布或权重矩阵W，从而将N个EEG传感器通道采集到的信号X＝[X1，X2，X3，X4，…XN]，分解成为M个(接近)独立的成分S＝[S1，S2，S3，S4，…,SM]，这些成分包括θ波、β波、γ波、α波、δ波、EOG信号和其他干扰信号；具体的描述是：S＝W·X,W为M×N的权重矩阵，S用于在刺激阶段的EEG各成分能量的计算(以最终获得EEG指标LI)；
对于各成分的获得具体实施为：其中[f1,f2]为该成分i的特征频段，i＝θ/β/γ/α/δ，分别代表EEG信号的各相关成分，Si为分解出的该成分信号/> 为该信号成分的能量密度分布：STFT为短时傅里叶变换/> fs为采样率，N为能量分布函数的频率数；
刺激阶段获得的EEG指标LI，并根据LI与预设EEG指标[LImin,LImax]的距离对刺激参数做调整。
进一步的是，(为使EEG指标LI更明确的标记“认知/学习/记忆过程”的水平)选择在空闲阶段记录Powi，其平均值作为基线/背景值，在刺激阶段计算EEG指标LI的值时，将各EEG成分的能量值中减去背景值或基线值：/>(相比原始能量值Powi，Pow′i为去除基线的能量值)；；
EEG指标LI定义中的权重系数wi的获得，通过评估认知/学习/记忆效果的试验结果和同时采集的EEG采样数据，经过机器学习方法，训练得出，从而获得与认知/学习/记忆效率最具相关性的LI指数。
更进一步的是，EEG信号的预处理具体实施为：
进行滤波，连续的EEG信号会首先经过滤波和基线去除，对于刺激阶段中脉冲发生时采集到的EEG信号，通过针对输出脉冲频率的自适应滤波器(adaptive filter)去除由刺激输出所产生的干扰；
进行筛选，对EEG信号经过滤波处理后仍有超出设定阈值的干扰和噪声进行筛选去除；
通过EEG信号分解直接分解出各有效的EEG成分和干扰信号(如EOG，EMG等，可以直接去除干扰成分)。
进行分割，将EEG信号根据采样时间分为刺激阶段的EEG信号和空闲阶段的EEG信号并且在信号处理时，在时域分割为时长为T的数据窗口，用于STFT计算。
优选地，刺激参数调节具体实施为：
输出强度I：在预设的输出强度的范围[Imin，Imax]内调节刺激强度I，运用控制器IC(t)＝PIDI(LI(t)，[LIMIN，LIMAX])获得需要更新的值IC，在下一次脉冲串周期中(起始于t’)，更新输出强度I(t’)＝IC(t)；其中PIDI()为I的控制器输出函数，用于将LI调节进入目标范围[LIMIN，LIMAX]，IC为控制器输出值，即接下来更新I时的设定值，t是时间，t’为下一次调节参数的时间，这里指下一个脉冲串起始时间；
脉冲串长度TON：在预设的脉冲串长度TON的范围[TON,min，TON,max]内调节刺激强度TON，运用控制器TON，C(t)＝PIDTON(LI(t)，[LIMIN，LIMAX])获得需要更新的值TON，C，在下一次脉冲串周期中(起始于t’)，更新输出强度TON(t’)＝TON，C(t)，其中PIDTON()为TON的控制器输出函数，用于将LI调节进入目标范围[LIMIN，LIMAX]，TON，C为控制器输出值，即接下来更新TON时的设定值；
脉冲串间隔T0FF：TOFF根据迷走神经电刺激效果维持的时长τ做调整即：TOFF(t)＝f(τt)，f(τ)＝k*τ+b，其中t为时间，τt为当前脉冲串周期中迷走神经电刺激效果维持的时长，TOFF，C为接下来调节所设定的脉冲串间隔长度，即TOFF(t’)＝TOFF,C(t)。
优选地，(刺激阶段的时长的控制在较长的时间跨度下)统计迷走神经电刺激效果的平均水平，即下式积分平均值：
Pn为第n个脉冲串神经电刺激的效果，[t1n,t2n]为该脉冲串的迷走神经电刺激效果持续的时间段，即图中阴影部分，LI为EEG指标数据，Pa为Pn的平均值；
并以此调整刺激阶段的时长TaVNS：TaVNS＝g(Pa)(目的是保证在刺激阶段神经电刺激对受试者有足够的总体效果)。
对于本发明：
采集EEG信号可以用于评估认知状态；
EEG信号的成分如表1所示：
表1
如上表所示，在觉醒状态下，θ和α的振荡/能量，代表人处于放松状态。
相对的，β和γ波代表大脑唤醒的发生，代表认知，行动，记忆的处理。所以通过EEG的分析，可以获得人大脑运行状态的变化。
除了上述这些EEG成分基本的表征，在这个基础上的科研工作也总结出一些EEG指标可以用于进一更清晰或直观的评估人大脑的工作状态(例如1.参与度指数(engagementindex＝beta power/(alpha power+theta power))，2.(大脑不同部位之间的)Gamma波相关/干性(Gamma coherence)，3.Multiscale entropy)。
通过迷走神经刺激和EEG传感器的结合，实现闭环的迷走神经刺激，从而更加有效提高学习、记忆和工作效率。
值得一提的是，本发明专利申请涉及的迷走神经和EEG等技术特征应被视为现有技术，这些技术特征的具体结构、工作原理以及可能涉及到的控制方式、空间布置方式采用本领域的常规选择即可，不应被视为本发明专利的发明点所在，本发明专利不做进一步具体展开详述。
对于本领域的技术人员而言，依然可以对前述各实施例所记载的技术方案进行修改，或对其中部分技术特征进行等同替换，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围。
Claims (4)
1.一种用于强化记忆和学习的闭环神经电刺激器，其特征在于，包括迷走神经刺激器、EEG传感器和触发开关，其中：
所述EEG传感器初次对人体进行EEG采样，并且经过分析处理后获得EEG采样数据，从而判断从初次EEG采样数据获得的EEG指标LI是否达到预设EEG指标[LImin，LImax]；
如果达到预设EEG指标，则在下次由所述触发开关触发的正式刺激时以预刺激的初始参数进行刺激；
如果没有达到预设EEG指标，则在下次由所述触发开关触发的正式刺激时，所述迷走神经刺激器以与所述EEG传感器获得的EEG指标相适应的的刺激参数进行刺激；
开始正式刺激后，下一次的刺激参数根据上一次的实际EEG指标进行实时更新；
所述EEG传感器对采样的EEG信号分析处理具体实施为：
首先，对EEG信号进行预处理，接着计算获得EEG指标LI，LI为EEG采样数据衍生出的函数，如下：
LI＝wδ·Powδ+wθ·Powθ+wα·Powα+wβ·Powβ+wγ·Powγ；
其中，Powi为EEG成分i的能量，i＝θ/β/γ/α/δ，分别代表θ波，β波，γ波，α波，δ波的能量，wi为系数或权重；
具体计算时LI随时间变化，即：
LI(t)＝wδ·Powδ(t)+wθ·Powθ(t)+wα·Powα(t)+wβ·Powβ(t)+wγ·Powγ(t)；
Powi的计算，即从头皮电极信号中提取或重组出的各个成分的信号，方法使用基于通道或基于源的功率谱分析，其中：
基于通道的功率谱分析：Powi通过合计所有通道的EEG信号在成分i的频段的能量获得：
其中，[f1,f2]为成分i的特征频段,N为EEG通道数，是第k通道EEG信号的功率谱密度函数，定义为/>fs为采样率，N为功率谱密度函数的频率数,STFT为短时傅里叶变换，即/> Xk(t)为第k通道EEG信号，w(t)为窗口函数；
其次，基于源的功率谱分析：进行EEG信号分解，Powi的获得是依靠在空闲阶段获得的EEG成分能量分布W，并将此能量分布W作用于刺激阶段EEG的通道信号X，以获得EEG成分：S＝W·X，具体如下：
在空闲阶段，对EEG的持续采样和数据分析，通过信号分解获得各个成分的能量分布或权重矩阵W，从而将N个EEG传感器通道采集到的信号X＝[X1，X2，X3，X4，…XN]，分解成为M个独立的成分S＝[S1，S2，S3，S4，…,SM]，这些成分包括θ波、β波、γ波、α波、δ波、EOG信号和其他干扰信号；具体的描述是：S＝W·X,W为M×N的权重矩阵，S用于在刺激阶段的EEG各成分能量的计算；
对于各成分的获得具体实施为：其中[f1,f2]为该成分i的特征频段，i＝θ/β/γ/α/δ，分别代表EEG信号的各相关成分，Si为分解出的该EEG成分/> 为该EEG成分的能量密度分布：STFT为短时傅里叶变换/> fs为采样率，N为能量分布函数的频率数；
刺激阶段获得的EEG指标LI，并根据LI与预设EEG指标[LImin,LImax]的距离对刺激参数做调整；
选择在空闲阶段记录Powi，其平均值作为基线/背景值，在刺激阶段计算EEG指标LI的值时，将各EEG成分的能量值中减去背景值或基线值：/>
EEG指标LI定义中的权重系数wi的获得，通过评估认知、学习和记忆效果的试验结果和同时采集的EEG采样数据，经过机器学习方法，训练得出，从而获得与认知、学习和记忆效率最具相关性的LI指数；
EEG信号的预处理具体实施为：
进行滤波，连续的EEG信号会首先经过滤波和基线去除，对于刺激阶段中脉冲发生时采集到的EEG信号，通过针对输出脉冲频率的自适应滤波器去除由刺激输出所产生的伪迹；
进行筛选，对EEG信号经过滤波处理后仍有超出设定阈值的干扰和噪声进行筛选去除；
通过EEG信号分解直接分解出各有效的EEG成分和干扰信号；
进行分割，将EEG信号根据采样时间分为刺激阶段的EEG信号和空闲阶段的EEG信号并且在信号处理时，在时域分割为时长为T的数据窗口，用于STFT计算。
2.根据权利要求1所述的一种用于强化记忆和学习的闭环神经电刺激器，其特征在于，初次对人体进行EEG采样具体实施为：
由所述触发开关发送的刺激指令传输到所述迷走神经刺激器，以使得所述迷走神经刺激器以初始刺激强度进行预刺激，从而所述EEG传感器获得初次空闲阶段经过预刺激后的初次EEG采样数据。
3.根据权利要求2所述的一种用于强化记忆和学习的闭环神经电刺激器，其特征在于，刺激参数调节具体实施为：
输出强度I：在预设的输出强度的范围[Imin,Imax]内调节刺激强度I，运用控制器IC(t)＝PIDI(LI(t),[LIMIN,LIMAX])获得需要更新的值IC，在下一次脉冲串周期中，更新输出强度I(t’)＝IC(t)；其中PIDI()为I的控制器输出函数，用于将LI调节进入目标范围[LIMIN,LIMAX]，IC为控制器输出值，即接下来更新I时的设定值，t是时间，t’为下一次调节参数的时间，这里指下一个脉冲串起始时间；
脉冲串长度TON：在预设的脉冲串长度TON的范围[TON,min,TON,max]内调节刺激强度TON，运用控制器TON,c(t)＝PIDTON(LI(t),[LIMIN,LIMAX])获得需要更新的值TON,C，在下一次脉冲串周期中，更新输出强度TON(t’)＝TON,C(t)，其中PIDTON()为TON的控制器输出函数，用于将LI调节进入目标范围[LIMAX,LIMAX]，TON,C为控制器输出值，即接下来更新TON时的设定值；
脉冲串间隔TOFF：TOFF根据迷走神经电刺激效果维持的时长τ做调整即：TOFF(t)＝f(τt)，f(τ)＝k*τ+b，其中t为时间,τt为当前脉冲串周期中迷走神经电刺激效果维持的时长，TOFF,C为接下来调节所设定的脉冲串间隔长度，即TOFF(t’)＝TOFF,C(t)。
4.根据权利要求3所述的一种用于强化记忆和学习的闭环神经电刺激器，其特征在于，统计迷走神经电刺激效果的平均水平，即积分平均值：
Pn为第n个脉冲串神经电刺激的效果，[t1n,t2n]为该脉冲串的迷走神经电刺激效果持续的时间段，LI为EEG指标数据，Pa为Pn的平均值；
并以此调整刺激阶段的时长TaVNS，TaVNS＝g(Pa)。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311395773.XA CN117180618B (zh) | 2023-10-25 | 2023-10-25 | 用于强化记忆和学习的闭环神经电刺激器 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311395773.XA CN117180618B (zh) | 2023-10-25 | 2023-10-25 | 用于强化记忆和学习的闭环神经电刺激器 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117180618A CN117180618A (zh) | 2023-12-08 |
| CN117180618B true CN117180618B (zh) | 2024-03-29 |
Family
ID=88996375
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311395773.XA Active CN117180618B (zh) | 2023-10-25 | 2023-10-25 | 用于强化记忆和学习的闭环神经电刺激器 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117180618B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US3978847A (en) * | 1974-07-29 | 1976-09-07 | Biofeedback Computers, Inc. | Multiple channel phase integrating biofeedback computing method |
| CN102284137A (zh) * | 2011-05-20 | 2011-12-21 | 天津大学 | 一种功能性电刺激的多源信息融合控制方法 |
| CN108919947A (zh) * | 2018-06-20 | 2018-11-30 | 北京航空航天大学 | 一种通过视觉诱发电位来实现的脑机接口系统及方法 |
| CN114358090A (zh) * | 2022-02-14 | 2022-04-15 | 重庆邮电大学 | 一种基于psd和csp的运动想象脑电信号分类方法 |
| CN216877605U (zh) * | 2021-12-29 | 2022-07-05 | 首都医科大学附属北京世纪坛医院 | 基于脑电信号的闭环经皮耳甲迷走神经刺激仪 |
| CN115068818A (zh) * | 2022-06-13 | 2022-09-20 | 常州凯南迪克医疗科技有限公司 | 闭环经皮穴位电刺激设备及其方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7706871B2 (en) * | 2003-05-06 | 2010-04-27 | Nellcor Puritan Bennett Llc | System and method of prediction of response to neurological treatment using the electroencephalogram |
| US11311725B2 (en) * | 2014-10-24 | 2022-04-26 | Setpoint Medical Corporation | Systems and methods for stimulating and/or monitoring loci in the brain to treat inflammation and to enhance vagus nerve stimulation |
-
2023
- 2023-10-25 CN CN202311395773.XA patent/CN117180618B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US3978847A (en) * | 1974-07-29 | 1976-09-07 | Biofeedback Computers, Inc. | Multiple channel phase integrating biofeedback computing method |
| CN102284137A (zh) * | 2011-05-20 | 2011-12-21 | 天津大学 | 一种功能性电刺激的多源信息融合控制方法 |
| CN108919947A (zh) * | 2018-06-20 | 2018-11-30 | 北京航空航天大学 | 一种通过视觉诱发电位来实现的脑机接口系统及方法 |
| CN216877605U (zh) * | 2021-12-29 | 2022-07-05 | 首都医科大学附属北京世纪坛医院 | 基于脑电信号的闭环经皮耳甲迷走神经刺激仪 |
| CN114358090A (zh) * | 2022-02-14 | 2022-04-15 | 重庆邮电大学 | 一种基于psd和csp的运动想象脑电信号分类方法 |
| CN115068818A (zh) * | 2022-06-13 | 2022-09-20 | 常州凯南迪克医疗科技有限公司 | 闭环经皮穴位电刺激设备及其方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117180618A (zh) | 2023-12-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11141555B2 (en) | Apparatus and method for calibrating acoustic desynchronizing neurostimulation | |
| US10350410B2 (en) | Device and method for effective non-invasive neurostimulation by means of varying stimulus sequences | |
| US9826916B2 (en) | Device and method for examining a phase distribution used to determine a pathological interaction between different areas of the brain | |
| US10722711B2 (en) | Device for non-invasive neuro-stimulation by means of multichannel bursts | |
| KR101325368B1 (ko) | 뇌신경신호반응 기반의 폐루프형 뇌 전기자극 장치 | |
| DE102012002437A1 (de) | Vorrichtung und Verfahren zur Eichung einer invasiven, elektrischen und desynchronisierenden Neurostimulation | |
| US11013918B2 (en) | Device and method for effective, invasive, and amplitude-modulated neurostimulation | |
| CN109846478A (zh) | 一种评估经颅直流电刺激后大脑皮层兴奋性的方法 | |
| CN115253072A (zh) | 一种多模式深脑电刺激精准神经调控系统及方法 | |
| CN114733067B (zh) | 非植入式多靶点反馈式电刺激器 | |
| CN111481799A (zh) | 一种脑电波闭环控制设备 | |
| US20050125043A1 (en) | Device for treating patients by means of brain stimulation | |
| US10420944B2 (en) | Device and method for effective invasive neurostimulation by means of varying stimulus sequences | |
| CN109284009B (zh) | 一种提高听觉稳态响应脑-机接口性能的系统及方法 | |
| CN117180618B (zh) | 用于强化记忆和学习的闭环神经电刺激器 | |
| Zarei et al. | Short-term suppression of somatosensory evoked potentials and perceived sensations in healthy subjects following tens | |
| Hu et al. | Modulating emotion processing using transcranial alternating current stimulation (tACS)-A sham-controlled study in healthy human participants | |
| CN114869303B (zh) | 一种经颅直流电刺激下去除脑电信号噪音的方法与系统 | |
| CN115227263A (zh) | 基于EEG信号theta振荡进行调控的神经刺激系统 | |
| CN115400350B (zh) | 一种神经调控装置及其波形调控方法 | |
| Fedotchev et al. | Efficiency of photostimulation controlled by subject’s EEG decreases under the conditions of feedback delay | |
| CN113577561B (zh) | 一种微电流刺激诱导精神状态的方法和装置 | |
| CN116492597B (zh) | 一种外周-中枢神经调控装置及存储介质 | |
| Rais et al. | Automated Detection and Modeling for the Removal of Transcutaneous Auricular Vagus Nerve Stimulation Artifacts | |
| RU2101037C1 (ru) | Способ лечения функциональных нарушений центральной нервной системы и устройство для его осуществления |
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 |