CN117298448B - 脑电异常捕捉及节律调控方法、系统、设备和存储介质 - Google Patents
脑电异常捕捉及节律调控方法、系统、设备和存储介质 Download PDFInfo
- Publication number
- CN117298448B CN117298448B CN202311428120.7A CN202311428120A CN117298448B CN 117298448 B CN117298448 B CN 117298448B CN 202311428120 A CN202311428120 A CN 202311428120A CN 117298448 B CN117298448 B CN 117298448B
- Authority
- CN
- China
- Prior art keywords
- node
- data
- correlation coefficient
- abnormal
- stimulation
- 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
- 238000000034 method Methods 0.000 title claims abstract description 52
- 230000033764 rhythmic process Effects 0.000 title claims abstract description 31
- 230000001105 regulatory effect Effects 0.000 title claims abstract description 24
- 230000005856 abnormality Effects 0.000 title claims description 29
- 239000011159 matrix material Substances 0.000 claims abstract description 139
- 230000002159 abnormal effect Effects 0.000 claims abstract description 133
- 230000000638 stimulation Effects 0.000 claims abstract description 113
- 210000004556 brain Anatomy 0.000 claims abstract description 86
- 230000004913 activation Effects 0.000 claims description 49
- 238000000605 extraction Methods 0.000 claims description 27
- 210000001061 forehead Anatomy 0.000 claims description 24
- 230000001965 increasing effect Effects 0.000 claims description 15
- 230000005611 electricity Effects 0.000 claims description 12
- 230000003213 activating effect Effects 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 230000001276 controlling effect Effects 0.000 claims 4
- 210000005036 nerve Anatomy 0.000 abstract description 3
- 230000007383 nerve stimulation Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 9
- 201000010099 disease Diseases 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 208000024891 symptom Diseases 0.000 description 4
- 210000003128 head Anatomy 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 208000019116 sleep disease Diseases 0.000 description 3
- 208000020685 sleep-wake disease Diseases 0.000 description 3
- 208000019022 Mood disease Diseases 0.000 description 2
- 230000002490 cerebral effect Effects 0.000 description 2
- 208000010877 cognitive disease Diseases 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000007599 discharging Methods 0.000 description 2
- 238000002513 implantation Methods 0.000 description 2
- 210000003205 muscle Anatomy 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000002560 therapeutic procedure Methods 0.000 description 2
- 206010067484 Adverse reaction Diseases 0.000 description 1
- 208000017194 Affective disease Diseases 0.000 description 1
- 206010010904 Convulsion Diseases 0.000 description 1
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 206010052904 Musculoskeletal stiffness Diseases 0.000 description 1
- 208000027089 Parkinsonian disease Diseases 0.000 description 1
- 206010034010 Parkinsonism Diseases 0.000 description 1
- 206010071390 Resting tremor Diseases 0.000 description 1
- 206010044565 Tremor Diseases 0.000 description 1
- 208000003443 Unconsciousness Diseases 0.000 description 1
- 230000006838 adverse reaction Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000002651 drug therapy Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 210000001652 frontal lobe Anatomy 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 208000020016 psychiatric disease Diseases 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 210000004761 scalp Anatomy 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 210000003478 temporal lobe Anatomy 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N1/00—Electrotherapy; Circuits therefor
- A61N1/18—Applying electric currents by contact electrodes
- A61N1/32—Applying electric currents by contact electrodes alternating or intermittent currents
- A61N1/36—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation
- A61N1/3605—Implantable neurostimulators for stimulating central or peripheral nerve system
- A61N1/36128—Control systems
- A61N1/36135—Control systems using physiological parameters
-
- 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]
- A61B5/372—Analysis of electroencephalograms
-
- 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
- A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
- A61B5/4082—Diagnosing or monitoring movement diseases, e.g. Parkinson, Huntington or Tourette
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
- A61N1/00—Electrotherapy; Circuits therefor
- A61N1/18—Applying electric currents by contact electrodes
- A61N1/32—Applying electric currents by contact electrodes alternating or intermittent currents
- A61N1/36—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation
- A61N1/3605—Implantable neurostimulators for stimulating central or peripheral nerve system
- A61N1/3606—Implantable neurostimulators for stimulating central or peripheral nerve system adapted for a particular treatment
- A61N1/36067—Movement disorders, e.g. tremor or Parkinson disease
Abstract
本发明提供了一种脑电异常捕捉及节律调控方法,方法包括:采集正常人和患者的脑电数据分别得到模板数据和待检测数据,脑电数据为多通道的脑电数据;提取模板数据中每个通道的脑电数据两两之间的相关系数,得到第一相关系数矩阵;提取待检测数据中每个通道的脑电数据两两之间的相关系数,得到第二相关系数矩阵;计算所有第一相关系数矩阵的平均值,得到相关系数矩阵模板;比对第二相关系数矩阵与相关系数矩阵模板之间的差异捕捉异常节点;根据捕捉的异常节点自适应的确定电刺激的刺激强度。本发明可以精准捕捉整个头部异常区域脑电信号,确定异常发生给予电刺激,通过大脑神经网络缓解异常区域放电情况,并可根据脑电异常情况施加适当的刺激强度。
Description
技术领域
本发明涉及脑电信号处理技术领域,具体涉及一种脑电异常捕捉及节律调控方法、系统、设备和存储介质。
背景技术
脑电作为一种生物电现象,是生命活动的基本特征之一。人类在进行思维活动时,大脑会产生不同的脑电信号,人们可以通过在头皮上放置传感器来进行脑电信号的采集来和研究。由于不同人的大脑之间存在差异,即使同样是健康人,也无法保证每个人在大脑的同一位置会产生类似的脑电信号,所以无法通过直接对比来区分正常和异常的脑电信号。
当人类大脑的某一位置产生异常放电时,会产生相应的疾病。例如帕金森疾病主要影响大脑运动控制区域的神经元,会导致身体出现静止性震颤、运动缓慢,肌肉僵硬等症状。癫痫的发作可能涉及到不同的脑区,会使患者出现抽搐和意识丧失。睡眠障碍会使患者在睡眠中出现打拳、踢腿、咬牙等动作,是由脑电活动异常所导致。某些精神类疾病,如认知障碍和情感障碍,也是由于大脑的额叶、颞叶等部位出现了问题,因此脑电异常信号的检测尤为重要。
在目前针对脑电信号异常所导致的疾病中,医生的治疗手段包括药物治疗和在大脑中植入电极进行刺激。但药物治疗的效果往往会在疾病的后期变得越来越不明显,而植入电极会伴随着一定的风险,且只能在医院中进行治疗,需要医生和患者付出很多的时间和精力,因此急需一种便捷的治疗方法。
因此,为解决以上疾病的医学痛点,需要在大脑脑电出现异常后进行及时干预,进而减少不良反应和风险,从而改善患者的生活质量。例如中国发明专利说明书CN115120873B公开了一种头盔式闭环节律性调控器,其主要设置多个记录电极布置在头盔式佩戴主体的与佩戴头盔式佩戴主体的用户的两侧太阳穴相对应的位置处,用于记录脑电数据并将脑电数据发送至脉冲发射器;脉冲发射器用于将多个记录电极记录的脑电数据通过通信模块发送至工作站,从工作站接收调试指令,以及从工作站接收参数设置指令以向脉冲发射装置发送脉冲参数给予电刺激。但其不能精确捕捉脑电异常信号并给予适当的刺激强度,因此导致效果不佳。
因此,如何为精确捕捉脑电异常信号并给予适当的刺激强度,成为了本领域技术人员亟待解决的技术问题和始终研究的重点。
发明内容
鉴于上述问题,本发明实施例提供一种脑电异常捕捉及节律调控方法、系统、系统、设备和存储介质,解决现有的技术问题。
为解决背景技术中存在的技术问题,本发明提供以下技术方案:
第一方面,本发明提供一种脑电异常捕捉及节律调控方法,所述方法包括以下步骤:
采集正常人和患者的脑电数据分别得到模板数据和待检测数据,所述脑电数据为多通道的脑电数据;
提取模板数据中每个通道的脑电数据两两之间的相关系数,得到第一相关系数矩阵;
提取待检测数据中每个通道的脑电数据两两之间的相关系数,得到第二相关系数矩阵;
计算所有第一相关系数矩阵的平均值,得到相关系数矩阵模板;
比对第二相关系数矩阵与相关系数矩阵模板之间的差异捕捉异常节点;
根据捕捉的异常节点自适应的确定电刺激的刺激强度。
一实施例中,所述第一相关系数矩阵和第二相关系数矩阵的相关系数均通过第一相关系数提取模型计算得到;
所述第一相关系数提取模型为:
式中,Rx,y表示x通道和y通道的脑电信号的相关系数;x和y表示模板数据或待检测数据中所有通道采集的脑电数据中的任意两个;Cov表示协方差;D表示方差。
一实施例中,所述相关系数矩阵模板通过模版创建模型创建;
所述模板创建模型为:
式中,Rmodel表示相关系数矩阵模板;N1表示模板数据的数量;Ri表示第i个模板数据对应的第一相关系数矩阵。
一实施例中,所述比对第二相关系数矩阵与相关系数矩阵模板之间的差异捕捉异常节点包括:
分别提取第二相关系数矩阵和相关系数矩阵模版中每一行数值两两之间的相关系数,得到待检测数据中每个通道的相关系数异常值;
分别提取第二相关系数矩阵和相关系数矩阵模板中每一行数值两两之间的差值,得到待检测数据中每个通道的差值异常值;
分别提取待检测数据中每个通道对应的相关系数异常值和差值异常值之间的差值,得到异常值;
寻找待检测数据中所有通道对应的异常值最大的通道;
将异常值最大的通道对应的全脑网络中的节点作为异常节点。
一实施例中,所述待检测数据中每个通道的差值异常值通过差值异常模型计算得到;
所述差值异常模型为:
式中,abDi表示待检测数据中第i个通道采集脑电的差值异常值;M表示采集通道的数量;abs表示绝对值;Rp,i表示第二相关系数矩阵中的第i行;Rh,i表示相关系数矩阵模板中的第i行。
一实施例中,所述第二相关系数矩阵和相关系数矩阵模版中每一行数值两两之间的相关系数通过第二相关系数提取模型计算得到:
所述第二相关系数提取模型为:
式中,abRi表示第i个通道采集脑电的相关系数异常值;Rp,i表示患者相关系数矩阵中的第i行;Rh,i表示相关系数矩阵模板中的第i行;Cov表示协方差;D表示方差。
一实施例中,所述根据捕捉的异常节点自适应的确定电刺激的刺激强度包括:
配置起始刺激节点的预定刺激强度SI;
选择与前额对应的节点作为起始刺激节点,利用激活传播模型激活所有节点;
记录异常节点第一次被激活所用时间;
以1为步长依次减小起始刺激节点的预定刺激强度SI,并重新计算所有节点的激活情况,再次确定异常节点被激活所用时间,直至异常节点被激活的所用时间大于异常节点第一次被激活所用时间,则确定此时起始刺激节点的边界刺激强度为SI-K,K为减小刺激强度的次数;
选取起始刺激节点中的任意一个通道在边界刺激强度的基础上增大1,并重新计算所有节点的激活情况,如果异常节点被激活所用时间与第一次被激活所用时间相同,则确定选取的节点的最终刺激强度为SI+1-K,起始刺激节点中剩余节点的最终刺激强度为SI-K;如果异常节点被激活所用时间大于第一次被激活所用时间,则迭代增加最终刺激强度设置为SI+1-K的节点的数量。
一实施例中,所述选择与前额对应的节点作为起始刺激节点,利用激活传播模型激活所有节点包括:
将与前额对应的节点作为起始刺激节点;
选取起始刺激节点和剩余节点之间相关系数排名靠前的节点,作为邻居节点;
利用激活传播模型计算未激活的邻居节点是否满足激活条件;
所述激活传播模型为:
式中,Si(t+1)表示节点i在t+1时刻的状态;F表示激活函数;SI表示刺激强度;Ri,j表示节点i与节点j的相关系数,Sj(t)表示节点j在t时刻的状态;θ表示控制系数;N2表示节点总数;
将节点被激活后的状态定义为1,未激活时的状态定义为0;
找到上一时刻已被激活的节点,并找到对应的邻居节点,利用激活传播模型直至将所有节点全部激活。
第二方面,本发明提供一种脑电异常捕捉及节律调控系统,所述系统包括:
数据采集模块:用于采集正常人和患者的脑电数据分别得到模板数据和待检测数据,所述脑电数据为多通道的脑电数据;
第一提取模块:用于提取模板数据中每个通道的脑电数据两两之间的相关系数,得到第一相关系数矩阵;
第二提取模块:用于提取待检测数据中每个通道的脑电数据两两之间的相关系数,得到第二相关系数矩阵;
模板构建模块:用于计算所有第一相关系数矩阵的平均值,得到相关系数矩阵模板;
异常捕捉模块:用于比对第二相关系数矩阵与相关系数矩阵模板之间的差异捕捉异常节点;
刺激调节模块:用于根据捕捉的异常节点自适应的确定电刺激的强度。
一实施例中,所述第一相关系数矩阵和第二相关系数矩阵的相关系数均通过第一相关系数提取模型计算得到;
所述第一相关系数提取模型为:
式中,Rx,y表示x通道和y通道的脑电信号的相关系数;x和y表示模板数据或待检测数据中所有通道采集的脑电数据中的任意两个;Cov表示协方差;D表示方差。
一实施例中,所述相关系数矩阵模板通过模版创建模型创建;
所述模板创建模型为:
式中,Rmodel表示相关系数矩阵模板;N表示模板数据的数量;Ri表示第i个模板数据对应的第一相关系数矩阵。
一实施例中,所述比对第二相关系数矩阵与相关系数矩阵模板之间的差异捕捉异常节点包括:
分别提取第二相关系数矩阵和相关系数矩阵模版中每一行数值两两之间的相关系数,得到待检测数据中每个通道的相关系数异常值;
分别提取第二相关系数矩阵和相关系数矩阵模板中每一行数值两两之间的差值,得到待检测数据中每个通道的差值异常值;
分别提取待检测数据中每个通道对应的相关系数异常值和差值异常值之间的差值,得到异常值;
寻找待检测数据中所有通道对应的异常值最大的通道;
将异常值最大的通道对应的全脑网络中的节点作为异常节点。
一实施例中,所述待检测数据中每个通道的差值异常值通过差值异常模型计算得到;
所述差值异常模型为:
式中,abDi表示待检测数据中第i个通道采集脑电的差值异常值;M表示采集通道的数量;abs表示绝对值;Rp,i表示第二相关系数矩阵中的第i行;Rh,i表示相关系数矩阵模板中的第i行。
一实施例中,所述第二相关系数矩阵和相关系数矩阵模版中每一行数值两两之间的相关系数通过第二相关系数提取模型计算得到:
所述第二相关系数提取模型为:
式中,abRi表示第i个通道采集脑电的相关系数异常值;Rp,i表示患者相关系数矩阵中的第i行;Rh,i表示相关系数矩阵模板中的第i行;Cov表示协方差;D表示方差。
一实施例中,所述根据捕捉的异常节点自适应的确定电刺激的刺激强度包括:
配置起始刺激节点的预定刺激强度SI;
选择与前额对应的节点作为起始刺激节点,利用激活传播模型激活所有节点;
记录异常节点第一次被激活所用时间;
以1为步长依次减小起始刺激节点的预定刺激强度SI,并重新计算所有节点的激活情况,再次确定异常节点被激活所用时间,直至异常节点被激活的所用时间大于异常节点第一次被激活所用时间,则确定此时起始刺激节点的边界刺激强度为SI-K,K为减小刺激强度的次数;
选取起始刺激节点中的任意一个通道在边界刺激强度的基础上增大1,并重新计算所有节点的激活情况,如果异常节点被激活所用时间与第一次被激活所用时间相同,则确定选取的节点的最终刺激强度为SI+1-K,起始刺激节点中剩余节点的最终刺激强度为SI-K;如果异常节点被激活所用时间大于第一次被激活所用时间,则迭代增加最终刺激强度设置为SI+1-K的节点的数量。
一实施例中,所述选择与前额对应的节点作为起始刺激节点,利用激活传播模型激活所有节点包括:
将与前额对应的节点作为起始刺激节点;
选取起始刺激节点和剩余节点之间相关系数排名靠前的节点,作为邻居节点;
利用激活传播模型计算未激活的邻居节点是否满足激活条件;
所述激活传播模型为:
式中,Si(t+1)表示节点i在t+1时刻的状态;F表示激活函数;SI表示刺激强度;Ri,j表示节点i与节点j的相关系数,Sj(t)表示节点j在t时刻的状态;θ表示控制系数;N2表示节点总数;
将节点被激活后的状态定义为1,未激活时的状态定义为0;
找到上一时刻已被激活的节点,并找到对应的邻居节点,利用激活传播模型直至将所有节点全部激活。
第三方面,本发明提供一种穿戴设备该设备,包括佩戴框,所述佩戴框的形状为环形的宽条状,佩戴框具有两个自由端,两个所述自由端均由额头向耳朵方向延伸,佩戴框与额头对应的位置处设有参考电极、采集电极和刺激电极,佩戴框的内部设有控制模组,所述控制模组包括主控制器以及与主控制器电性连接的电源模组、脑电采集模组、电刺激模组、通信模组和存储模组,所述脑电采集模组与采集电极连接用于采集脑电数据,所述电刺激模组与刺激电极连接用于产生电刺激;所述主控制器包括处理器和存储器,所述存储器用于存储程序和数据,所述处理器调用存储器存储的程序,以执行第一方面提供的一种脑电异常捕捉及节律调控方法。
第四方面,本发明提供一种计算机可读存储介质,所述计算机可读存储介质包括程序,所述程序在被处理器执行时用于执行第一方面任一项提供的一种脑电异常捕捉及节律调控方法。
本发明与现有技术的区别在于:本发明通过以正常人多通道的脑电数据作为模板数据,通过分析模板数据多个通道两两之间的相关系数,得到与模板数据对应的第一相关系数矩阵,并得到相关系数矩阵模版,然后在同样条件下采集患者的脑电数据作为待检测数据,并且通过分析提取待检测数据多个通道两两之间的相关系数,得到与待检测数据对应第二相关系数矩阵,对比第二相关系数矩阵与相关系数矩阵模板之间的差异,可以精准捕捉整个头部异常区域脑电信号,并且在确定产生脑电异常时给予电刺激,通过大脑神经网络缓解异常区域放电情况,并可根据脑电异常情况施加适当的刺激强度,从而缓解患者因脑电异常带来的症状。
附图说明
图1所示为本发明一种脑电异常捕捉及节律调控方法实施例的流程示意图;
图2所示为本发明一种脑电异常捕捉及节律调控方法的执行关系示意图;
图3所示为本发明一种脑电异常捕捉及节律调控系统实施例的结构示意图;
图4所示为本发明一种穿戴设备该设备的结构示意图;
图5所示为本发明穿戴设备中控制模组的结构示意图;
图6所示为本发明控制模组中主控制器NRF52832的电路结构示意图;
图7所示为本发明控制模组中主控制器ESP32的电路结构示意图;
图8所示为本发明控制模组中脑电采集模组的电路结构示意图;
图9所示为本发明控制模组中电刺激模组的电路结构示意图;
图10所示为本发明控制模组中存储模组的电路结构示意图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、明白,以下结合附图及具体实施方式对本发明作进一步说明。显然,所描述的实施例仅仅是本发明一部分实施例,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,都属于本发明保护的范围。
基于现有技术的缺点,本发明实施例提供了一种脑电异常捕捉及节律调控方法的具体实施方式,参见图1并结合图2,该方法具体包括以下步骤:
S110:采集正常人和患者的脑电数据分别得到模板数据和待检测数据,脑电数据为多通道的脑电数据。
具体地,此步骤的目的是通过采集正常人的脑电数据作为模板数据,模版数据采集多份,例如采集100份。采集患者的脑电数据作为待检测数据,在采集时可以采用32或64导联进行采集,若采用32导联进行采集则得到32通道的脑电数据,若采用64导联采集则得到64通道的脑电数据。在完成数据采集后必要时可以对已经获取的模板数据和待检测数据进行卡尔曼滤波,得到相对纯净脑电数据。
S120:提取模板数据中每个通道的脑电数据两两之间的相关系数,得到第一相关系数矩阵。
S130:提取待检测数据中每个通道的脑电数据两两之间的相关系数,得到第二相关系数矩阵。
具体地,在S120和S130中第一相关系数矩阵和第二相关系数矩阵的相关系数均通过第一相关系数提取模型计算得到。
第一相关系数提取模型如下:
式中,Rx,y表示x通道和y通道的脑电信号的相关系数;x和y表示模板数据或待检测数据中所有通道采集的脑电数据中的任意两个;Cov表示协方差;D表示方差。利用第一相关系数提取模型可以充分考虑到两两通道之间的总体误差,还可以确定两两通道之间的离散程度,进而得到更为贴合实际的先关系数,得到两两通道间相关关系的准确表达。
第一相关系数矩阵为模板数据中每个通道的脑电数据两两之间的相关系数的所用通道相关关系数据的集合,第二相关系数矩阵为待检测数据中每个通道的脑电数据两两之间的相关系数的所用通道相关关系数据的集合。例如模板数据和待检测数据为4通道,那么得到的第一相关系数矩阵和第二相关系数矩阵的量即为6个。
S140:计算所有第一相关系数矩阵的平均值,得到相关系数矩阵模板。
具体地,此步骤主要是为了给第二相关系数矩阵提供一个正常的参照模版,进而可通过相关系数矩阵模板捕捉第二相关系数矩阵中出现异常的通道。
相关系数矩阵模板通过模版创建模型创建;
模板创建模型如下:
式中,Rmodel表示相关系数矩阵模板;N1表示模板数据的数量;Ri表示第i个模板数据对应的第一相关系数矩阵
S150:比对第二相关系数矩阵与相关系数矩阵模板之间的差异捕捉异常节点。
具体地,相关系数矩阵模板已经通过S140确定,相当与一个正常标准,而第二相关系数矩阵则相当于一个实际测得的参数,是一个依实际情况变化的量,通过将第二相关系数矩阵与相关系数矩阵模板进行比对,则可捕捉到出现异常的通道。
S160:根据捕捉的异常节点自适应的确定电刺激的刺激强度。
在本实施例中,通过以正常人多通道的脑电数据作为模板数据,通过分析模板数据多个通道两两之间的相关系数,得到与模板数据对应的第一相关系数矩阵,并得到相关系数矩阵模版,然后在同样条件下采集患者的脑电数据作为待检测数据,并且通过分析提取待检测数据多个通道两两之间的相关系数,得到与待检测数据对应第二相关系数矩阵,对比第二相关系数矩阵与相关系数矩阵模板之间的差异,可以精准捕捉整个头部异常区域脑电信号,并且在确定产生脑电异常时给予电刺激,通过大脑神经网络缓解异常区域放电情况,并可根据脑电异常情况施加适当的刺激强度,从而缓解患者因脑电异常带来的症状(例如:快速动眼期睡眠障碍、认知障碍和情感障碍甚至癫痫等),另外长期特定频率刺激的外加电刺激可以达到缓解患者肌肉紧张、按摩肌肉的作用,同时抑制帕金森病患者引发快速动眼期睡眠障碍。
本发明一实施例中,在S150具体包括:
分别提取第二相关系数矩阵和相关系数矩阵模版中每一行数值两两之间的相关系数,得到待检测数据中每个通道的相关系数异常值。
具体地,第二相关系数矩阵和相关系数矩阵模版中每一行数值两两之间的相关系数通过第二相关系数提取模型计算得到:
第二相关系数提取模型如下:
式中,abRi表示第i个通道采集脑电的相关系数异常值;Rp,i表示患者相关系数矩阵中的第i行;Rh,i表示相关系数矩阵模板中的第i行;Cov表示协方差;D表示方差
分别提取第二相关系数矩阵和相关系数矩阵模板中每一行数值两两之间的差值,得到待检测数据中每个通道的差值异常值。
具体地,待检测数据中每个通道的差值异常值通过差值异常模型计算得到;
差值异常模型如下:
式中,abDi表示待检测数据中第i个通道采集脑电的差值异常值;M表示采集通道的数量;abs表示绝对值;Rp,i表示第二相关系数矩阵中的第i行;Rh,i表示相关系数矩阵模板中的第i行。
分别提取待检测数据中每个通道对应的相关系数异常值和差值异常值之间的差值,得到异常值。
具体地,其过程中公式表示为:
abi=abDi-abRi;
式中,abi表示第i个通道采集脑电的异常值。
寻找待检测数据中所有通道对应的异常值最大的通道;
将异常值最大的通道对应的全脑网络中的节点作为异常节点。
在本实施例中,首先得到每个通道的相关系数异常值,之后得到差值异常值,利用差值异常值减去相关系数异常值,得到最终的异常值,最后通过筛选最大异常值的数值对应的通道在全脑网络中对应的节点作为异常节点,利用这种层层递进的递推方式可以显著降低误差的产生,进而精确的捕捉到出现异常的通道(即异常的脑电信号),防止误判情况的发生。
需要说明的是,上述的全脑网络为S110中32或64导联对应采集点位(节点)的集合。也就是说,若采用32导联则全脑网络包含32个节点;若采用64导联则全脑网络包含64个节点,节点的位置由32或64导联确定。
本发明一实施例中,S160具体包括:
首先,配置起始刺激节点的预定刺激强度SI。
具体地,预定刺激强度SI为刺激强度的最大值,即预先设定一个最大的刺激强度,这个刺激强度不是刺激电极的最终刺激强,其仅存在于理论层面。
然后,选择与前额对应的节点作为起始刺激节点,利用激活传播模型激活所有节点。
具体地,将与前额对应的节点作为起始刺激节点;
选取起始刺激节点和剩余节点之间相关系数排名靠前的节点,作为邻居节点;
利用激活传播模型计算未激活的邻居节点是否满足激活条件;
激活传播模型如下:
式中,Si(t+1)表示节点i在t+1时刻的状态;F表示激活函数;SI表示刺激强度;Ri,j表示节点i与节点j的相关系数,Sj(t)表示节点j在t时刻的状态;θ表示控制系数;N2表示通道总数;
将节点被激活后的状态定义为1,未激活时的状态定义为0。
具体地,其过程可通过如下状态函数表示:
式中,u对应于激活函数中括号中的内容;当u的值大于0时,对应的通道状态为1,则表明此节点被激活;当u的值小于等于0时,对应的通道状态为0,则表明此通道未被激活。
找到上一时刻已被激活的节点,并找到对应的邻居节点,利用激活传播模型直至将所有节点全部激活。
之后,记录异常节点第一次被激活所用时间。
此步骤的目的是记录在最大刺激强度下,异常节点被激活所用时间。
再之后,以1为步长依次减小起始刺激节点的预定刺激强度SI,并重新计算所有节点的激活情况,再次确定异常节点被激活所用时间,直至异常节点被激活的所用时间大于异常节点第一次被激活所用时间,则确定此时起始刺激节点的边界刺激强度为SI-K,K为减小刺激强度的次数。
此步骤,是为了寻找刺激强度的临界点,若果在这个临界点基础上增加刺激强度,则导致刺激强度过大容易造成不适;若果在这个临界点基础上降低刺激强度,则导致刺激强度过低从而到不到刺激效果。
最后,选取起始刺激节点中的任意一个通道在边界刺激强度的基础上增大1,并重新计算所有节点的激活情况,此时会产生两种情况,第一种情况为:如果异常节点被激活所用时间与第一次被激活所用时间相同,则确定选取的节点的最终刺激强度为SI+1-K,起始刺激节点中剩余节点的最终刺激强度为SI-K,在第一种情况下,只要增强起始刺激节点其中人一个通道的刺激强度即可达到将刺激强度调到最大时的效果。第二种情况:如果异常节点被激活所用时间大于第一次被激活所用时间,则迭代增加最终刺激强度设置为SI+1-K的节点的数量,在第二种情况下,则需要依次增加起始刺激节点中需要增加刺激强度的节点的数量,使其达到刺激强度调到最大时的效果。
在本实施例中,可以通过前额节点利用激活传播模型推算全脑网络节点异常,确定全脑网络的异常,以前额对在全脑网络中对应的节点作为电刺激的切入点来调控全脑网络。在电刺激过程中最终刺激强度为刺激电极需要进行电刺激的强度,通过以上方法可以自适应的选择最为合适的刺激强度,既可避免因刺激强度过大引起患者不适,也可避免因刺激强度过低导致刺激失效。
基于同一发明构思,本申请实施例还提供了一种脑电异常捕捉及节律调控系统,可以用于实现上述实施例所描述的一种脑电异常捕捉及节律调控方法,如下面的实施例。由于一种脑电异常捕捉及节律调控系统解决问题的原理与一种脑电异常捕捉及节律调控方法相似,因此一种脑电异常捕捉及节律调控系统的实施可以参见一种脑电异常捕捉及节律调控方法实施,重复之处不再赘述。以下所使用的,术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的系统较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
参见图3,本发明实施例提供一种脑电异常捕捉及节律调控系统,该系统包括:
数据采集模块210:用于采集正常人和患者的脑电数据分别得到模板数据和待检测数据,脑电数据为多通道的脑电数据;
第一提取模块220:用于提取模板数据中每个通道的脑电数据两两之间的相关系数,得到第一相关系数矩阵;
第二提取模块230:用于提取待检测数据中每个通道的脑电数据两两之间的相关系数,得到第二相关系数矩阵;
模板构建模块240:用于计算所有第一相关系数矩阵的平均值,得到相关系数矩阵模板;
异常捕捉模块250:用于比对第二相关系数矩阵与相关系数矩阵模板之间的差异捕捉异常节点;
刺激调节模块260:用于根据捕捉的异常节点自适应的确定电刺激的强度。
在本发明一实施例中,第一相关系数矩阵和第二相关系数矩阵的相关系数均通过第一相关系数提取模型计算得到;
第一相关系数提取模型为:
式中,Rx,y表示x通道和y通道的脑电信号的相关系数;x和y表示模板数据或待检测数据中所有通道采集的脑电数据中的任意两个;Cov表示协方差;D表示方差。
在本发明一实施例中,相关系数矩阵模板通过模版创建模型创建;
模板创建模型为:
式中,Rmodel表示相关系数矩阵模板;N1表示模板数据的数量;Ri表示第i个模板数据对应的第一相关系数矩阵。
在本发明一实施例中,比对第二相关系数矩阵与相关系数矩阵模板之间的差异捕捉异常节点包括:
分别提取第二相关系数矩阵和相关系数矩阵模版中每一行数值两两之间的相关系数,得到待检测数据中每个通道的相关系数异常值;
分别提取第二相关系数矩阵和相关系数矩阵模板中每一行数值两两之间的差值,得到待检测数据中每个通道的差值异常值;
分别提取待检测数据中每个通道对应的相关系数异常值和差值异常值之间的差值,得到异常值;
寻找待检测数据中所有通道对应的异常值最大的通道;
将异常值最大的通道对应的全脑网络中的节点作为异常节点。
在本发明一实施例中,待检测数据中每个通道的差值异常值通过差值异常模型计算得到;
差值异常模型为:
式中,abDi表示待检测数据中第i个通道采集脑电的差值异常值;M表示采集通道的数量;abs表示绝对值;Rp,i表示第二相关系数矩阵中的第i行;Rh,i表示相关系数矩阵模板中的第i行。
在本发明一实施例中,第二相关系数矩阵和相关系数矩阵模版中每一行数值两两之间的相关系数通过第二相关系数提取模型计算得到:
第二相关系数提取模型为:
式中,abRi表示第i个通道采集脑电的相关系数异常值;Rp,i表示患者相关系数矩阵中的第i行;Rh,i表示相关系数矩阵模板中的第i行;Cov表示协方差;D表示方差。
在本发明一实施例中,根据捕捉的异常节点自适应的确定电刺激的刺激强度包括:
配置起始刺激节点的预定刺激强度SI;
选择与前额对应的节点作为起始刺激节点,利用激活传播模型激活所有节点;
记录异常节点第一次被激活所用时间;
以1为步长依次减小起始刺激节点的预定刺激强度SI,并重新计算所有节点的激活情况,再次确定异常节点被激活所用时间,直至异常节点被激活的所用时间大于异常节点第一次被激活所用时间,则确定此时起始刺激节点的边界刺激强度为SI-K,K为减小刺激强度的次数;
选取起始刺激节点中的任意一个通道在边界刺激强度的基础上增大1,并重新计算所有节点的激活情况,如果异常节点被激活所用时间与第一次被激活所用时间相同,则确定选取的节点的最终刺激强度为SI+1-K,起始刺激节点中剩余节点的最终刺激强度为SI-K;如果异常节点被激活所用时间大于第一次被激活所用时间,则迭代增加最终刺激强度设置为SI+1-K的节点的数量。
在本发明一实施例中,选择与前额对应的节点作为起始刺激节点,利用激活传播模型激活所有节点包括:
将与前额对应的节点作为起始刺激节点;
选取起始刺激节点和剩余节点之间相关系数排名靠前的节点,作为邻居节点;
利用激活传播模型计算未激活的邻居节点是否满足激活条件;
激活传播模型为:
式中,Si(t+1)表示节点i在t+1时刻的状态;F表示激活函数;SI表示刺激强度;Ri,j表示节点i与节点j的相关系数,Sj(t)表示节点j在t时刻的状态;θ表示控制系数;N2表示节点总数;
将节点被激活后的状态定义为1,未激活时的状态定义为0;
找到上一时刻已被激活的节点,并找到对应的邻居节点,利用激活传播模型直至将所有节点全部激活。
本申请的实施例还提供了一种脑电异常捕捉及节律调控方法的穿戴设备,参见图4和图5,该穿戴设备包括佩戴框300,佩戴框300的形状为环形的宽条状,佩戴框300具有两个自由端310,两个自由端310均由额头向耳朵方向延伸,佩戴框300与额头对应的位置处设有参考电极320、采集电极330和刺激电极340,佩戴框300的内部设有控制模组350,控制模组350包括主控制器351以及与主控制器351电性连接的电源模组352、脑电采集模组353、刺激模组354、通信模组355和存储模组356,脑电采集模组353与采集电极330连接用于采集脑电数据,电刺激模组354与刺激电极340连接用于产生电刺激;主控制器351包括处理器和存储器,存储器用于存储程序和数据,处理器调用存储器存储的程序,以执行方法实施例中一种脑电异常捕捉及节律调控方法。
需要说明的是,电源模组352采用锂电池(7.4V)充电管理,电源电路使用TI的芯片,分别产生+2.5V,-2.5V,+3.3V,+5V电源电压。
脑电采集模组353采用ADS1299芯片,其具体电路连接结构详见图8,其可以提供多路多通道采集。
刺激模组354的具体电路连接结构详见图9,其可提供多路电刺激。
存储模组356的具体电路连接结构详见图10,其目的是为了通过使用本地MicroSD卡进行存储,节省造价。
本领域普通技术人员应理解:主控制器35内的存储器包括但不限于采用随机存取存储器(Random Access Memory,简称:RAM),只读存储器(Read Only Memory,简称:ROM),可编程只读存储器(Programmable Read-OnlyMemory,简称:PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,简称:EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,简称:EEPROM)等。其中,存储器用于存储程序,处理器在接收到执行指令后,执行程序。进一步地,上述存储器内的软件程序以及模块还可包括操作系统,其可包括各种用于管理系统任务(例如内存管理、存储设备控制、电源管理等)的软件组件和/或驱动,并可与各种硬件或软件组件相互通信,从而提供其他软件组件的运行环境。
处理器可以是一种成电路芯片,具有信号的处理能力。上述的处理器310可以是通用处理器,包括中央处理器(Central Processing Unit,简称:CPU)、网络处理器(NetworkProcessor,简称:NP)等。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。更为具体地,本发明实施例中处理器采用NRF52832+ESP32模式NRF52832包含Cotex-M4内核的处理器和BLE蓝牙5.0协议栈,ESP32内置WiFi和蓝牙,双核CPU,主频可以80、160或240MHz。处理器NRF52832及外围电路详见图6,处理器ESP32及外围电路详见图7。
在本实例中,该设备的佩戴不做限制,何时何地均可佩戴,图谱哦了医疗机构诊断对空间范围的限制;可以全天候进行检测,通过会患者脑电数据进行伸入分析,确定出现异常后采用电刺激的方式缓解患者的症状;采用开放式头戴可以避免因长时间佩戴带来的压迫感;在前额设置参考电极,已参考电极为基线校准采集电极,同步后采集患者脑电信号,没有头发阻隔使其采集数据更加贴合实际;该设备在进行电刺激时,可让放电频率大于采样频率,进而兼顾采集盒放电的同时进行,并且可在异常消失后停止刺激,做到对症刺激。
本申请还提供一种计算机可读存储介质,所述计算机可读存储介质包括程序,所述程序在被处理器执行时用于执行前述任一方法实施例提供的一种脑电异常捕捉及节律调控方法。
本领域普通技术人员应理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质,具体的介质类型本申请不做限制。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求书的保护范围为准。
Claims (9)
1.一种脑电异常捕捉及节律调控方法,其特征在于,所述方法包括以下步骤:
采集正常人和患者的脑电数据分别得到模板数据和待检测数据,所述脑电数据为多通道的脑电数据;
提取模板数据中每个通道的脑电数据两两之间的相关系数,得到第一相关系数矩阵;
提取待检测数据中每个通道的脑电数据两两之间的相关系数,得到第二相关系数矩阵;
计算所有第一相关系数矩阵的平均值,得到相关系数矩阵模板;
比对第二相关系数矩阵与相关系数矩阵模板之间的差异捕捉异常节点;
根据捕捉的异常节点自适应的确定电刺激的刺激强度;
所述根据捕捉的异常节点自适应的确定电刺激的刺激强度包括:
配置起始刺激节点的预定刺激强度SI;
选择与前额对应的节点作为起始刺激节点,利用激活传播模型激活所有节点;
记录异常节点第一次被激活所用时间;
以1为步长依次减小起始刺激节点的预定刺激强度SI,并重新计算所有节点的激活情况,再次确定异常节点被激活所用时间,直至异常节点被激活的所用时间大于异常节点第一次被激活所用时间,则确定此时起始刺激节点的边界刺激强度为SI-K,K为减小刺激强度的次数;
选取起始刺激节点中的任意一个通道在边界刺激强度的基础上增大1,并重新计算所有节点的激活情况,如果异常节点被激活所用时间与第一次被激活所用时间相同,则确定选取的节点的最终刺激强度为SI+1-K,起始刺激节点中剩余节点的最终刺激强度为SI-K;如果异常节点被激活所用时间大于第一次被激活所用时间,则迭代增加最终刺激强度设置为SI+1-K的节点的数量。
2.如权利要求1所述的一种脑电异常捕捉及节律调控方法,其特征在于,所述第一相关系数矩阵和第二相关系数矩阵的相关系数均通过第一相关系数提取模型计算得到;
所述第一相关系数提取模型为:
式中,Rx,y表示x通道和y通道的脑电信号的相关系数;x和y表示模板数据或待检测数据中所有通道采集的脑电数据中的任意两个;Cov表示协方差;D表示方差。
3.如权利要求1所述的一种脑电异常捕捉及节律调控方法,其特征在于,所述相关系数矩阵模板通过模版创建模型创建;
所述模版创建模型为:
式中,Rmodel表示相关系数矩阵模板;N1表示模板数据的数量;Ri表示第i个模板数据对应的第一相关系数矩阵。
4.如权利要求1所述的一种脑电异常捕捉及节律调控方法,其特征在于,所述比对第二相关系数矩阵与相关系数矩阵模板之间的差异捕捉异常节点包括:
分别提取第二相关系数矩阵和相关系数矩阵模版中每一行数值两两之间的相关系数,得到待检测数据中每个通道的相关系数异常值;
分别提取第二相关系数矩阵和相关系数矩阵模板中每一行数值两两之间的差值,得到待检测数据中每个通道的差值异常值;
分别提取待检测数据中每个通道对应的相关系数异常值和差值异常值之间的差值,得到异常值;
寻找待检测数据中所有通道对应的异常值最大的通道;
将异常值最大的通道对应的全脑网络中的节点作为异常节点。
5.如权利要求4所述的一种脑电异常捕捉及节律调控方法,其特征在于,所述待检测数据中每个通道的差值异常值通过差值异常模型计算得到;
所述差值异常模型为:
式中,abDi表示待检测数据中第i个通道采集脑电的差值异常值;M表示采集通道的数量;abs表示绝对值;Rp,i表示第二相关系数矩阵中的第i行;Rh,i表示相关系数矩阵模板中的第i行。
6.如权利要求4所述的一种脑电异常捕捉及节律调控方法,其特征在于,所述第二相关系数矩阵和相关系数矩阵模版中每一行数值两两之间的相关系数通过第二相关系数提取模型计算得到:
所述第二相关系数提取模型为:
式中,abRi表示第i个通道采集脑电的相关系数异常值;Rp,i表示患者相关系数矩阵中的第i行;Rh,i表示相关系数矩阵模板中的第i行;Cov表示协方差;D表示方差。
7.如权利要求1所述的一种脑电异常捕捉及节律调控方法,其特征在于,所述选择与前额对应的节点作为起始刺激节点,利用激活传播模型激活所有节点包括:
将与前额对应的节点作为起始刺激节点;
选取起始刺激节点和剩余节点之间相关系数排名靠前的节点,作为邻居节点;
利用激活传播模型计算未激活的邻居节点是否满足激活条件;
所述激活传播模型为:
式中,Si(t+1)表示节点i在t+1时刻的状态;F表示激活函数;SI表示刺激强度;Ri,j表示节点i与节点j的相关系数,Sj(t)表示节点j在t时刻的状态;θ表示控制系数;N2表示节点总数;
将节点被激活后的状态定义为1,未激活时的状态定义为0;
找到上一时刻已被激活的节点,并找到对应的邻居节点,利用激活传播模型直至将所有节点全部激活。
8.一种脑电异常捕捉及节律调控系统,其特征在于,所述系统包括:
数据采集模块:用于采集正常人和患者的脑电数据分别得到模板数据和待检测数据,所述脑电数据为多通道的脑电数据;
第一提取模块:用于提取模板数据中每个通道的脑电数据两两之间的相关系数,得到第一相关系数矩阵;
第二提取模块:用于提取待检测数据中每个通道的脑电数据两两之间的相关系数,得到第二相关系数矩阵;
模板构建模块:用于计算所有第一相关系数矩阵的平均值,得到相关系数矩阵模板;
异常捕捉模块:用于比对第二相关系数矩阵与相关系数矩阵模板之间的差异捕捉异常节点;
刺激调节模块:用于根据捕捉的异常节点自适应的确定电刺激的强度;所述根据捕捉的异常节点自适应的确定电刺激的刺激强度包括:
配置起始刺激节点的预定刺激强度SI;
选择与前额对应的节点作为起始刺激节点,利用激活传播模型激活所有节点;
记录异常节点第一次被激活所用时间;
以1为步长依次减小起始刺激节点的预定刺激强度SI,并重新计算所有节点的激活情况,再次确定异常节点被激活所用时间,直至异常节点被激活的所用时间大于异常节点第一次被激活所用时间,则确定此时起始刺激节点的边界刺激强度为SI-K,K为减小刺激强度的次数;
选取起始刺激节点中的任意一个通道在边界刺激强度的基础上增大1,并重新计算所有节点的激活情况,如果异常节点被激活所用时间与第一次被激活所用时间相同,则确定选取的节点的最终刺激强度为SI+1-K,起始刺激节点中剩余节点的最终刺激强度为SI-K;如果异常节点被激活所用时间大于第一次被激活所用时间,则迭代增加最终刺激强度设置为SI+1-K的节点的数量。
9.一种穿戴设备,其特征在于,该设备包括佩戴框,所述佩戴框的形状为环形的宽条状,佩戴框具有两个自由端,两个所述自由端均由额头向耳朵方向延伸,佩戴框与额头对应的位置处设有参考电极、采集电极和刺激电极,佩戴框的内部设有控制模组,所述控制模组包括主控制器以及与主控制器电性连接的电源模组、脑电采集模组、电刺激模组、通信模组和存储模组,所述脑电采集模组与采集电极连接用于采集脑电数据,所述电刺激模组与刺激电极连接用于产生电刺激;所述主控制器包括处理器和存储器,所述存储器用于存储程序和数据,所述处理器调用存储器存储的程序,以执行权利要求1-7任一项提供的一种脑电异常捕捉及节律调控方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311428120.7A CN117298448B (zh) | 2023-10-31 | 2023-10-31 | 脑电异常捕捉及节律调控方法、系统、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311428120.7A CN117298448B (zh) | 2023-10-31 | 2023-10-31 | 脑电异常捕捉及节律调控方法、系统、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117298448A CN117298448A (zh) | 2023-12-29 |
CN117298448B true CN117298448B (zh) | 2024-04-19 |
Family
ID=89288371
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311428120.7A Active CN117298448B (zh) | 2023-10-31 | 2023-10-31 | 脑电异常捕捉及节律调控方法、系统、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117298448B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6463328B1 (en) * | 1996-02-02 | 2002-10-08 | Michael Sasha John | Adaptive brain stimulation method and system |
KR20140019515A (ko) * | 2012-08-06 | 2014-02-17 | 성균관대학교산학협력단 | 복수 개의 채널에서 측정되는 인간 뇌파의 채널 간 상관관계를 분석하는 방법 및 복수 개의 채널에서 측정되는 인간 뇌파의 채널 간 상관관계를 이용하여 인간 의도를 인식하는 방법 |
KR20150136704A (ko) * | 2014-05-27 | 2015-12-08 | 연세대학교 원주산학협력단 | 신경 네트워크 반응 기반의 폐루프형 전기적 뇌 자극 장치 및 방법 |
CN108742611A (zh) * | 2018-04-08 | 2018-11-06 | 南京医科大学 | 一种随机动态参数电刺激条件下的自主肌电提取方法 |
CN112426161A (zh) * | 2020-11-17 | 2021-03-02 | 浙江大学 | 一种基于领域自适应的时变脑电特征提取方法 |
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 |
WO2022013827A2 (en) * | 2020-07-17 | 2022-01-20 | Newronika S.P.A. | Systems and methods for adaptive deep brain stimulation |
WO2022099808A1 (zh) * | 2020-11-11 | 2022-05-19 | 东南大学 | 一种基于源定位和脑网络的自然动作脑电识别方法 |
WO2022160557A1 (zh) * | 2021-01-27 | 2022-08-04 | 博睿康科技(常州)股份有限公司 | 脑电设备、系统、计算机设备和存储介质 |
CN114870249A (zh) * | 2022-04-18 | 2022-08-09 | 北京理工大学 | 一种闭环自适应交流电刺激神经网络调控方法及系统 |
CN115399788A (zh) * | 2022-08-12 | 2022-11-29 | 华中科技大学 | 基于改进参考信号模板的ssvep典型相关分析方法 |
US11520405B1 (en) * | 2021-07-05 | 2022-12-06 | Hyundai Motor Company | SSVEP-based stimulus detection device and method thereof |
CN116058851A (zh) * | 2023-02-20 | 2023-05-05 | 之江实验室 | 脑电数据处理方法、装置、分析系统、电子装置和介质 |
CN116531661A (zh) * | 2023-05-04 | 2023-08-04 | 安徽医科大学 | 基于脑电网络引导的闭环电刺激系统 |
-
2023
- 2023-10-31 CN CN202311428120.7A patent/CN117298448B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6463328B1 (en) * | 1996-02-02 | 2002-10-08 | Michael Sasha John | Adaptive brain stimulation method and system |
KR20140019515A (ko) * | 2012-08-06 | 2014-02-17 | 성균관대학교산학협력단 | 복수 개의 채널에서 측정되는 인간 뇌파의 채널 간 상관관계를 분석하는 방법 및 복수 개의 채널에서 측정되는 인간 뇌파의 채널 간 상관관계를 이용하여 인간 의도를 인식하는 방법 |
KR20150136704A (ko) * | 2014-05-27 | 2015-12-08 | 연세대학교 원주산학협력단 | 신경 네트워크 반응 기반의 폐루프형 전기적 뇌 자극 장치 및 방법 |
CN108742611A (zh) * | 2018-04-08 | 2018-11-06 | 南京医科大学 | 一种随机动态参数电刺激条件下的自主肌电提取方法 |
WO2022013827A2 (en) * | 2020-07-17 | 2022-01-20 | Newronika S.P.A. | Systems and methods for adaptive deep brain stimulation |
WO2022099808A1 (zh) * | 2020-11-11 | 2022-05-19 | 东南大学 | 一种基于源定位和脑网络的自然动作脑电识别方法 |
CN112426161A (zh) * | 2020-11-17 | 2021-03-02 | 浙江大学 | 一种基于领域自适应的时变脑电特征提取方法 |
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 |
WO2022160557A1 (zh) * | 2021-01-27 | 2022-08-04 | 博睿康科技(常州)股份有限公司 | 脑电设备、系统、计算机设备和存储介质 |
US11520405B1 (en) * | 2021-07-05 | 2022-12-06 | Hyundai Motor Company | SSVEP-based stimulus detection device and method thereof |
CN114870249A (zh) * | 2022-04-18 | 2022-08-09 | 北京理工大学 | 一种闭环自适应交流电刺激神经网络调控方法及系统 |
WO2023201863A1 (zh) * | 2022-04-18 | 2023-10-26 | 北京理工大学 | 一种闭环自适应交流电刺激神经网络调控方法及系统 |
CN115399788A (zh) * | 2022-08-12 | 2022-11-29 | 华中科技大学 | 基于改进参考信号模板的ssvep典型相关分析方法 |
CN116058851A (zh) * | 2023-02-20 | 2023-05-05 | 之江实验室 | 脑电数据处理方法、装置、分析系统、电子装置和介质 |
CN116531661A (zh) * | 2023-05-04 | 2023-08-04 | 安徽医科大学 | 基于脑电网络引导的闭环电刺激系统 |
Non-Patent Citations (3)
Title |
---|
Tysnes OB,Storstein A.pidemiology of Parkinson’ s disease.Neural Transm.2017,全文. * |
于洪丽 ; 徐桂芝 ; 付灵弟 ; 翟越 ; .基于脑电图的不同频率磁刺激内关穴脑网络分析.中国生物医学工程学报.2016,(第06期),全文. * |
陈彪 等.帕金森病脑深部电刺激术评估队列手术治疗相关因素分析 .中风与神经疾病杂志 .2021,全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN117298448A (zh) | 2023-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11826151B2 (en) | System and method for physiological data classification for use in facilitating diagnosis | |
US9072832B2 (en) | Clustering of recorded patient neurological activity to determine length of a neurological event | |
US7917206B2 (en) | Signal quality monitoring and control for a medical device system | |
US7976465B2 (en) | Phase shifting of neurological signals in a medical device system | |
US8579786B2 (en) | Screening techniques for management of a nervous system disorder | |
US8543214B2 (en) | Configuring and testing treatment therapy parameters for a medical device system | |
US11529515B2 (en) | Transcranial stimulation device and method based on electrophysiological testing | |
CN102613971B (zh) | 基于脑电的癫痫检测与干预装置 | |
US20180333066A1 (en) | Apparatus for measuring electroencephalogram, system and method for diagnosing and preventing dementia | |
EP1854404B1 (en) | Monitoring of the state of the central nervous system of a subject | |
KR102100120B1 (ko) | 생체 신호를 모니터링하는 방법, 장치 및 컴퓨터 프로그램 | |
KR20200072099A (ko) | 3d 헤드업 디스플레이와 연동된 웨어러블 eeg 헤드셋을 구비하는 eeg 측정 및 자극 시스템 및 방법 | |
Heyat et al. | Recording of eeg ecg emg signal | |
US20220257149A1 (en) | Systems and methods for detecting and treating neurophysiological impairment | |
CN105188525A (zh) | 用于计算定量eeg的方法和系统 | |
AU2022221742A1 (en) | Apparatus, systems and methods for monitoring symptoms of neurological conditions | |
CN117298448B (zh) | 脑电异常捕捉及节律调控方法、系统、设备和存储介质 | |
US20210204861A1 (en) | Portable wearable eye movement monitoring system, device and monitoring method | |
CN116491960B (zh) | 脑瞬态监测设备、电子设备及存储介质 | |
US20240131345A1 (en) | Noise identification and reduction for recording of signals with cardiac activity on spinal cord stimulation (scs) leads | |
US20240131338A1 (en) | Detecting signals with cardiac activity during defined rest states using neuromodulation system | |
CN117323537A (zh) | 一种用于精神状态调节的头盔 | |
CN114470519A (zh) | 基于自主神经调控含闭环监测的心律失常治疗仪 | |
CN118044777A (zh) | 基于被测者的眼动监测所述被测者的意识的方法、装置、系统、电子设备、计算机可读存储介质及计算机程序产品 | |
CN116583220A (zh) | 用于检测心律异常的设备和系统 |
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 |