CN117476186A - 刺激参数的可视化预测方法及其装置 - Google Patents

刺激参数的可视化预测方法及其装置 Download PDF

Info

Publication number
CN117476186A
CN117476186A CN202311421782.1A CN202311421782A CN117476186A CN 117476186 A CN117476186 A CN 117476186A CN 202311421782 A CN202311421782 A CN 202311421782A CN 117476186 A CN117476186 A CN 117476186A
Authority
CN
China
Prior art keywords
information
evolution
stimulation
initial
patient
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202311421782.1A
Other languages
English (en)
Inventor
周国新
刘鑫蕊
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.)
Jingyu Medical Technology Suzhou Co ltd
Original Assignee
Jingyu Medical Technology Suzhou Co ltd
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 Jingyu Medical Technology Suzhou Co ltd filed Critical Jingyu Medical Technology Suzhou Co ltd
Priority to CN202311421782.1A priority Critical patent/CN117476186A/zh
Publication of CN117476186A publication Critical patent/CN117476186A/zh
Pending legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4848—Monitoring or testing the effects of treatment, e.g. of medication
    • 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
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
    • G16H20/13—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients delivered from dispensers
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/40—ICT specially adapted for the handling or processing of medical references relating to drugs, e.g. their side effects or intended usage

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Physics & Mathematics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Primary Health Care (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Pathology (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Epidemiology (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Medicinal Chemistry (AREA)
  • Theoretical Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Chemical & Material Sciences (AREA)
  • Neurology (AREA)
  • Neurosurgery (AREA)
  • Signal Processing (AREA)
  • Pharmacology & Pharmacy (AREA)
  • Toxicology (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Psychiatry (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Physiology (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

本申请提供了刺激参数的可视化预测方法及其装置，所述方法包括：获取患者的初始信息，所述初始信息包括针对所述患者的目标病灶的初始影像信息；将所述初始信息输入演变预测模型，以得到所述患者的演变推荐信息，所述演变推荐信息包括初始刺激信息及其对应的多个按照时序排列的影像信息；根据所述演变推荐信息，通过显示装置向目标人员可视化展示所述目标病灶的影像在时间维度的演变。本申请通过整合刺激参数和影像信息，利用演变预测模型预测未来的变化，并通过可视化手段向目标人员展示这些变化，使目标人员获得更全面的预测的疾病发展病程。

Description

刺激参数的可视化预测方法及其装置
技术领域
本申请涉及植入式医疗器械的技术领域，尤其涉及刺激参数的可视化预测方法、可视化预测装置、医疗系统、计算机可读存储介质。
背景技术
植入式医疗器械是指手术将设备或传感器植入患者体内，用于监测、诊断或治疗疾病的医疗设备。由植入式医疗器械组成的医疗系统，在医学领域中扮演着重要的角色，广泛应用于各种疾病的管理和治疗。
以神经刺激器为例，植入神经刺激器后，需根据结合神经递质受体敏感性变化，来调整刺激参数，相关技术无法准确预估患者下一治疗阶段的刺激参数对应的疾病发展病程。
基于此，本申请提供了刺激参数的可视化预测方法、可视化预测装置、医疗系统、计算机可读存储介质，以改进现有技术、满足实际应用的需求。
发明内容
本申请的目的在于提供刺激参数的可视化预测方法、可视化预测装置、医疗系统、计算机可读存储介质，通过整合刺激参数和影像信息，利用演变预测模型预测未来的变化，并通过可视化手段向目标人员展示这些变化，解决无法准确预估患者下一治疗阶段的刺激参数对应的疾病发展病程的问题。
本申请的目的采用以下技术方案实现：
第一方面，本申请提供了一种刺激参数的可视化预测方法，其特征在于，所述方法包括：
获取患者的初始信息，所述初始信息包括针对所述患者的目标病灶的初始影像信息和初始刺激信息；
将所述初始信息输入演变预测模型，以得到多个按照时序排列的影像信息并作为所述患者的演变推荐信息；
根据所述演变推荐信息，通过显示装置向目标人员可视化展示所述目标病灶的影像在时间维度的演变。
该技术方案的有益效果在于：首先获取患者的包括针对目标病灶的初始影像信息的初始信息。初始影像信息例如是包括MRI、CT等影像技术捕捉的关于目标病灶的基本信息。将患者的初始信息输入演变预测模型。演变预测模型可以是机器学习模型，例如时间序列模型、深度学习模型等，其能够学习和预测刺激参数随时间的演变。可以利用演变预测模型生成患者的多个按照时序排列的影像信息，以反映对患者未来刺激参数和病灶影像演变的预测。利用显示装置，将演变推荐信息以可视化的方式，在时间维度上可视化的展示给目标人员。
由此，可以可视化展示演变推荐信息，使目标人员能够提前和直观地了解患者病灶的演变过程，即准确预估患者下一治疗阶段的刺激参数对应的疾病发展病程。同时，也能使患者通过可视化的方式了解治疗过程中病灶的变化，增强其对治疗的理解和信心。通过时序排列的影像信息，可视化展示可以为治疗效果的评估提供更多维度的信息，使目标人员能够更好地分析患者病灶在时间维度上的变化。通过综合考虑刺激参数和脑部影像的变化趋势，不仅考虑了刺激参数，还考虑了与之相关的脑部影像在时间维度的动态变化，使目标人员可以获得更全面的患者情况。
综上所述，通过整合刺激参数和影像信息，利用演变预测模型预测未来的变化，并通过可视化手段向目标人员展示这些变化，使目标人员获得更全面的预测的疾病发展病程。
在一些可能的实现方式中，所述演变预测模型的训练过程包括：
获取训练样本集合，所述训练样本集合是基于多个样本在多个同一时间维度的刺激参数信息和影像信息生成的；
利用所述训练样本集合对初始演变预测模型进行训练，得到训练后的演变预测模型。
该技术方案的有益效果在于：使用多个样本用户和多个样本在多个时间维度的数据训练演变预测模型可以增加模型的复杂性和容忍度，使其更适应不同情况下的演变过程，提高模型的预测性能和实用性。
在一些可能的实现方式中，所述刺激参数信息包含刺激时间数据以及频率、脉冲宽度、脉冲类型、刺激位置、刺激模式、脉冲形状中的至少一种。
在一些可能的实现方式中，所述影像信息包括包含磁共振成像信息、计算机断层扫描信息、功能性磁共振成像信息、脑磁图信息、脑电图信息中的至少一种及其产生时间。
在一些可能的实现方式中，所述训练样本集合的获取方式，包括：
对多个样本的刺激参数信息和影像信息分别进行预处理，以得到预处理后的刺激参数信息和影像信息并作为训练样本集合。
该技术方案的有益效果在于：预处理步骤确保了刺激参数信息和影像信息的一致性和可靠性，同时训练样本集合包括多个样本(患者)的数据，更有可能涵盖不同患者的各种变化和特征，有助于提高训练得到的模型的泛化性能，使其在面对新的患者时表现更好。同样的，通过使用多个样本的数据，训练模型不是过度依赖于单个患者的数据，有助于减少过拟合的风险。
在一些可能的实现方式中，所述预处理包括除噪、缺失值处理和数据标准化处理中的一种或多种。
该技术方案的有益效果在于：旨在确保从原始数据中提取出准确和可靠的信息
在一些可能的实现方式中，所述初始信息还包括所述患者的用药信息；所述将所述初始信息输入演变预测模型，以得到多个按照时序排列的影像信息并作为所述患者的演变推荐信息，包括：
获取多个初始刺激信息，并将每个所述初始刺激信息和初始图像信息作为初始信息；
将多个初始信息分别输入演变预测模型，以得到所述患者的多个演变预测信息，每个所述演变预测信息包括多个按照时序排列的预测影像信息；
基于多个所述演变预测信息得到多个预测用药信息，并将与所述患者的用药信息相似度最高的预测用药信息所对应的演变预测信息作为演变推荐信息。
该技术方案的有益效果在于：考虑患者用药信息可以避免演变推荐信息中的刺激参数与特定药物相互作用或产生不适应的情况，提高治疗的安全性和可靠性，进而可以协助相关人员，为其提供更个性化、全面考虑多因素的建议，从而提高了其治疗决策的精度。
在一些可能的实现方式中，所述方法还包括：将与所述患者的用药信息相似度最高的预测用药信息通过显示装置向目标人员展示。
该技术方案的有益效果在于：可以便于目标人员根据推荐用药信息判断自己对患者的用药情况。
在一些可能的实现方式中，所述方法还包括：
将所述初始信息输入演变预测模型，还得到至少一个推荐刺激信息，每个所述推荐刺激信息与所述演变推荐信息中的一个影像信息相对应。
该技术方案的有益效果在于：可以利用演变预测模型生成患者的包括推荐的刺激参数及其对应的多个按照时序排列的影像信息。根据设置初始刺激参数，在一定时期后，结合脑内环境变化，给予推荐刺激参数，智能化程度高。
第二方面，本申请还提供了一种刺激参数的可视化预测装置，所述装置包括：
信息获取模块，用于获取患者的初始信息，所述初始信息包括针对所述患者的目标病灶的初始影像信息和初始刺激信息；
模型处理模块，用于将所述初始信息输入演变预测模型，以得到多个按照时序排列的影像信息并作为所述患者的演变推荐信息；
演变展示模块，用于根据所述演变推荐信息，通过显示装置向目标人员可视化展示所述目标病灶的影像在时间维度的演变。
在一些可能的实现方式中，所述初始信息还包括所述患者的用药信息，所述模型处理模块包括：
信息预测单元，用于获取多个初始刺激信息，并将每个所述初始刺激信息和初始图像信息作为初始信息；
模型处理单元，用于将多个初始信息分别输入演变预测模型，以得到所述患者的多个演变预测信息，每个所述演变预测信息包括多个按照时序排列的预测影像信息；
信息获取单元，用于基于多个所述演变预测信息得到多个预测用药信息，并将与所述患者的用药信息相似度最高的预测用药信息所对应的演变预测信息作为演变推荐信息。
在一些可能的实现方式中，所述装置还包括：
信息展示模块，用于将与所述患者的用药信息相似度最高的预测用药信息通过显示装置向目标人员展示。
在一些可能的实现方式中，所述演变预测模型的训练过程包括：
获取训练样本集合，所述训练样本集合是基于多个样本在多个同一时间维度的刺激参数信息和影像信息生成的；
利用所述训练样本集合对初始演变预测模型进行训练，得到训练后的演变预测模型。
在一些可能的实现方式中，所述刺激参数信息包含刺激时间数据以及频率、脉冲宽度、脉冲类型、刺激位置、刺激模式、脉冲形状中的至少一种。
在一些可能的实现方式中，所述影像信息包括包含磁共振成像信息、计算机断层扫描信息、功能性磁共振成像信息、脑磁图信息、脑电图信息中的至少一种及其产生时间。
在一些可能的实现方式中，所述获取多个样本在同一时间维度的刺激参数信息和影像信息，以生成训练样本集合，包括：
对多个样本的刺激参数信息和影像信息分别进行预处理，以得到预处理后的刺激参数信息和影像信息并作为训练样本集合。
在一些可能的实现方式中，所述预处理包括除噪、缺失值处理和数据标准化处理中的一种或多种。
第三方面，本申请还提供了一种医疗系统，所述医疗系统用于刺激参数的可视化预测，所述医疗系统包括：
第二方面任一项所述的刺激参数的可视化预测装置，所述可视化预测装置用于根据患者的初始信息得到演变推荐信息；
显示装置，所述显示装置用于根据所述演变推荐信息向目标人员可视化展示所述患者的目标病灶的影像在时间维度的演变。
第四方面，本申请还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被至少一个处理器执行时实现第一方面任一项所述的方法的步骤，或者实现第二方面任一项所述的装置的功能。
第五方面，本申请还提供了一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被至少一个处理器执行时实现第一方面任一项所述的方法的步骤，或者实现第二方面任一项所述的装置的功能。
附图说明
下面结合附图和实施方式对本申请进一步说明。
图1是本申请实施例提供的一种可视化预测方法的流程示意图。
图2是本申请实施例提供的一种构建脑部刺激治疗专家系统的方法的流程示意图。
图3是本申请实施例提供的一种可视化预测装置的结构示意图。
图4是本申请实施例提供的一种医疗系统的结构框图。
图5是本申请实施例提供的一种计算机程序产品的结构示意图。
具体实施方式
下面将结合本申请的说明书附图以及具体实施方式，对本申请中的技术方案进行描述，需要说明的是，在不相冲突的前提下，以下描述的各实施方式之间或各技术特征之间可以任意组合形成新的实施方式。
本申请实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施方式或设计方案不应被解释为比其他实施方式或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。
下面将结合本申请的说明书附图以及具体实施方式，对本申请中的技术方案进行描述，需要说明的是，在不相冲突的前提下，以下描述的各实施方式之间或各技术特征之间可以任意组合形成新的实施方式。
首先对本申请实施例的其中一个应用领域(即植入式医疗系统)进行简单说明。
植入式医疗系统包括植入式神经电刺激系统、植入式心脏电刺激系统(又称心脏起搏器)、植入式药物输注系统(Implantable Drug Delivery System，简称IDDS)和导线转接系统等。植入式神经电刺激系统例如是脑深部电刺激系统(Deep Brain Stimulation，简称DBS)、植入式脑皮层刺激系统(Cortical Nerve Stimulation，简称CNS)、植入式脊髓电刺激系统(Spinal Cord Stimulation，简称SCS)、植入式骶神经电刺激系统(Sacral NerveStimulation，简称SNS)、植入式迷走神经电刺激系统(Vagus Nerve Stimulation，简称VNS)等。
植入式神经电刺激系统包括植入患者体内的刺激器(即植入式神经刺激器)以及设置于患者体外的程控设备。也就是说，刺激器是一种医疗设备，或者说，医疗设备包括刺激器。相关的神经调控技术主要是通过立体定向手术在生物体的组织的特定部位(即靶点)植入电极(电极例如是电极导线的形式)，经电极向靶点发放电脉冲，调控相应神经结构和网络的电活动及其功能，从而改善症状、缓解病痛。
作为一个示例，DBS包括IPG(Implantable Pulse Generator，植入式脉冲发生器)、延伸导线和电极导线，IPG通过延伸导线与电极导线连接。IPG植入于患者体内，例如植入于患者胸前或者其他体内部位。
作为另一个示例，DBS包括IPG和电极导线，IPG与电极导线直接连接。IPG植入于患者头部，例如对患者的颅骨开槽，然后将IPG安装于颅骨的槽中，在这种设置于患者体内的情况下，可以理解为IPG可能不凸出于颅骨外表面，也可能部分凸出于颅骨外表面。
其中，IPG响应于程控设备发送的程控指令，依靠密封电池和电路向体内组织提供可控制的电刺激治疗(或者说电刺激能量)。IPG通过电极导线，为体内组织的特定区域递送一路或多路可控制的特定电刺激。
在一些实施例中，延伸导线配合IPG使用，作为电刺激的传递媒体，将IPG产生的电刺激，传递给电极导线。
在一些实施例中，可以采用脉冲信号的形式来递送电刺激，也可以采用非脉冲信号的形式来递送电刺激。例如，电刺激可以作为具有各种波形形状、频率和振幅的信号来递送。因此，非脉冲信号形式的电刺激可以是连续信号，其可以具有正弦波形或其他连续波形。
电极导线在接收到IPG或者延伸导线传输的电刺激后，通过多个电极触点，向体内组织的特定区域递送电刺激。刺激器例如设置有单侧或双侧的一路或多路电极导线，电极导线上设置有多个电极触点，电极触点可以均匀排列或者非均匀排列在电极导线的周向上。作为一个示例，电极触点可以以4行3列的阵列(共计12个电极触点)排列在电极导线的周向上。电极触点可以包括刺激电极触点和/或采集电极触点。电极触点例如可以采用片状、环状、点状等形状。
在一些实施例中，受刺激的体内组织可以是患者的脑组织，受刺激的部位可以是脑组织的特定部位。当患者的疾病类型不同时，受刺激的部位一般来说是不同的，所使用的刺激触点(单源或多源)的数量、一路或多路(单通道或多通道)特定电刺激的运用以及刺激参数(数值)也是不同的。
本申请实施例对适用的疾病类型不作限定，其可以是脑深部刺激(DBS)、脊髓刺激(SCS)、骶神经刺激、胃刺激、外周神经刺激、功能性电刺激所适用的疾病类型。其中，DBS可以用于治疗或管理的疾病类型包括但不限于：痉挛疾病(例如，癫痫)、疼痛、偏头痛、精神疾病(例如，重度抑郁症(MDD))、躁郁症、焦虑症、创伤后压力心理障碍症、轻郁症、强迫症(OCD)、行为障碍、情绪障碍、记忆障碍、心理状态障碍、移动障碍(例如，特发性震颤或帕金森病)、亨廷顿病、阿尔茨海默症、药物成瘾症、孤独症或其他神经学或精神科疾病和损害。
本申请实施例中，程控设备和刺激器建立程控连接时，可以利用程控设备调整刺激器的刺激参数组，刺激参数组包括一个或多个刺激参数(或者说脉冲发生器的一个或多个刺激参数，不同的刺激参数所对应的电刺激不同)，也可以通过刺激器感测患者的电生理活动以采集得到电生理信号(即电位信号)，并可以通过所采集到的电生理信号来继续调整刺激器的刺激参数，实现刺激参数的闭环控制(或者说自适应调节)。
刺激参数可以包括以下至少一种：用于递送电刺激的电极触点标识(例如是2#电极触点和3#电极触点)、频率(例如是单位时间1s内的电刺激脉冲信号个数，单位为Hz)、脉宽(每个脉冲的持续时间，单位为μs)、幅值(一般用电压表述，即每个脉冲的强度，单位为V)、时序(例如可以是连续或者簇发，簇发是指多个过程组成的不连续的时序行为)、刺激模式(包括电流模式、电压模式、定时刺激模式和循环刺激模式中的一种或多种)、医生控制上限及下限(医生可调节的范围)和患者控制上限及下限(患者可自主调节的范围)。
在一些实施例中，可以在电流模式或者电压模式下对刺激器的各刺激参数进行调节。
程控设备可以包括医生程控设备(即医生使用的程控设备)和/或患者程控设备(即患者使用的程控设备)。医生程控设备例如是搭载有程控软件的平板电脑、笔记本电脑、台式计算机、手机等智能终端设备。患者程控设备例如是搭载有程控软件的平板电脑、笔记本电脑、台式计算机、手机等智能终端设备，患者程控设备还可以是其他具有程控功能的电子设备(例如是具有程控功能的充电器、电生理采集设备等)。
本申请实施例对医生程控设备和刺激器的数据交互不进行限制，当医生远程程控时，医生程控设备可以通过服务器、患者程控设备与刺激器进行数据交互。当医生线下和患者面对面进行程控时，医生程控设备可以通过患者程控设备与刺激器进行数据交互，医生程控设备还可以直接与刺激器进行数据交互。
在一些实施例中，患者程控设备可以包括(与服务器通信的)主机和(与刺激器通信的)子机，主机和子机可通信地连接。其中，医生程控设备可以通过3G/4G/5G网络与服务器进行数据交互，服务器可以通过3G/4G/5G网络与主机进行数据交互，主机可以通过蓝牙协议/WIFI协议/USB协议与子机进行数据交互，子机可以通过401MHz-406MHz工作频段/2.4GHz-2.48GHz工作频段与刺激器进行数据交互，医生程控设备可以通过401MHz-406MHz工作频段/2.4GHz-2.48GHz工作频段与刺激器直接进行数据交互。
相关技术中，植入患者体内神经刺激器后，需根据结合神经递质受体敏感性变化调整刺激参数，作为一个长期的治疗方案其无法可视化地准确预估患者下一治疗阶段的疾病发展病程。
基于此，本申请提供了刺激参数的可视化预测方法及其装置，可以通过可视化手段向目标人员展示患者核团的变化。下文将先对方法进行说明。
方法实施例。
参见图1，图1是本申请实施例提供的一种可视化预测方法的流程示意图。
本申请实施例提供了一种刺激参数的可视化预测方法，所述方法包括：
步骤S101，获取患者的初始信息，所述初始信息包括针对所述患者的目标病灶的初始影像信息和初始刺激信息。
步骤S102，将所述初始信息输入演变预测模型，以得到多个按照时序排列的影像信息并作为所述患者的演变推荐信息。
步骤S103，根据所述演变推荐信息，通过显示装置向目标人员可视化展示所述目标病灶的影像在时间维度的演变。
首先获取患者的包括针对目标病灶的初始影像信息的初始信息。初始影像信息例如是包括MRI、CT等影像技术捕捉的关于目标病灶的基本信息。将患者的初始信息输入演变预测模型。演变预测模型可以是机器学习模型，例如时间序列模型、深度学习模型等，其能够学习和预测刺激参数随时间的演变。在具体应用中，可以利用演变预测模型生成患者的多个按照时序排列的影像信息，或者利用演变预测模型生成患者的包括推荐的刺激参数(即后文提及的推荐刺激参数)及其对应的多个按照时序排列的影像信息，以反映对患者未来病灶影像演变的预测。利用显示装置，将演变推荐信息以可视化的方式，在时间维度上可视化的展示给目标人员。
由此，本技术方案可以可视化展示演变推荐信息，使目标人员能够提前和直观地了解患者病灶的演变过程，即准确预估患者下一治疗阶段的刺激参数对应的疾病发展病程。同时，也能使患者通过可视化的方式了解治疗过程中病灶的变化，增强其对治疗的理解和信心。通过时序排列的影像信息，可视化展示可以为治疗效果的评估提供更多维度的信息，使目标人员能够更好地分析患者病灶在时间维度上的变化。通过综合考虑刺激参数和脑部影像的变化趋势，不仅考虑了刺激参数，还考虑了与之相关的脑部影像在时间维度的动态变化，使目标人员可以获得更全面的患者情况。
综上所述，通过整合刺激参数和影像信息，利用演变预测模型预测未来的变化，并通过可视化手段向目标人员展示这些变化，使目标人员获得更全面的预测的疾病发展病程。
显示装置例如是包含LED显示器、投影仪的设备。可以通过幻灯片、视频等方式在显示装置上向目标人员可视化展示目标病灶的影像在时间维度的演变。初始刺激信息及下文提及的刺激参数信息、推荐刺激信息，例如是：首先频率80Hz、刺激持续时间30s，然后频率90Hz、刺激持续时间10s，然后频率80Hz、刺激持续时间30s。即初始刺激信息可以是一个随时间变化可进行调整的值。
初始刺激信息可以包含刺激时间数据以及频率、脉冲宽度、脉冲类型、刺激位置、刺激模式、脉冲形状中的至少一种。
在一些实施例中，所述演变预测模型的训练过程包括：
获取训练样本集合，所述训练样本集合是基于多个样本在多个同一时间维度的刺激参数信息和影像信息生成的；
利用所述训练样本集合对初始演变预测模型进行训练，得到训练后的演变预测模型。
其中，所述刺激参数信息可以包含刺激时间数据以及频率、脉冲宽度、脉冲类型、刺激位置、刺激模式、脉冲形状中的至少一种。所述刺激时间数据可以用于指示作用时间、刺激周期等。
所述影像信息可以包括包含磁共振成像信息、计算机断层扫描信息、功能性磁共振成像信息、脑磁图信息、脑电图信息中的至少一种及其产生时间。
在一些实施例中，所述训练样本集合的获取方式，包括：
对多个样本的刺激参数信息和影像信息分别进行预处理，以得到预处理后的刺激参数信息和影像信息并作为训练样本集合。
首先从多个患者(样本)收集刺激参数信息和相应的影像信息。然后，对于每个样本的刺激参数信息和影像信息进行预处理，以确保数据的一致性和可用性。预处理后的刺激参数信息和影像信息可以分别构成一个训练样本。将训练样本汇总形成一个训练样本集合，即训练样本集合包含了多个样本在时间维度上的刺激参数信息和影像信息。
由此，预处理步骤确保了刺激参数信息和影像信息的一致性和可靠性，同时训练样本集合包括多个样本(患者)的数据，更有可能涵盖不同患者的各种变化和特征，有助于提高训练得到的模型的泛化性能，使其在面对新的患者时表现更好。同样的，通过使用多个样本的数据，训练模型不是过度依赖于单个患者的数据，有助于减少过拟合的风险。
在一些实施例中，所述预处理包括除噪、缺失值处理和数据标准化处理中的一种或多种。
上述步骤旨在确保从原始数据中提取出准确和可靠的信息。具体而言，去噪是处理原始数据中的干扰信号或异常值，以减少数据中的噪声干扰，包括使用滤波器或其他信号处理技术来平滑数据并去除不必要的波动。在实际数据中，避免有缺失的数据点会影响分析的准确性。通过包括填充缺失值(例如使用均值、中位数或插值方法)或在分析中忽略缺失数据点的处理缺失值的方法解决上述问题。将不同数据的尺度或单位统一到相同的尺度，以通过标准化的方式使其便于进行比较和分析。
可以认为，本申请的技术方案，可以通过对大量历史数据进行系统性的分析，获取不同刺激参数(信息)与脑部影像特征(即影像信息)之间的关联关系。关联关系的获取过程包含对数据进行预处理，包括去除噪声、处理缺失值以及标准化数据，以确保分析的准确性和可靠性。在分析阶段，选择合适的统计方法，如相关性分析、回归分析、方差分析等，来揭示刺激参数与脑部影像之间的关联强度和趋势。通过计算相关系数以量化不同刺激参数与脑部影像特征之间的线性相关性。
作为一个示例，以病灶位置在脑部为例，可以基于训练样本集合中的历史数据，分析程控数据演变过程和患者脑部影像演变过程，选择合适的数学函数或者使用机器学习技术来捕捉刺激参数与脑部影像之间的关系，以捕捉刺激参数在时间和空间上的变化规律，创建演变预测模型。
演变预测模型的构建过程可以包括：
基于刺激参数在时间和空间上的变化规律，建立时间序列的模型作为演变预测模型。将刺激参数作为输入，时间作为轴，脑部影像的特征(即影像信息)作为输出。通过训练模型使其学习刺激参数如何随时间变化，以及这些变化如何影响脑部影像的演变。进一步地，可以此外，将刺激参数与不同脑部区域之间的联系纳入模型，以探索空间上的变化，获取更全面的认识。
作为另一个示例，与之前示例不同的是，以脑部影像作为输入，时间作为轴，刺激参数作为输出，以得到初始刺激信息。
可以认为，刺激参数和脑部影像的特征是连续变化的数据，可以使用多项式拟合、指数函数或者其他非线性函数来捕捉它们之间的复杂关系，本实施例对其不进行限制。也可以使用如Transformer模型或LSTM(长短期记忆网络)等时序模型，以处理上述时间序列的变化。或者使用回归分析、支持向量机(SVM)、或神经网络等机器学习方法，从历史数据中学习刺激参数和脑部影像之间的映射规律。
在一些实施例中，所述初始信息还包括所述患者的用药信息；所述将所述初始信息输入演变预测模型，以得到所述患者的演变推荐信息，包括：
获取多个初始刺激信息，并将每个所述初始刺激信息和初始图像信息作为初始信息；
将多个初始信息分别输入演变预测模型，以得到所述患者的多个演变预测信息，每个所述演变预测信息包括多个按照时序排列的预测影像信息；
基于多个所述演变预测信息得到多个预测用药信息，并将与所述患者的用药信息相似度最高的预测用药信息所对应的演变预测信息作为演变推荐信息。
可以认为，初始信息不仅包括针对患者目标病灶的初始影像信息和刺激参数信息，还包括患者的使用的药物种类、剂量、频率等用药信息。将初始信息输入演变预测模型，以通过分析患者初始信息预测患者未来的刺激参数及其对应的病灶影像的演变过程，并得到多个演变预测信息(预测刺激参数及其对应的按照时序排列的预测影像信息)。基于多个所述演变预测信息得到多个预测用药信息，可以认为利用每个演变预测信息，以考虑了刺激参数的变化趋势以及与用药信息之间的关系的情况下得到多个可能的用药方案。从多个预测用药信息中选择与患者实际用药信息形似度最高的一个，并将与患者用药信息形似度最高的预测用药信息所对应的演变预测信息作为演变推荐信息。
由此，考虑患者用药信息可以避免演变推荐信息中的刺激参数与特定药物相互作用或产生不适应的情况，提高治疗的安全性和可靠性，进而可以协助相关人员，为其提供更个性化、全面考虑多因素的建议，从而提高了其治疗决策的精度。
本申请实施例对形似度获取的方式不进行限制，其例如是余弦相似度(CosineSimilarity)的方式，将患者用药信息和预测用药信息视为向量，其中向量的维度表示不同的药物或药物类别。
还例如是Jaccard相似系数(Jaccard Similarity)的方式，将患者用药和预测用药看作两个药物集合。Jaccard相似系数衡量两个集合的交集与并集之间的关系，从而度量它们的相似性。
本申请实施例对多个预测用药信息的获取方式不进行限制。由于演变预测信息包括多个按照时序排列的预测影像信息，针对任一预测用药信息的获取方式可以是：
首先，对演变预测影像信息进行包括去噪、图像配准(确保图像在空间上对齐)、图像分割(识别感兴趣的脑部区域或结构)、以及归一化或标准化处理的数据预处理。然后从每个时序演变预测影像中提取特征。提取的特征例如包括脑部结构的体积、密度、活动水平、区域连接性等。
使用提取的特征构建时间序列模型，其中时间是独立变量，特征是依赖变量。时间序列模型例如是循环神经网络(RNN)或长短时记忆网络(LSTM)，以捕捉特征随时间的演变。使用已有的演变预测影像数据来训练选定的时间序列模型。训练完成后可以使用已知的数据来评估模型的性能，比较模型的预测与实际数据。最后，利用构建和训练好的时间序列模型，由于生成预测用药信息。
在一些实施例中，将与所述患者的用药信息相似度最高的预测用药信息作为推荐用药信息，通过显示装置向目标人员展示。由此，可以便于目标人员根据推荐用药信息判断自己对患者的用药情况。
在一些实施例中，所述方法还包括：
将所述初始信息输入演变预测模型，还得到至少一个推荐刺激信息，每个所述推荐刺激信息与所述演变推荐信息中的一个影像信息相对应。
由此，可以利用演变预测模型生成患者的包括推荐的刺激参数及其对应的多个按照时序排列的影像信息。根据设置初始刺激参数，在一定时期后，结合脑内环境变化，给予推荐刺激参数，智能化程度高。
参见图2，图2是本申请实施例提供的一种构建脑部刺激治疗专家系统的方法的流程示意图。
在一个具体应用中，提供一种构建脑部刺激治疗专家系统的方法，用于构建一种实现上述可视化预测方法的专家系统，包括以下步骤：
1.数据收集与整理。
收集同一时间维度的不同患者刺激参数数据及刺激参数数据对应的脑部数据。其中刺激参数数据包含：频率、脉冲宽度、脉冲类型、刺激位置、刺激持续时间、刺激模式、交错、脉冲形状、刺激周期、刺激核团等参数及刺激参数作用时间。其中脑部数据包含MRI(磁共振成像)、CT(计算机断层扫描)fMRI(功能性磁共振成像)、MEG(脑磁图)、EEG(脑电图)等脑部影像数据及脑部影像数据产生时间。
2.程控数据-影像关联分析。
通过对大量历史数据进行系统性的分析，获取不同刺激参数与脑部影像特征之间的关联关系。这一过程包含对数据进行预处理，包括去除噪声、处理缺失值以及标准化数据，以确保分析的准确性和可靠性。在分析阶段，选择合适的统计方法，如相关性分析、回归分析、方差分析等，来揭示刺激参数与脑部影像之间的关联强度和趋势。通过计算相关系数量化不同刺激参数与脑部影像特征之间的线性相关性。
3.演变预测模型的构建。
基于历史数据，分析程控数据演变过程和患者脑部影像演变过程，选择合适的数学函数或者使用机器学习技术来捕捉刺激参数与脑部影像之间的关系，以捕捉刺激参数在时间和空间上的变化规律，创建演变预测模型。
基于刺激参数在时间和空间上的变化规律，建立演变预测模型。演变预测模型是一个时间序列模型，其中刺激参数作为输入，时间作为轴，脑部影像特征作为输出。通过训练模型，它可以学习刺激参数如何随时间变化，以及这些变化如何影响脑部影像的演变。或以脑部影像作为输入，时间作为轴，刺激参数作为输出。此外，还可以探索空间上的变化，例如将刺激参数与不同脑部区域之间的联系纳入模型，以获取更全面的认识。
刺激参数和脑部影像是连续变化的数据，可以使用多项式拟合、指数函数或者其他非线性函数来捕捉它们之间的复杂关系。此外，也可以使用时序模型，如Transformer模型或LSTM(长短期记忆网络)等，以处理时间序列的变化。也可以使用回归分析、支持向量机(SVM)、或神经网络等机器学习方法，从历史数据中学习刺激参数和脑部影像之间的映射规律。
4.预测患者刺激参数变化。
结合演变预测模型、特定患者脑部影像以及当前刺激参数，动态地预测患者未来的刺激参数变化过程，将所有刺激参数在脑部的作用范围可视化，以及演变过程的可视化。
展示方式随时间和参数变化实时更新，展示形式图表、动态图片、视频或程控时提示推荐参数，呈现刺激参数对脑部不同区域的影响。
5.构建脑部刺激治疗专家系统。
基于演变预测模型、预测功能以及空间相互作用模型，建立脑部刺激治疗专家系统。汇集历史数据、个体化信息和科学研究成果，为医疗专业人员提供决策支持工具，制定更精确的刺激治疗方案。基于优化的演变模型，这有助于医疗专业人员更好地了解患者个体化的刺激需求，以及在治疗过程中可能出现的变化。
由此，结合本实施例提供的可视化预测方法，具有以下好处：
在预测设定刺激参数后，可以得到未来脑内环境变化曲线。可以根据当前脑内环境数据，提供个体化的刺激治疗方案，用于对当前刺激参数的预估和推荐。根据设置初始刺激参数，在一定时期后，结合脑内环境变化，给予推荐刺激参数。后续可以结合当前刺激参数，用于随脑部环境变化动态调整。上述数据整合和分析有助于医疗专业人员全面了解患者治疗历史和病情发展趋势。同时，结合吃药信息评估刺激参数。
综上所述，可以将演变预测模型与预测功能和空间相互作用并融合在一起，用于构建综合性的脑部刺激治疗专家系统。上述综合融合可以使专家系统能够考虑脑部影像的变化趋势，从而更全面地指导治疗决策。另外，通过分析历史数据和趋势，能够用于预测患者未来的刺激参数变化趋势，从而为医疗专业人员制定更加前瞻性的治疗策略。
装置实施例。
参见图3，图3是本申请实施例提供的一种可视化预测装置的结构示意图。
本申请实施例提供了一种刺激参数的可视化预测装置，其具体实施例与上述方法实施例中记载的实施例、所达到的技术效果一致，部分内容不再赘述。
所述装置包括：
信息获取模块，用于获取患者的初始信息，所述初始信息包括针对所述患者的目标病灶的初始影像信息和初始刺激信息；
模型处理模块，用于将所述初始信息输入演变预测模型，以得到多个按照时序排列的影像信息并作为所述患者的演变推荐信息；
演变展示模块，用于根据所述演变推荐信息，通过显示装置向目标人员可视化展示所述目标病灶的影像在时间维度的演变。
在一些实施例中，所述初始信息还包括所述患者的用药信息，所述模型处理模块包括：
信息预测单元，用于获取多个初始刺激信息，并将每个所述初始刺激信息和初始图像信息作为初始信息；
模型处理单元，用于将多个初始信息分别输入演变预测模型，以得到所述患者的多个演变预测信息，每个所述演变预测信息包括多个按照时序排列的预测影像信息；
信息获取单元，用于基于多个所述演变预测信息得到多个预测用药信息，并将与所述患者的用药信息相似度最高的预测用药信息所对应的演变预测信息作为演变推荐信息。
在一些实施例中，所述装置还包括：
信息展示模块，用于将与所述患者的用药信息相似度最高的预测用药信息通过显示装置向目标人员展示。
在一些实施例中，所述演变预测模型的训练过程包括：
获取训练样本集合，所述训练样本集合是基于多个样本在多个同一时间维度的刺激参数信息和影像信息生成的；
利用所述训练样本集合对初始演变预测模型进行训练，得到训练后的演变预测模型。
在一些实施例中，所述刺激参数信息包含刺激时间数据以及频率、脉冲宽度、脉冲类型、刺激位置、刺激模式、脉冲形状中的至少一种。
在一些实施例中，所述影像信息包括包含磁共振成像信息、计算机断层扫描信息、功能性磁共振成像信息、脑磁图信息、脑电图信息中的至少一种及其产生时间。
在一些实施例中，所述获取多个样本在同一时间维度的刺激参数信息和影像信息，以生成训练样本集合，包括：
对多个样本的刺激参数信息和影像信息分别进行预处理，以得到预处理后的刺激参数信息和影像信息并作为训练样本集合。
在一些实施例中，所述预处理包括除噪、缺失值处理和数据标准化处理中的一种或多种。
在一些实施例中，所述信息展示模块还用于将所述初始信息输入演变预测模型，得到至少一个推荐刺激信息，每个所述推荐刺激信息与所述演变推荐信息中的一个影像信息相对应。
系统实施例。
参见图4，图4是本申请实施例提供的一种医疗系统的结构框图。
本申请实施例提供了一种医疗系统，所述医疗系统包括：
装置实施例所述的刺激参数的可视化预测装置，所述可视化预测装置用于根据患者的初始信息得到演变推荐信息；
显示装置，所述显示装置用于根据所述演变推荐信息向目标人员可视化展示所述患者的目标病灶的影像在时间维度的演变。
计算机可读存储介质实施例。
本申请实施例还提供了一种计算机可读存储介质，其具体实施例与上述方法实施例中记载的实施例、所达到的技术效果一致，部分内容不再赘述。
所述计算机可读存储介质存储有计算机程序，所述计算机程序被至少一个处理器执行时实现上述任一项方法的步骤或者实现上述任一项装置的功能。
计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。在本申请实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。计算机可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件，或者上述的任意合适的组合。
计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读存储介质还可以是任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等，或者上述的任意合适的组合。可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，程序设计语言包括面向对象的程序设计语言诸如Java、C++等，还包括常规的过程式程序设计语言诸如C语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行，或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
计算机程序产品实施例
本申请实施例还提供了一种计算机程序产品，其具体实施例与上述方法实施例中记载的实施例、所达到的技术效果一致，部分内容不再赘述。
所述计算机程序产品包括计算机程序，所述计算机程序被至少一个处理器执行时实现上述任一项方法的步骤或者实现上述任一项装置的功能。
参见图5，图5是本申请实施例提供的一种计算机程序产品的结构示意图。
所述计算机程序产品用于实现上述任一项方法的步骤或者实现上述任一项参数配置装置的功能。计算机程序产品可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的计算机程序产品不限于此，计算机程序产品可以采用一个或多个计算机可读介质的任意组合。
需要说明的是，在本申请实施例中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B的情况，其中A，B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达，是指的这些项中的任意组合，包括单项(个)或复数项(个)的任意组合。例如，a，b或c中的至少一项(个)，可以表示：a，b，c，a和b，a和c，b和c或a和b和c，其中a、b和c可以是单个，也可以是多个。值得注意的是，“至少一项(个)”还可以解释成“一项(个)或多项(个)”。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是被配置成区别类似的对象，而不必被配置成描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，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、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本申请从使用目的上，效能上，进步及新颖性等观点进行阐述，已符合专利法所强调的功能增进及使用要件，本申请以上的说明书及说明书附图，仅为本申请的较佳实施例而已，并非以此局限本申请，因此，凡一切与本申请构造，装置，特征等近似、雷同的，即凡依本申请专利申请范围所作的等同替换或修饰等，皆应属本申请的专利申请保护的范围之内。

Claims (14)

1.一种刺激参数的可视化预测方法，其特征在于，所述方法包括：
获取患者的初始信息，所述初始信息包括针对所述患者的目标病灶的初始影像信息和初始刺激信息；
将所述初始信息输入演变预测模型，以得到多个按照时序排列的影像信息并作为所述患者的演变推荐信息；
根据所述演变推荐信息，通过显示装置向目标人员可视化展示所述目标病灶的影像在时间维度的演变。
2.根据权利要求1所述的刺激参数的可视化预测方法，其特征在于，所述演变预测模型的训练过程包括：
获取训练样本集合，所述训练样本集合是基于多个样本在多个同一时间维度的刺激参数信息和影像信息生成的；
利用所述训练样本集合对初始演变预测模型进行训练，得到训练后的演变预测模型。
3.根据权利要求2所述的刺激参数的可视化预测方法，其特征在于，所述刺激参数信息包含刺激时间数据以及频率、脉冲宽度、脉冲类型、刺激位置、刺激模式、脉冲形状中的至少一种。
4.根据权利要求2所述的刺激参数的可视化预测方法，其特征在于，所述影像信息包括包含磁共振成像信息、计算机断层扫描信息、功能性磁共振成像信息、脑磁图信息、脑电图信息中的至少一种及其产生时间。
5.根据权利要求2所述的刺激参数的可视化预测方法，其特征在于，所述训练样本集合的获取方式，包括：
对多个样本的刺激参数信息和影像信息分别进行预处理，以得到预处理后的刺激参数信息和影像信息并作为训练样本集合。
6.根据权利要求5所述的刺激参数的可视化预测方法，其特征在于，所述预处理包括除噪、缺失值处理和数据标准化处理中的一种或多种。
7.根据权利要求1所述的刺激参数的可视化预测方法，其特征在于，所述初始信息还包括所述患者的用药信息；所述将所述初始信息输入演变预测模型，以得到多个按照时序排列的影像信息并作为所述患者的演变推荐信息，包括：
获取多个初始刺激信息，并将每个所述初始刺激信息和初始图像信息作为初始信息；
将多个初始信息分别输入演变预测模型，以得到所述患者的多个演变预测信息，每个所述演变预测信息包括多个按照时序排列的预测影像信息；
基于多个所述演变预测信息得到多个预测用药信息，并将与所述患者的用药信息相似度最高的预测用药信息所对应的演变预测信息作为演变推荐信息。
8.根据权利要求7所述的刺激参数的可视化预测方法，其特征在于，所述方法还包括：将与所述患者的用药信息相似度最高的预测用药信息通过显示装置向目标人员展示。
9.根据权利要求1所述的刺激参数的可视化预测方法，其特征在于，所述方法还包括：
将所述初始信息输入演变预测模型，还得到至少一个推荐刺激信息，每个所述推荐刺激信息与所述演变推荐信息中的一个影像信息相对应。
10.一种刺激参数的可视化预测装置，其特征在于，所述装置包括：
信息获取模块，用于获取患者的初始信息，所述初始信息包括针对所述患者的目标病灶的初始影像信息和初始刺激信息；
模型处理模块，用于将所述初始信息输入演变预测模型，以得到多个按照时序排列的影像信息并作为所述患者的演变推荐信息；
演变展示模块，用于根据所述演变推荐信息，通过显示装置向目标人员可视化展示所述目标病灶的影像在时间维度的演变。
11.根据权利要求10所述的刺激参数的可视化预测装置，其特征在于，所述初始信息还包括所述患者的用药信息，所述模型处理模块包括：
信息预测单元，用于获取多个初始刺激信息，并将每个所述初始刺激信息和初始图像信息作为初始信息；
模型处理单元，用于将多个初始信息分别输入演变预测模型，以得到所述患者的多个演变预测信息，每个所述演变预测信息包括多个按照时序排列的预测影像信息；
信息获取单元，用于基于多个所述演变预测信息得到多个预测用药信息，并将与所述患者的用药信息相似度最高的预测用药信息所对应的演变预测信息作为演变推荐信息。
12.根据权利要求11所述的刺激参数的可视化预测装置，其特征在于，所述装置还包括：
信息展示模块，用于将与所述患者的用药信息相似度最高的预测用药信息通过显示装置向目标人员展示。
13.一种医疗系统，其特征在于，所述医疗系统用于刺激参数的可视化预测，所述医疗系统包括：
权利要求10-12任一项所述的刺激参数的可视化预测装置，所述可视化预测装置用于根据患者的初始信息得到多个按照时序排列的影像信息并作为所述患者的演变推荐信息；
显示装置，所述显示装置用于根据所述演变推荐信息向目标人员可视化展示所述患者的目标病灶的影像在时间维度的演变。
14.一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，所述计算机程序被至少一个处理器执行时实现权利要求1-9任一项所述的方法的步骤，或实现权利要求10-12任一项所述的装置的功能。
CN202311421782.1A 2023-10-27 2023-10-27 刺激参数的可视化预测方法及其装置 Pending CN117476186A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311421782.1A CN117476186A (zh) 2023-10-27 2023-10-27 刺激参数的可视化预测方法及其装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311421782.1A CN117476186A (zh) 2023-10-27 2023-10-27 刺激参数的可视化预测方法及其装置

Publications (1)

Publication Number Publication Date
CN117476186A true CN117476186A (zh) 2024-01-30

Family

ID=89632456

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311421782.1A Pending CN117476186A (zh) 2023-10-27 2023-10-27 刺激参数的可视化预测方法及其装置

Country Status (1)

Country Link
CN (1) CN117476186A (zh)

Similar Documents

Publication Publication Date Title
JP7526509B2 (ja) 脳波に対する測定、分析、制御に基づく音響電気刺激ニューロモデュレーション方法および装置
US11529515B2 (en) Transcranial stimulation device and method based on electrophysiological testing
Lo et al. Closed-loop neuromodulation systems: next-generation treatments for psychiatric illness
CN103002947B (zh) 刺激电极选择
US9662502B2 (en) Method and system for tuning of movement disorder therapy devices
US8761890B2 (en) Electrical stimulation programming
CN115054828B (zh) 脉冲发生器、医疗系统及计算机可读存储介质
AU2019266088B2 (en) System for neurostimulation device therapy management
CN114842956B (zh) 控制设备、医疗系统及计算机可读存储介质
CN113362946A (zh) 视频处理装置、电子设备及计算机可读存储介质
CN117934726B (zh) 三维可视化方法、装置和系统、可读存储介质
CN115463347A (zh) 参数调节装置、程控设备、医疗系统及计算机存储介质
Schalk et al. Translation of neurotechnologies
CN117065217A (zh) 电位信号采集设备及其方法、医疗系统、可读存储介质
CN116895065A (zh) 核团标注装置及方法、可穿戴的xr设备、相关装置
CN117476186A (zh) 刺激参数的可视化预测方法及其装置
US11786730B1 (en) Method and system for tuning of movement disorder therapy devices
Rostami et al. Potential of Brain-Computer Interfaces in Dementia
CN115019948B (zh) 控制设备、远程会诊系统和计算机可读存储介质
CN117936024B (zh) 一种程控参数配置方法及相关装置
CN221243744U (zh) 电极导线和刺激器系统
CN117180612B (zh) 植入式电极、刺激器及其控制方法、存储介质
US20240285951A1 (en) Personalized neurostimulation closed loop programming training interface
CN117577293A (zh) 远程程控设备、方法、医疗系统及可读存储介质
CN116680571A (zh) 参数配置装置、医疗系统、存储介质及程序产品

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