帕金森状态的闭环神经刺激仿真系统技术方案

本发明专利技术提供一种帕金森状态的闭环神经刺激仿真系统，该系统包括有相互连接的基底核‑丘脑回路、DAC、ADC、非线性自回归Volterra模型和非线性模型预测控制器包括由FPGA搭建的基底核‑丘脑回路、DAC、ADC、非线性自回归Volterra模型和非线性模型预测控制器。ADC分别接在基底核‑丘脑回路的输入端和输出端，用来采集基底核‑丘脑回路的输入输出数据。本发明专利技术效果是提出了生理数据驱动的基底核‑丘脑回路建模方法，可以有效地应对传统生理建模中存在的模型失配及不确定性性；基于此模型的非线性预测控制策略能够自动、最优地调节临床状态。以FPGA硬件技术为实现手段，充分发挥FPGA并行运算、运算速度快、计算精度高的特点，提高了控制系统的响应速度与控制效果。

Closed loop neural stimulation simulation system for Parkinson state

The present invention provides a closed-loop neural stimulation Parkinson state simulation system, the system includes a mutual connection of the basal ganglia thalamic loop, DAC, ADC, Volterra nonlinear autoregressive model and nonlinear model predictive controller including FPGA set up by the basal ganglia thalamic loop, DAC, ADC, nonlinear autoregressive model and nonlinear Volterra model predictive controller. The ADC is respectively connected to the basal nucleus of thalamus loop input and output to input and output data acquisition circuit of the basal nucleus of thalamus. The effect of the invention is proposed thalamus basal ganglia loop modeling of physiological data driven, can effectively deal with the traditional physiological modeling of model mismatch and the uncertainty of the model; nonlinear predictive control strategy can automatically and optimally adjust the clinical state based on. FPGA hardware technology as the means to achieve the FPGA parallel operation, fast speed, high precision, improve the response speed and control effect of the control system.

【技术实现步骤摘要】

本专利技术涉及生物医学工程技术，特别是一种帕金森状态的闭环神经刺激仿真系统。
技术介绍
帕金森症(Parkinson’sDisease,PD)是一种神经系统退行性疾病，主要临床表现为静止性震颤、肌肉僵直、运动徐缓和姿势步态异常等运动障碍，对病人及家属的生活造成了严重影响。研究表明，PD是由黑质致密部中多巴胺能神经元缺失引起的，会导致基底核(BasalGanglia,BG)回路中神经核团间产生异常的同步振荡，这种振荡使得BG对丘脑(Thalamocortical,TC)核团的抑制性输入作用增强，从而降低了TC中继感觉运动区皮层信号的能力。随着电磁刺激技术的发展，深度脑刺激(DeepBrainStimulation,DBS)已经成为治疗晚期及具有抗药性的PD患者的重要方法。通过对底丘脑核(SubthalamicNucleus,STN)、苍白球内侧(GlobusPallidusinterna,GPi)或TC施加高频脉冲序列，能够实现对病态神经活动的调节，恢复丘脑的中继功能。随着对DBS研究的深入，其缺点逐步凸显，闭环刺激技术逐步成为PD疗法的前沿技术之一。受道德伦理的约束，不能在人体内反复进行试验以验证闭环方式的有效性。此时，计算模型成为算法设计与预期生理现象之间的桥梁，因为通过模型能够反复进行设计并选取最优的方法。当前，描述PD状态的模型主要包括放电速率模型、局部场电位模型、集群相位动态模型和RT模型，这些模型在不同尺度上模拟了PD的病态变化。考虑到PD的病灶区(BG网络)的复杂非线性生理特性及不确定性，很难通过上述方法构建精确的生理学模型。但是，如果不考虑BG网络的内部结构，将其看作一个黑箱，采用系统辨识的方法构建其功能学模型，将大大简化研究过程。近年来，系统辨识在神经系统的建模中逐渐兴起，该方法是基于实验数据来构建定量描述系统输入刺激-输出响应间映射关系的模型，为进一步研究刺激的样式提供模型平台。神经元放电的历史依存性表明其在当前时刻的放电状态与过去时刻的放电状态和当前及过去时刻的外部输入信号息息相关，而且这种关系一般是非线性的。因此，选择能够对非线性系统进行辨识建模的离散时间Volterra级数，能够准确的模拟输入-输出间的非线性关系。另外，考虑到当前输出与过去输出间的依赖关系，在传统Volterra级数中引入自回归项，将过去时刻的输出信号经过阈值处理后作为Volterra级数的第二个输入，构建非线性自回归Volterra级数即可模拟神经系统的电活动。其表达式如下：其中k0,0表示0阶Volterra核函数，即在没有外部输入时的输出值；k1,0,k2,0表示1阶和2阶外部输入自核函数；k0,1,k0,2表示1阶和2阶自回归输入自核函数；k1,1表示互函数。模型预测控制(ModelPredictiveControl，MPC)是一种基于优化的控制算法，在工业过程中获得了广泛的应用。通过每个时域中目标函数最优来滚动求解控制信号作用于当前系统；在目标函数中涉及到的系统的未来行为，通过预测模型产生，线性系统的预测模型主要为自回归滑动平均模型、非线性系统的预测模型则是上述介绍的Volterra级数模型；通过引入参考轨迹设定值对参考轨迹进行柔滑，实现实时信息对系统未来行为的修正作用，并保证过程的平稳性。因此，MPC主要包括：滚动优化、预测模型、反馈校正和参考轨迹四个部分。相对于全程最优控制方法，这种方法的优势在于可以在控制过程中的每一个采样时刻获得新的测量结果，并更新控制策略，使控制过程的每一个子区间均为最优控制，这对于处理线性多变量系统的在线实时整定有着重要意义。现场可编程门阵列(FieldProgrammableGateArray，FPGA)作为一种重要的硬件技术，采用并行运算，计算速度快；同时兼具密度高、体积小、编程灵活、可重复配置、修改参数简便、低成本、低功耗、高可靠性等优势；因此在数据采样控制和信号处理方面得到广泛应用。另一方面，基于FPGA硬件技术进行神经元及神经元网络的计算和特性分析，可以在真实时间尺度下运行，具有速度快、运算效率高、集成度高等优势，可以代替真实神经系统进行实验，有效规避生理实验中的伦理问题和不可重复的问题，为科学研究提供了便利的实验平台，因此在神经科学领域发挥着愈来愈重要的作用。关于PD状态的闭环神经刺激系统研究已经取得了满意的效果，但是现存的闭环控制算法的设计都基于特定的生理学模型或动物实验，控制方法的普适性不高；而且，BG网络非常复杂，难以构建精确的生理模型用于控制；现有级数多采用计算机进行运算，与FPGA相比，计算速率和运算效率受到限制。
技术实现思路
针对上述技术中存在的不足，本专利技术的目的是提供一种帕金森状态的闭环神经刺激仿真系统，利用FPGA搭建虚拟的基底核-丘脑回路平台，与DAC相连产生PD状态下的连续电生理信号；运用自回归Volterra模型对基底核-丘脑回路的输入输出数据进行辨识，构建回路的功能模型，并基于此模型设计非线性MPC控制策略，实现对基底核-丘脑回路的实时闭环控制。为实现上述目的，本专利技术采用的技术方案是一种帕金森状态的闭环神经刺激仿真系统，其中：该系统包括有相互连接的基底核-丘脑回路、DAC、ADC、非线性自回归Volterra模型和非线性模型预测控制器包括由FPGA搭建的基底核-丘脑回路、DAC、ADC、非线性自回归Volterra模型和非线性模型预测控制器。ADC分别接在基底核-丘脑回路的输入端和输出端，用来采集基底核-丘脑回路的输入输出数据。本专利技术的效果是该系统实现了以自回归Volterra建模和模型预测控制对未知模型系统的分析、辨识与闭环控制，为神经系统闭环控制提供了一种有效方法。主要优点有：1、以硬件技术构建虚拟神经系统，所设计的硬件仿真模型能够与真实生物神经元在时间尺度上保持高度一致，其中芯片最大工作频率为200MHz，并行运算保证虚拟神经系统的膜电位输出频率在1ms之内，满足真实神经元时间尺度要求，与传统的生理实验相比，避免了有创式刺激对人体的损害，无需考虑活体实验的局限性与伦理限制；2、本方法中的非线性自回归Volterra模型是数据驱动模型，建模过程不需要已知被控对象的精确生理结构，即可实现对系统未来行为的准确预测；3、基于Volterra模型的非线性MPC控制策略，通过构建的目标函数要求滚动地求解最优控制作用并更新当前控制的控制策略，通过每一步检测到的实时的信息对未来行为的预测进行滚动修正；4、采用FPGA硬件基础进行实验，在FPGA芯片间的数据传输速度可达480本文档来自技高网...

【技术保护点】
一种帕金森状态的闭环神经刺激仿真系统，其特征是：该系统包括有相互连接的基底核‑丘脑回路、DAC、ADC、非线性自回归Volterra模型和非线性模型预测控制器，DAC、ADC分别接在基底核‑丘脑回路的输入端和输出端，用来采集基底核‑丘脑回路的输入输出数据；所述的基底核‑丘脑回路(1)是由FPGA芯片(2)构建的虚拟神经回路，与所述的DACI(3)相连，得到连续模拟大脑中产生的电生理信号；所述ADCI(4)的一端与DACI(3)相连，另一端与非线性自回归Volterra级数实现的Volterra模型(6)相连，对连续的生理输出数据进行采样，得到Volterra辨识所用的输出序列y(t)；所述的ADCII 5一端与输入信号相连，一端与Volterra模型(6)相连，对连续的输入刺激数据进行采样，得到Volterra辨识所用的输出数据序列y(t)；所述的Volterra模型(6)与ADCI(4)、ADCII(5)连接，获取基底核‑丘脑回路(1)的输入数据序列x(t)和输出数据序列y(t)，并通过数据分析、模型结构选取、模型参数辨识及模型验证，实现对基底核‑丘脑回路(1)的建模；基于基底核‑丘脑回路(1)的建模模型应用非线性模型预测控制器(7)，并使期望输出与y(t)之间的误差函数作为目标函数(8)，采用滚动时域法实现对非线性模型预测控制器(7)控制策略的实时更新；所述非线性模型预测控制器(7)产生的刺激信号经由DACII(9)施加给基底核‑丘脑回路(1)，使基底核‑丘脑回路(1)根据期望进行放电；实现对基底核‑丘脑回路(1)的闭环控制。...

【技术特征摘要】
1.一种帕金森状态的闭环神经刺激仿真系统，其特征是：该系统包括有相互连接的基
底核-丘脑回路、DAC、ADC、非线性自回归Volterra模型和非线性模型预测控制器，DAC、ADC
分别接在基底核-丘脑回路的输入端和输出端，用来采集基底核-丘脑回路的输入输出数
据；
所述的基底核-丘脑回路(1)是由FPGA芯片(2)构建的虚拟神经回路，与所述的DACI(3)
相连，得到连续模拟大脑中产生的电生理信号；所述ADCI(4)的一端与DACI(3)相连，另一端
与非线性自回归Volterra级数实现的Volterra模型(6)相连，对连续的生理输出数据进行
采样，得到Volterra辨识所用的输出序列y(t)；所述的ADCII5一端与输入信号相连，一端
与Volterra模型(6)相连，对连续的输入刺激数据进行采样，得到Volterra辨识所用的输出
数据序列y(t)；所述的Volterra模型(6)与ADCI(4)、ADCII(5)连接，获取基底核-丘脑回路
(1)的输入数据序列x(t)和输出数据序列y(t)，并通过数据分析、模型结构选取、模型参数
辨识及模型验证，实现对基底核-丘脑回路(1)的建模；基于基底核-丘脑回路(1)的建模模
型应用非线性模型预测控制器(7)，并使期望输出与y(t)之间的误差函数作为目标函数
(8)，采用滚动时域法实现对非线性模型预测控制器(7)控制策略的实时更新；所述非线性
模型预测控制器(7)产生的刺激信号经由DACII(9)施加给基底核-丘脑回路(1)，使基底核-
丘脑回路(1)根据期望进行放电；实现对基底核-丘脑回路(1)的闭环控制。
2.根据权利要求1所述的帕金森状态的闭环神经刺激控制系统，其特征是：所述的基底
核-丘脑回路(1)是通过模拟神经系统在帕金森状态下的电生理活动的结构，包括有相互连
接的基底核(14)、感觉运动区(15)、丘脑核团(16)三个部分，所述的基底核(14)包括相互连
接的底...

【专利技术属性】
技术研发人员：王江，苏斐，李鸿基，李会艳，刘晨，邓斌，魏熙乐，于海涛，张镇，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津;12