基于改进信号分析的评分方法技术

本发明专利技术涉及一种用于相对于于参考状态实时评分受试者的神经信号的方法，所述参考状态由k＝1...K参考协方差矩阵表征，该方法包括以下步骤：(i)从受试者获得神经信号；(ii)计算所述神经信号的协方差矩阵；(iii)计算协方差矩阵和k＝1...K参考协方差矩阵之间的黎曼距离；(iv)基于在步骤(iii)中计算的至少一个距离实时计算连续分数s。本发明专利技术还涉及一种用于自行调制或外部调制受试者的神经活动的系统和方法。

【技术实现步骤摘要】
【国外来华专利技术】基于改进信号分析的评分方法
本专利技术涉及一种评分方法，尤其是一种基于在黎曼流形(Riemannianmanifold)中的神经信号分析对受试者的神经活动进行评分的方法。特别是本专利技术涉及一种实时评分与参考状态相关的受试者的神经信号的方法。所述方法可被用于外部或自行调制基础脑活动。
技术介绍
实时确定与参考或目标状态相关的受试者的神经活动的位置仍然是一个挑战并且呈现出许多优势。以分数形式估算的与参考状态相关的所述位置，随后可被用于自行调制或外部调制。关键要素之一是能够可靠和坚定地分析和报告受试者的神经活动。在本专利技术中，神经信号具有通过描述符命名为协方差矩阵的特征。协方差矩阵构成了受试者的大脑活动的良好指标。所述方法已被用在Barachant等人的(US2012/0071780)中和Similowski等人的(WO2013/164462)中。然而，据申请人所知，没有与参考状态相关的使用在黎曼流形中的协方差矩阵连续评分受试者的大脑活动的现有技术。Barachant在US2012/0071780中公开了一种用于分类神经信号的分类方法，该方法包括以下步骤：a)在确定的时间段内使用多个电极来获得多个神经信号样本；b)在非重叠窗口上估算所述神经信号的协方差矩阵；和c)分类所述神经信号，该分类要么在维度等于所述协方差矩阵的维度的对称正定矩阵的黎曼流形中执行，要么在所述黎曼流形的切线空间中执行。Barachant描述了两类和多类分类。尤其是，Barachant描述了一种在黎曼流形中分类神经信号的方法。原则包括在黎曼流形上定义所谓的“分类中心”点，例如对应于两个不同的精神任务的P1和P2：想象移动一只手和想象移动一只脚。在要分类的脑活动试验的协方差矩阵和相应的分类中心点之间计算黎曼距离。如果脑活动试验的协方差矩阵与点P1之间的黎曼距离小于脑活动试验的协方差矩阵与点P2之间的黎曼距离，则所述脑活动试验与第1类(移动手)相关，反之其与第2类(移动脚)相关。最后，分类步骤只考虑分类中心的距离的最小值。Similowski公开了一种用于由所述患者的脑电活动的分析来表征患者的生理状态的方法。尤其是，Similowski描述了一种用于检测偏离参考生理状态的患者的生理状态的方法。所述方法首先包括确定对应于参考生理状态的几个参考矩阵，然后循环重复以下步骤：a)实施脑电图信号的实时测量和以不同频段对该测量进行滤波；b)对于每个频段，在窗口/时期(epoch)上估算所述测量的空间协方差矩阵；c)对于每个M最后时期，计算参考生理状态的距离，其被定义为在当前空间协方差矩阵和参考空间协方差矩阵之间的最小距离的频段上的和；d)将每个M距离与预定阈值进行比较。如果一个M距离高于阈值，则认为检测到异常生理状态。Barachant等人公开了一种通过将神经信号分配给具有最小距离的类来分类神经信号的方法，而Similowski等人公开了通过将神经信号和参考状态之间的距离与预定阈值进行比较来检测生理状态的方法。这两种方法应用于协方差矩阵之间距离的基本处理，以最终获得离散值(用于分类的类标签或用于检测的二进制状态)。本专利技术的目标之一是向受试者实时报告与参考或目标状态相关的其神经活动的位置，并且可选择地使所述受试者能够通过自行调制或外部调制将其神经活动调制到所述目标状态。为此，本专利技术提供了一种用于评分与参考状态相关的受试者的神经信号的方法，其中该分数被定义为距离的转换，以确保在预定界限之间的连续和有界值。相反，由Barachant等人和Similowski等人提供的原始距离对受试者毫无意义。本专利技术通过实时报告与参考状态相关的受试者的神经信号的评分来提供受试者的神经活动的连续反馈。与Barachant等人的将神经信号在至少两类之间进行分类以及Similowski等人的检测神经信号是否属于分类(例如，超过阈值)相反；本专利技术连续和有界地评分与参考状态相关的神经信号，从而连续定位关于单个参考状态的受试者的神经活动。将距离转换成分数通过具有适用于受试者的基线状态的潜在超参数的非线性函数来完成。其允许具有存在于两个预定界限之间的完整范围内的分数，避免了总是给受试者好的分数，或者相反总是给受试者不好的分数。另一点涉及处理的速度和延迟。Barachant等人等待试验结束(约3秒)来提取协方差矩阵并应用其分类。像之前那样，该构架不能达到实时处理。Similowski等人使用4至12秒移动窗口来提取协方差矩阵。此外，检测步骤考虑最后的M矩阵。如果处理是实时的，窗口的时长和所考虑的矩阵的数量M太高而不足以拥有实时响应系统：其提供不适合神经反馈的大脑活动的会话平滑图像。与这些方法相反，本专利技术在重叠的窗口上，例如在1.5s全部的0.125s的时期，提取协方差矩阵，从而实际上捕获当前的大脑状态。
技术实现思路
本专利技术公开了一种改进的评分方法。在本专利技术中，受试者的神经活动被实时分析，并且通过有界连续分数连续并可靠地向所述受试者报告关于参考状态的神经活动的位置。所述受试者可返回调制和修改其神经活动并实时监测所述演变，以便通过自行调制或外部调制将其神经活动导向所述参考状态。本专利技术尤其涉及一种用于相对于参考状态实时评分受试者的神经信号的方法，所述参考状态由k＝1...K参考协方差矩阵表征，该方法包括以下步骤：i.从受试者获得神经信号；ii.计算所述神经的协方差矩阵；iii.计算所述协方差矩阵和k＝1...K参考协方差矩阵之间的黎曼距离dk；iv.基于在步骤iii中计算出的至少一个距离dk来实时计算连续分数s。根据一个实施例，所述分数限定于两个预定值a和b之间。根据一个实施例，本专利技术涉及一种用于相对于参考状态实时评分受试者的至少一个神经信号的方法，所述参考状态由k＝1...K参考协方差矩阵表征，该方法包括以下步骤：i.从受试者获得至少一个神经信号；ii.在至少一个频段中滤波至少一个信号；可选择地，级联至少一个滤波的信号；iii.计算所述至少一个滤波的神经信号的协方差矩阵；iv.计算所述协方差矩阵和k＝1...K参考协方差矩阵之间的黎曼距离dk；其中所述方法进一步包括计算分数s，所述分数s是连续的、实时计算的、限定于两个预定值a和b之间，并且基于在步骤iv中计算的至少一个距离dk。根据一个实施例，分数进一步基于如下获得的至少一个距离dr：﹣获得表征基线状态的r＝1...R基线协方差矩阵；﹣计算所述r＝1...R基线协方差矩阵和k＝1...K参考协方差矩阵之间的黎曼距离dr。根据一个实施例，分数基于至少一个距离dk、基于距离dr的几何平均值以及基于距离dr的几何标准偏差。根据一个实施例，获得、在至少两个频段中滤波并级联至少两个神经信号。根据一个实施例，协方差矩阵是一种时空频率协方差矩阵。根据一个实施例，至少一个神经信号通过脑皮层电图、脑电图、脑磁图、磁共振成像、近红外光谱、正电子发射断层显像或立体脑电图来获得。根据一个实施例，评分s是连续且有界的。根据一个实施例，步骤i还包括预处理所述至少一个神经信号，优选通过滤波来完成。根据一个实施例，协方差矩阵是一种时空频率协方差矩阵。根据一个实施例，在维度等于所述协方差矩阵的维度的对称正定矩阵的黎曼流形中估算黎曼距离。根据一个实施例，k＝1...K参考协方差矩本文档来自技高网...

【技术保护点】
一种用于相对于参考状态实时评分受试者的至少一个神经信号的方法，所述参考状态由k＝1...K参考协方差矩阵表征，该方法包括以下步骤：i.从受试者获得至少一个神经信号；ii.在至少一个频段中滤波至少一个信号；可选择地，级联至少一个滤波信号；iii.计算所述至少一个滤波的神经信号的协方差矩阵；iv.计算所述协方差矩阵和k＝1...K参考协方差矩阵之间的黎曼距离dk；其特征在于，所述方法进一步包括计算分数s，所述分数s是连续的、实时计算的、限定于两个预定值之间的，并且基于在步骤iv中计算的至少一个距离dk。

【技术特征摘要】
【国外来华专利技术】2014.11.13 EP 14193106.31.一种用于相对于参考状态实时评分受试者的至少一个神经信号的方法，所述参考状态由k＝1...K参考协方差矩阵表征，该方法包括以下步骤：i.从受试者获得至少一个神经信号；ii.在至少一个频段中滤波至少一个信号；可选择地，级联至少一个滤波信号；iii.计算所述至少一个滤波的神经信号的协方差矩阵；iv.计算所述协方差矩阵和k＝1...K参考协方差矩阵之间的黎曼距离dk；其特征在于，所述方法进一步包括计算分数s，所述分数s是连续的、实时计算的、限定于两个预定值之间的，并且基于在步骤iv中计算的至少一个距离dk。2.根据权利要求1所述的方法，其中，分数进一步基于如下获得的至少一个距离dr：﹣获得表征基线状态的r＝1...R基线协方差矩阵；﹣计算所述r＝1...R基线协方差矩阵和k＝1...K参考协方差矩阵之间的黎曼距离dr。3.根据权利要求2所述的方法，其中，分数基于至少一个距离dk、基于距离dr的几何平均值以及基于距离dr的几何标准偏差。4.根据权利要求1至3中任一项所述的方法，其中，获得至少两个神经信号，在至少两个频段中滤波至少两个神经信号并级联至少两个神经信号。5.根据权利要求1至4中任一项所述的方法，其中，协方差矩阵是一种时空频率协方差矩阵。6.根据权利要求1至5中任一项所述的方法，其中，在维度等于所述协方差矩阵的维度的对称正定矩阵的黎曼流形中估算黎曼距离。7.根据权利要求1至6中任一项所述的方法，其中，k＝1...K参考协方差矩阵通过黎曼集群方法由来自数据库的表征参考状态的神经信号的P协方差矩阵来获得。8.根据权利要求7所述的方法，其中，黎曼集群方法选自均值漂移、k均值、平均或主要测地线分析。9.根据权利要求8所述的方法，其中，k＝1...K参考协方差矩阵通过均值漂移如下获得：i.从数据库获得神经信号的p＝1...P协方差矩阵Xp，并定义诸如关于q＝1...Q、p＝q和Mq＝Xp的Q＝P模式的初始值；ii.定义超参数h和内核窗口g；iii.对于每种模式Mq：a.计算Mq和每个矩阵Xp之间的P距离d(Mq，Xp)；b.估算均值漂移矢量mh(Mq)作为切矢量的加权和

【专利技术属性】
技术研发人员：Q·巴塞勒米，L·马约得，
申请(专利权)人：曼西亚技术公司，
类型：发明
国别省市：法国,FR