脑电图信号的识别和提取制造技术

公开了一种用于识别和提取与疼痛相关的脑电图(EEG)信号的方法。方法包括：从一次或多次试验中接收每次试验的EEG数据；确定每个信号的电流密度；基于所计算的电流密度，估计一组感兴趣神经活动区域的电流密度；以及基于所估计的电流密度，计算每次试验的至少一个频谱特征。因此，针对每个感兴趣神经活动区域，可计算在标记成指示疼痛状态的EEG数据和标记成指示无疼痛状态的EEG数据之间EEG数据变化的平均值和方差，以及基于至少一个感兴趣区域，可识别与疼痛相关的EEG信号，其中，在至少一个感兴趣区域，方差低于预定阈值。方差低于预定阈值。方差低于预定阈值。

【技术实现步骤摘要】
【国外来华专利技术】脑电图信号的识别和提取


[0001]本专利技术一般来说涉及一种识别与疼痛相关的脑电图(EEG)模式的过程。本专利技术还涉及一种用于疼痛感缓解训练的交互过程。

技术介绍

[0002]慢性疼痛定义为持续时间超过三个月的持续性疼痛，其是一个非常复杂的过程，慢性疼痛不仅对中枢神经系统有影响，而且甚至可能是由中枢神经系统的功能障碍引起的。在1986年，世界卫生组织宣布疼痛仍然影响着全球许多人。此外，在新加坡，慢性疼痛仍然是一个常见问题，估计每10个人中就有1人受到慢性疼痛的影响。
[0003]GSK(葛兰素史克)全球疼痛指数2017报告指出：疼痛影响工作场所的生产力，而且还影响生活质量。每年给全球经济造成的损失估计超过2450亿美元。
[0004]由于慢性疼痛的病理生理机制的复杂性，存在几种现有的治疗方案，即药物治疗、微创介入治疗和开放性手术。即便如此，最常见的疼痛治疗方案主要是基于药物的治疗，包括使用阿片类药剂、抗惊厥药剂和抗炎药剂。此类治疗昂贵且具有相对低的成功率。更重要的是，这些治疗方案存在潜在的严重不良副作用、并发症等缺点，可能使用户产生依赖性。
[0005]简而言之，慢性疼痛的管理所面临的两个最突出的问题是：缺乏检测疼痛的客观方法，以及在处理疼痛时缺乏治疗中枢神经系统的廉价、无创和安全的方法。
[0006]因此，期望提供解决上述缺点中的一个或多个缺点，例如，与现有的疼痛治疗方法相关的缺点的技术方案，或者至少提供有用的替代方案。

技术实现思路

[0007]考虑到管理慢性疼痛的医疗负担以及慢性疼痛对个人(身体上、情感上和经济上)、其他人和社会的负面影响，以及在恢复与疼痛相关的恐惧回避行为方面的挑战，而开发本专利技术。本文所描述的脑机接口(BCI)的实施例能够识别与疼痛特有状况相匹配的独特的疼痛特有EEG模式和显示恐惧回避行为。这些BCI还可用作调节疼痛的治疗工具。如果长期维持积极的疼痛管理模式，则这可在医疗保健过程中显著影响疼痛康复的方式。具体地，这可使得针对疼痛特有状况定制治疗方法，且有助于更好地了解和治疗恐惧回避行为。此外，如果BCI训练的益处得以持续，则从长远来看，还能够降低医疗保健成本。因此，公开了基于BCI的疼痛检测和/或缓解系统。
[0008]在第一方面，本专利技术提供一种用于识别和提取与疼痛相关的脑电图(EEG)信号的方法，该方法包括：
[0009]从一次或多次试验中接收每次试验的EEG数据，EEG数据包括一个或多个信号，这一个或多个信号中的每个信号与相应的坐标矢量相关联，EEG数据标记成指示疼痛状态和/或无疼痛状态；
[0010]在相应的坐标矢量中，确定一个或多个信号中的每个信号的电流密度；
[0011]基于所计算的电流密度，估计一组感兴趣神经活动区域的电流密度；
[0012]基于所估计的电流密度，计算每次试验的至少一个频谱特征；
[0013]基于至少一个频谱特征，针对每个感兴趣神经活动区域，计算在标记成指示疼痛状态的EEG数据和标记成指示无疼痛状态的EEG数据之间EEG数据变化的平均值和方差；以及
[0014]基于至少一个所述感兴趣区域，识别与疼痛相关的EEG信号，其中，在至少一个所述感兴趣区域，方差低于预定阈值。
[0015]方法可进一步包括从一个或多个感兴趣区域中提取与疼痛相关的EEG信号。
[0016]因此，方法可在头皮/感兴趣区域上搜索皮层位置/EEG坐标的最佳集合，其中，根据EEG的电势所估计的电流密度活度示出了从无疼痛EEG到疼痛EEG的最一致的变化。
[0017]方法可进一步包括：构建分类机，以预测EEG记录是与疼痛相关联还是与无疼痛相关联。方法可进一步包括：构建回归机，以预测EEG记录是否与感知疼痛水平相关联。该机器可采用一种算法，该算法针对每个EEG记录使用电流密度活度测量值。构建分类机/回归机可包括构建如下机器，该机器使用支持向量机、深度神经网络等中的一种或其组合，而且线性机制是优选的。分类机/回归机的输出为标量指示符(标量(而不是二元输出值)通常可根据二元分类机来计算)，方法进一步包括使用标量指示符来指示疼痛EEG激活的水平
‑
即，EEG属于至少两个与疼痛相关的EEG类别中的哪一个类别。
[0018]计算EEG数据变化的平均值和方差，可包括：基于频谱特征，计算类别间散布矩阵和总散布矩阵中至少之一，以确定至少两个与疼痛相关的EEG类别之间的协方差。
[0019]接收EEG数据的步骤可包括：接收未超过运动阈值的EEG数据，例如来自EEG的运动伪影。运动阈值可设置于这样的水平，在该水平下，所记录的EEG上的运动伪影不足以降低上述方法的精确度。超过运动阈值可由附接到从中捕获EEG数据的受试者的运动传感器确定，或者，由受试者的临床医生在运动的情况下积极地标记EEG数据来确定，例如通过按压按钮标记EEG数据来确定。还可通过使受试者在试验期间坐下、站立或躺着不动，或者通过预处理EEG以去除运动伪影，来减少或去除运动伪影。
[0020]与疼痛相关的EEG类别可简单地为疼痛EEG类别和无疼痛EEG类别，疼痛EEG类别指示在记录EEG时受试者处于疼痛中，无疼痛EEG类别指示在记录EEG时受试者未处于疼痛中。在一些情况下，可能有两个以上的类别来表示不同程度的疼痛。因此，至少两个与疼痛相关的EEG类别为疼痛EEG类别和无疼痛EEG类别。
[0021]电流密度可以是径向电流密度。
[0022]计算EEG数据变化的平均值和方差，可包括：计算类别间散布矩阵和总散布矩阵中至少之一。可计算类别间散布矩阵和总散布矩阵两者，识别EEG信号可包括：满足如下等式：
[0023]argmin
L
f(L)，
[0024]其中，f(L)为感兴趣神经活动区域L的多变量费舍尔(Fisher)评分，其中f(L)为：
[0025]f(L)＝trace{S
b
(S
t
+γι)
‑1}，
[0026]其中，S
b
为类别间散布矩阵，S
t
为总散布矩阵，γ为正向正规化参数，且ι为单位矩阵。
[0027]感兴趣区域可以是头皮上的皮层位置/EEG坐标。
[0028]至少两个与疼痛相关的EEG类别可以是疼痛EEG类别和无疼痛EEG类别。
[0029]方法可进一步包括：
[0030]构建二元分类机，二元分类机用于从进一步的EEG数据中接收电流密度或电流密度活度，并输出标量指示符；
[0031]接收进一步的EEG数据；
[0032]将二元分类机应用于进一步的EEG数据；以及基于与进一步的EEG数据相关联的标量指示符，将进一步的EEG数据分类成指示疼痛状态的EEG数据或指示无疼痛状态的EEG数据。
[0033]在一个实施例中，方法用于识别和提取与疼痛相关的脑电图(EEG)信号，并因此创建分类机，包括：
[0034](疼痛EEG数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于识别和提取与疼痛相关的脑电图EEG信号的计算机方法，所述计算机方法包括：从一次或多次试验中接收每次试验的EEG数据，所述EEG数据包括一个或多个信号，所述一个或多个信号中的每个信号与相应的坐标矢量相关联，所述EEG数据标记成指示疼痛状态和/或无疼痛状态；在所述相应的坐标矢量中，确定所述一个或多个信号中的每个信号的电流密度；基于所计算的电流密度，估计一组感兴趣神经活动区域的电流密度；基于所估计的电流密度，计算每次试验的至少一个频谱特征；基于所述至少一个频谱特征，针对每个感兴趣神经活动区域，计算在标记成指示疼痛状态的EEG数据和标记成指示无疼痛状态的EEG数据之间EEG数据变化的平均值和方差；以及基于至少一个所述感兴趣区域，识别与疼痛相关的EEG信号，其中，在所述至少一个感兴趣区域，所述方差低于预定阈值。2.根据权利要求1所述的计算机方法，其中，所述电流密度为径向电流密度。3.根据权利要求1所述的计算机方法，其中，所述计算EEG数据变化的平均值和方差，包括：基于所述频谱特征，计算类别间散布矩阵和总散布矩阵中至少之一，以确定至少两个与疼痛相关的EEG类别之间的协方差。4.根据权利要求1所述的计算机方法，其中，所述计算EEG数据变化的平均值和方差，包括：计算类别间散布矩阵和总散布矩阵中至少之一。5.根据权利要求4所述的计算机方法，其中，计算所述类别间散布矩阵和所述总散布矩阵两者，并且其中，识别至少一个感兴趣区域，包括：满足如下等式：argmin
L
f(L)，其中，f(L)为感兴趣神经活动区域L的多变量费舍尔评分，其中f(L)为：f(L)＝trace{S
b
(S
t
+γι)
‑1}，其中，S
b
为所述类别间散布矩阵，S
t
为所述总散布矩阵，γ为正向正则化参数，且ι为单位矩阵。6.根据权利要求1所述的计算机方法，其中，所述感兴趣区域为受试者的皮层位置。7.根据权利要求1所述的计算机方法，其中，所述感兴趣区域通过受试者头皮上的EEG坐标来限定。8.根据权利要求1所述的计算机方法，其中，所述至少两个与疼痛相关的EEG类别为疼痛EEG类别和无疼痛EEG类别。9.根据权利要求1所述的计算机方法，所述计算机方法进一步包括：构建二元分类机，所述二元分类机用于从进一步的EEG数据中接收电流密度或电流密度活度，并输出标量指示符；接收所述进一步的EEG数据；将所述二元分类机应用于所述进一步的EEG数据；以及基于与所述进一步的EEG数据相关联的标量指示符，将所述进一步的EEG数据分类成指示疼痛状态的EEG数据或指示无疼痛状态的EEG数据。
10.一种用于对与疼痛相关的EEG信号进行分类的计算机方法，所述计算机方法包括：从多次试验中采集EEG数据，所述多次试验包括：由易受疼痛感影响的第一受试者进行的至少一次试验；和由健康的第二受试者进行的至少一次试验，其中，每次试验的EEG数据包括一个或多个信号；对所述EEG数据执行根据权利要求1所述的计算机方法，并针对每个信号设置初始坐标矢量；以及构建二元分类机，以基于所述至少一个感兴趣区域的EEG测量值，在所述至少两个与疼痛相关的EEG状态之间进行区分；接收进一步的EEG数据；以及将所述二元分类机应用于所述进一步的EEG数据；从所述二元分类机接收标量指示符，并基于所述标量指示符将所述进一步的EEG数据分类成表示疼痛EEG类别或无疼痛EEG类别。11.根据权利要求10所述的计算机方法，其中，所述二元分类机为以下至少之一：支持向量机；多层神经网络；以及广义线性判别分析器。12.根据权利要求10所述的计算机方法，其中，所述计算平均值和方差，包括：基于所述至少一个频谱特征，计算类别间散布矩阵和总散布矩阵中至少之一，以确定至少两个与疼痛相关的EEG类别之间的协方差。13.根据权利要求12所述的计算机方法，其中，所述计算类别间散布矩阵和总散布矩阵，包括：针对所述EEG数据的至少两个电特性，生成样条插值矩阵；使用所述样条插值矩阵将所述EEG数据转换成电流密度估计值；计算所述电流密度估计值的频带功率；以及使用所述电流密度估计值的频带功率，计算所述类别间散布矩阵和所述总...

【专利技术属性】
技术研发人员：潘国顺，张海宏，翁淑英，黎凤玲，邓嘉燕，黄顺发，王传初，关存太，陈迅然，
申请(专利权)人：陈笃生医院私人有限公司，
类型：发明
国别省市：