经颅直流电刺激参数预测方法、装置以及电子设备制造方法及图纸

本发明专利技术公开了一种经颅直流电刺激参数预测方法、装置以及电子设备，本发明专利技术的主要构思在于，从规避人工对电刺激参数进行调整的角度出发，提出一种基于深度学习实现对经颅直流电刺激参数进行实时预测的方案，具体地，将患者睡眠相关数据输入至预先训练得到的电刺激参数预测模型进行推理，从而实现对用于控制经颅直流电刺激设备的电刺激参数进行更为精准、可靠的预测。与现有的以患者睡眠数据及与设定的电刺激参数作为输入，预测电流在人脑上的密度分布的模型相比，本发明专利技术将电刺激参数作为模型预测的最终目标，从而免除医生需要进行手动干预的操作，达到自动实时干预的效果。达到自动实时干预的效果。达到自动实时干预的效果。

【技术实现步骤摘要】
经颅直流电刺激参数预测方法、装置以及电子设备


[0001]本专利技术涉及深度学习
，尤其涉及一种经颅直流电刺激参数预测方法、装置以及电子设备。

技术介绍

[0002]睡眠是基于人在睡眠期间的行为以及脑电节律的生理变化来定义的，整个睡眠过程是人体行为和脑电生理持续变化的过程。通过脑电图(Electroence
‑
phalogram，EEG)，肌电图(electromyography，EMG)和眼动图(electro
‑‑
oculography，EOG)对人体行为和脑电等生理变化进行观测(可理解为用于睡眠监测的生理数据，当然还包括患者年龄性别等数据)，能够对具有睡眠障碍以及与睡眠相关疾病的人群进行预测，便于通过干预的方式改善睡眠情况或提升睡眠质量。
[0003]具体来说，基于上述三个测量方式提供的指标数据，睡眠总体上被分为两个阶段，交替进行，一夜中大约有4～6个睡眠周期出现：
[0004](1)非快速眼动期(NREM)：其特点是从夜间入睡开始，随着睡眠加深而进展的。在这个阶段中，人的呼吸变浅、变慢而均匀，心率变慢、血压下降，全身肌肉松弛(仍然能够保持一定姿势)，无明显的眼球运动。该睡眠阶段占总睡眠75％至80％，由慢波睡眠主导。
[0005](2)快速眼动期(REM)：快动眼特征是眼球快速转动，该睡眠阶段占总睡眠20％至25％，由锯齿波主导。
[0006]经颅直流电刺激(transcranial direct current stimulation，tDCS)是一种通过使用恒定且电流强度为1～2mA的电流，对大脑皮层中神经元的活性以及突触可塑性进行调节，同时通过调节电极放置位置、刺激电极面积，能控制电流在皮层上的空间分布，从而能聚焦于特定部位，其中，阳极刺激通常使皮层的兴奋性提高，阴极刺激则降低皮层的兴奋性。tDCS可以调节睡眠脑节律，增加慢波睡眠，从而提升睡眠质量，目前已有研究证明tDCS可以改善双相障碍患者(bipolar disorder，BD)的神经心理功能和睡眠，此外tDCS对于抑郁症患者(1mA，20min)、认知障碍以及阿兹海默等群体的睡眠障碍均有比较好的改善效果。
[0007]目前在实际应用中，电刺激主要是医生基于患者在睡眠期间的EEG结果，或者睡眠分期模型的分期结果，手动调节电刺激的相关参数，例如电流强度、电极放置位置、刺激面积以及刺激时长等。此外，基于深度学习的电刺激方案也有所研究，其主要构思是作为一种仿真手段，来辅助医生探索更佳的电刺激参数。例如以人脑的体积导体模型(VCM)，电刺激控制参数作为输入，通过一个attention 3
‑
D U
‑
net神经网络，对电流在人大脑皮质中的密度分布进行三维化的预测。
[0008]针对上述现有方案，基于EEG及睡眠分期结果，通过人工调整电刺激参数即便能够得到较好的刺激效果，但是这种干预方式需要较高的专家知识，并耗费医生大量的精力；而基于患者信息和深度学习的电刺激仿真方式，虽然能够辅助医生提升调整合适的电刺激参数的效率，但无法规避需结合专业性强且耗费精力的手动干预操作。

技术实现思路

[0009]鉴于上述，本专利技术旨在提供一种经颅直流电刺激参数预测方法、装置以及电子设备，以规避需结合专业性强且耗费精力的手动干预操作。
[0010]本专利技术采用的技术方案如下：
[0011]第一方面，本专利技术提供了一种经颅直流电刺激参数预测方法，其中包括：
[0012]获取患者的当前睡眠数据，所述当前睡眠数据包括睡眠基础数据以及结合睡眠分期的生理监测数据；
[0013]将所述当前睡眠数据输入电刺激参数预测模型，所述电刺激参数预测模型由预先收集的患者的多维睡眠数据训练得到；
[0014]通过所述电刺激参数预测模型推理，预测并输出用于控制经颅直流电刺激设备的目标参数。
[0015]在其中至少一种可能的实现方式中，所述电刺激参数预测模型的推理过程包括：
[0016]对所述睡眠基础数据进行上下文编码；
[0017]对所述生理监测数据进行编码；
[0018]融合上下文编码结果以及生理监测数据编码结果，输出所述目标参数。
[0019]在其中至少一种可能的实现方式中，所述对所述睡眠基础数据进行上下文编码包括：
[0020]将文本化处理后的各所述睡眠基础数据进行拼接，并输入至预设的语言模型中得到表征目标参数的第一表示。
[0021]在其中至少一种可能的实现方式中，所述融合上下文编码结果以及生理监测数据编码结果，输出所述目标参数包括：
[0022]将上下文编码结果与生理监测数据编码结果与注意力机制结合，计算得到对应目标参数的第二表示，并通过前馈神经网络分别对不同的电刺激参数的分布进行预测。
[0023]在其中至少一种可能的实现方式中，所述生理监测数据包括与不同睡眠阶段对应的多导联脑电数据或单导联脑电数据。
[0024]在其中至少一种可能的实现方式中，在对所述生理监测数据进行编码之前，所述预测方法还包括对输入的脑电数据进行预处理的步骤：
[0025]去除无关电极，并降低脑电数据采样率；
[0026]基于预设的参考导联，对各导联电极进行重参考；
[0027]虚拟计算输入的脑电数据中缺失的导联，并进行坏导检测及补导操作；
[0028]对脑电数据频带进行降噪。
[0029]在其中至少一种可能的实现方式中，所述对所述生理监测数据进行编码包括：
[0030]对于单导联脑电数据，利用与时序相关的神经网络将单导联对应的连续时序数据进行编码，得到表征单导联时间关系的编码表示；
[0031]对于多导联脑电数据，利用与时空相关的神经网络，对各导联之间的空间关系及其时间关系进行共同编码，得到包含各导联时间及空间关系的编码表示。
[0032]第二方面，本专利技术提供了一种经颅直流电刺激参数预测装置，其中包括：
[0033]患者睡眠数据获取模块，用于获取患者的当前睡眠数据，所述当前睡眠数据包括睡眠基础数据以及结合睡眠分期的生理监测数据；
[0034]预测模型输入模块，用于将所述当前睡眠数据输入电刺激参数预测模型，所述电刺激参数预测模型由预先收集的患者的多维睡眠数据训练得到；
[0035]目标参数输出模块，用于通过所述电刺激参数预测模型推理，预测并输出用于控制经颅直流电刺激设备的目标参数。
[0036]第三方面，本专利技术提供了一种电子设备，其中包括：
[0037]一个或多个处理器、存储器以及一个或多个计算机程序，所述存储器可以采用非易失性存储介质，其中所述一个或多个计算机程序被存储在所述存储器中，所述一个或多个计算机程序包括指令，当所述指令被所述设备执行时，使得所述设备执行如第一方面或者第一方面的任一可能实现方式中的所述方法。
[0038]本专利技术的主要构思在于，从规避人工对电刺激参数进行调整的角度出发，提出一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种经颅直流电刺激参数预测方法，其特征在于，包括：获取患者的当前睡眠数据，所述当前睡眠数据包括睡眠基础数据以及结合睡眠分期的生理监测数据：将所述当前睡眠数据输入电刺激参数预测模型，所述电刺激参数预测模型由预先收集的患者的多维睡眠数据训练得到；通过所述电刺激参数预测模型推理，预测并输出用于控制经颅直流电刺激设备的目标参数。2.根据权利要求1所述的经颅直流电刺激参数预测方法，其特征在于，所述电刺激参数预测模型的推理过程包括：对所述睡眠基础数据进行上下文编码；对所述生理监测数据进行编码；融合上下文编码结果以及生理监测数据编码结果，输出所述目标参数。3.根据权利要求2所述的经颅直流电刺激参数预测方法，其特征在于，所述对所述睡眠基础数据进行上下文编码包括：将文本化处理后的各所述睡眠基础数据进行拼接，并输入至预设的语言模型中得到表征目标参数的第一表示。4.根据权利要求2所述的经颅直流电刺激参数预测方法，其特征在于，所述融合上下文编码结果以及生理监测数据编码结果，输出所述目标参数包括：将上下文编码结果与生理监测数据编码结果与注意力机制结合，计算得到对应目标参数的第二表示，并通过前馈神经网络分别对不同的电刺激参数的分布进行预测。5.根据权利要求2所述的经颅直流电刺激参数预测方法，其特征在于，所述生理监测数据包括与不同睡眠阶段对应的多导联脑电数据或单导联脑电数据。6.根据权利要求5所述的经颅直流电刺激参数预测方法，其特征在于，在对所述生理监测数据进行编码之前，所述预测方法还包括对输入的脑电数据进行预处理的步骤：去除无关电极，并降低脑电数据采样率；基于...

【专利技术属性】
技术研发人员：谢成娟，王黎成，陈新贵，胡加学，赵景鹤，贺志阳，崔荣涛，鹿晓亮，魏思，赵志伟，
申请(专利权)人：安徽讯飞医疗股份有限公司，
类型：发明
国别省市：