立体脑电图电极信号解码模型构建方法及其应用技术

本申请实施例公开了一种立体脑电图电极信号解码模型构建方法及其应用，其中立体脑电图电极信号解码模型构建方法包括：利用立体脑电图电极获取对象在特定行为下所产生的神经活动的双极数据，获取所述双极数据的综合振幅特征；对所述综合振幅特征进行解码，得到对应的平均相关系数，利用所述平均相关系数对所述综合振幅特征进行特征选择，得到目标特征；获取构建的LSTM网络，使用所述目标特征对所述LSTM网络进行训练，得到所需的所述立体脑电图电极信号解码模型。解决现有技术中的许多策略和不同的机器学习算法，在试图具体解码SEEG信号时的性能尚不稳健，造成SEEG电极信号的解码精度较低的问题。精度较低的问题。精度较低的问题。

【技术实现步骤摘要】
立体脑电图电极信号解码模型构建方法及其应用


[0001]本申请涉及医学图像处理
，具体涉及一种立体脑电图电极信号解码模型构建方法及其应用。

技术介绍

[0002]脑机接口（brain
‑
computer interface，BCI）技术已被证明可以形成神经旁路并恢复瘫痪患者的想象运动。此外，BCI技术也可恢复触觉信号，这对恢复灵巧的手部运动非常重要。微电极和皮层电描记（electrocorticography，ECoG）技术已被应用于脑机接口，然而微电极和ECoG的植入所需要的开颅手术时间较长，极大增加了手术风险。立体脑电图（stereoelectroencephalographic，SEEG）这一微创技术为这些BCI系统提供了新的信号记录方式。SEEG电极是薄电极（＜1mm），通常长度为25
‑
30 cm，通过小孔插入(直径＜2.4mm）。与植入微电极和ECoG电极所需的开颅面积相比，SEEG电极显著减少了所需要的颅骨开口的总面积。与ECoG电极相比，SEEG手术相关的不良事件发生率显著降低。
...

【技术保护点】

【技术特征摘要】
1.一种立体脑电图电极信号解码模型构建方法，其特征在于，包括：利用立体脑电图电极获取对象在特定行为下所产生的神经活动的双极数据，获取所述双极数据的综合振幅特征；对所述综合振幅特征进行解码，得到对应的平均相关系数，利用所述平均相关系数对所述综合振幅特征进行特征选择，得到目标特征；获取构建的LSTM网络，使用所述目标特征对所述LSTM网络进行训练，得到所需的所述立体脑电图电极信号解码模型。2.根据权利要求1所述的立体脑电图电极信号解码模型构建方法，其特征在于，所述利用立体脑电图电极获取对象在特定行为下所产生的神经活动的双极数据包括：对待测对象进行功能磁共振成像，并植入立体脑电图电极引线，在预设的各种运动和感觉任务中记录所产生的所述双极数据。3.根据权利要求1所述的立体脑电图电极信号解码模型构建方法，其特征在于，所述获取所述双极数据的综合振幅特征包括：将预设长度的非重叠布莱克曼窗口应用于所述双极数据，然后对每个窗口进行短快速傅里叶变换和1s盒式滤波；将每个经过变换和滤波后的所述双极数据的频率的振幅信息在预选频带上进行整合，选出目标频率范围以与标准频带对齐，补偿随着频率增加而降低的功率密度，保持可比较的信号幅度和解码质量，从而产生所述双极数据的所述综合振幅特征。4.根据权利要求3所述的立体脑电图电极信号解码模型构建方法，其特征在于，对所述综合振幅特征进行解码之前，还包括：通过减去所述综合振幅特征的平均值并除以标准偏差对所述综合振幅特征进行标准化。5.根据权利要求1所述的立体脑电图电极信号解码模型构建方法，其特征在于，所述对所述综合振幅特征进行解码，得到对应的平均相关系数包括：对每个所述综合振幅特征的所有线索对齐进行平均，以形成复合时间响应...

【专利技术属性】
技术研发人员：刘伟奇，马学升，陈金钢，赵友源，陈磊，陈韵如，
申请(专利权)人：同心智医科技北京有限公司，
类型：发明
国别省市：