基于脑电网络引导的闭环电刺激系统技术方案

本发明专利技术涉及一种基于脑电网络引导的闭环电刺激系统，其系统包括：脑电信号采集与预处理模块：用于采集受试者脑网络的脑电信号及其脑电活动模式，对脑电活动信号进行预处理，得到预处理后的脑电信号；脑电网络构建与分析模块：用于提取预处理后的脑电信号的特征，并构建并分析脑电网络，筛选出能够清晰区分不同脑电网络活动状态的指标；输出脑电网络指标值；闭环电刺激模块：用于持续检测脑电网络指标值，当检测脑电网络指标值异常时开启电刺激，否则，关闭电刺激。本发明专利技术提供的系统，实现精准地调节脑网络的活动状态，提高个性化治疗效果。果。果。

【技术实现步骤摘要】
基于脑电网络引导的闭环电刺激系统


[0001]本专利技术涉及认知神经科学和生物医学工程领域，具体涉及一种基于脑电网络引导的闭环电刺激系统。

技术介绍

[0002]时相干涉电刺激(Temporal Interference Stimulation，TI)是一种新型的非侵入性脑神经调控技术，其基本原理是利用两个高频交替电场的时间相位差异在特定空间范围内形成干涉图案，从而在脑内产生局部电场，实现神经元的精确激活。有研究表明，时相干涉电刺激可以用来调节脑电活动，改善患者的认知和运动能力。同时TI技术在神经调控、脑网络功能改善、认知增强和临床治疗等方面取得了一定的成就。TI技术的发展背景可以追溯到2005年，当时研究人员Karl Deisseroth等人首次提出了一种基于时域控制的光遗传学调控方法，即Optogenetics，该技术使得研究人员能够通过光的控制精确地操纵神经元的活动。之后，研究人员开始探索是否存在一种与Optogenetics相类似的非侵入性脑神经调控技术，于是TI技术被提出。随着该技术的发展，TI技术已经得到了广泛关注和研究，成为脑神经科学和神经工程领域的热门研究方向之一。
[0003]传统闭环电刺激中的核心技术是之一基于机器学习的神经反馈技术，神经反馈(NF)是一种非侵入性的自我大脑训练技术。通常需要通过对大量样本数据进行训练，建立起一个分类器或回归器等模型，然后根据当前脑电信号输入，通过该模型输出对应的刺激命令。这种方法的缺点在于需要进行大量的离线训练，而且对于不同被试之间的泛化能力有限。
>
技术实现思路

[0004]为了解决上述技术问题，本专利技术提供一种基于脑电网络引导的闭环电刺激系统。
[0005]本专利技术技术解决方案为：一种基于脑电网络引导的闭环电刺激系统，包括：
[0006]脑电信号采集与预处理模块：用于采集受试者脑网络的脑电信号及其脑电活动模式，对所述脑电活动信号进行预处理，得到预处理后的脑电信号；
[0007]脑电网络构建与分析模块：用于提取所述预处理后的脑电信号的特征，并构建并分析脑电网络，筛选出能够清晰区分不同脑电网络活动状态的指标；输出脑电网络指标值；
[0008]闭环电刺激模块：用于持续检测所述脑电网络指标值，当检测所述脑电网络指标值异常时开启电刺激，否则，关闭电刺激。
[0009]本专利技术与现有技术相比，具有以下优点：
[0010]本专利技术公开了一种基于脑电网络引导的闭环电刺激系统，可以根据脑电信号的信息，精确地调节特定的脑网络，避免刺激那些不需要调节的脑网络，因此可以获得更准确的治疗效果。同时个性化更强，可以对每个人的脑电信号进行分析，提供个性化的刺激模式和参数，因此可以更好地满足不同人的治疗需求。
附图说明
[0011]图1为本专利技术实施例中一种基于脑电网络引导的闭环电刺激系统的结构框图。
具体实施方式
[0012]本专利技术提供了一种基于脑电网络引导的闭环电刺激系统，实现精准地调节脑网络的活动状态，提高个性化治疗效果。
[0013]为了使本专利技术的目的、技术方案及优点更加清楚，以下通过具体实施，并结合附图，对本专利技术进一步详细说明。
[0014]实施例一
[0015]如图1所示，本专利技术实施例提供的一种基于脑电网络引导的闭环电刺激系统，包括下述模块：
[0016]脑电信号采集与预处理模块：用于采集受试者脑网络的脑电信号及其脑电活动模式，对脑电活动信号进行预处理，得到预处理后的脑电信号；
[0017]脑电网络构建与分析模块：用于提取预处理后的脑电信号的特征，并构建并分析脑电网络，筛选出能够清晰区分不同脑电网络活动状态的指标；输出脑电网络指标值；
[0018]闭环电刺激模块：用于持续检测脑电网络指标值，当检测脑电网络指标值异常时开启电刺激，否则，关闭电刺激。
[0019]在一个实施例中，上述脑电信号采集与预处理模块：用于采集受试者脑网络的脑电信号及其脑电活动模式，对脑电活动信号进行预处理，得到预处理后的脑电信号，具体包括：
[0020]本专利技术实施例的脑电信号的采集是使用Neuroscan公司提供的SynAmps RT放大器进行记录，并通过tcp/ip协议将数据实时发送到PC端；然后对实时采集的脑电信号数据通过EEGLAB工具包进行预处理，包括下述步骤：
[0021]滤波：常用的带通滤波器的截止频率通常在0.5
‑
100Hz之间，而带阻滤波器的截止频率则取决于需要去除的噪声类型。
[0022]去噪：去除脑电信号中的各种噪声，例如电极运动伪影、肌电信号、眼电信号等。常用的去噪方法包括：ICA、小波变换、均方根阈值法等。
[0023]信号分割：将长时间的脑电信号分割成若干个时间段，方便后续的分析。通常采用固定时间窗或事件触发的方式进行分割。
[0024]信号校准：对脑电信号进行零点校准和参考电极校准，使得各个通道的信号具有相同的参考点和偏移量，方便后续分析、重采样：如果需要将脑电信号与其他生理信号进行整合，或者与其他数据源进行同步，通常需要将脑电信号的采样率进行重采样。
[0025]在一个实施例中，上述脑电网络构建与分析模块，具体包括下述步骤：
[0026]步骤S1：选择预处理后的脑电信号的不同通道，计算各通道之间相干性矩阵或者相关性矩阵，以表达脑电信号之间的相互关系，从而构建脑电网络，具体包括：
[0027]计算各通道之间相干性矩阵：
[0028]本专利技术实施例从采集的脑电信号中选择了C3、C4、P3、P4四个通道，首先进行频域特征提取，计算出每个通道在不同频段上的功率谱密度。然后，计算不同通道之间在每个频段上的相干性(Coherence)，并构建一个相干性矩阵，矩阵中每个元素表示相应电极之间的
相干性。接着，我们可以利用这个矩阵构建一个无向加权脑电网络。在这个网络中，每个通道对应一个节点，相干性值则对应着节点之间的边的权重。对于某些小于阈值的相干性值，则可以将其转换为边的权重为0，或者完全去除这条边。相干性矩阵可以用于计算两个信号之间的相干性，相干性的计算公式如下：
[0029][0030]其中，G
xx
(f)和G
yy
(f)分别是两个预处理后的脑电信号的功率谱密度，G
xy
(f)是两个预处理后的脑电信号的交叉功率谱密度；相干性值Coh(f)表示在频率f时，两个预处理后的脑电信号之间的相干程度，根据相干性的定义，相干性值介于0和1之间，1表示两个信号完全同步，0表示两个信号没有任何关联。
[0031]或者，计算各通道之间相关性矩阵：
[0032]本专利技术实施例还可以计算脑电信号在C3、C4、P3、P4四个通道之间的相关性，使用相关系数(correlation coefficient)来衡量。常用的相关系数有皮尔逊相关系数(Pearson correlation coefficient)、斯皮尔曼等级相关系数(Spe本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于脑电网络引导的闭环电刺激系统，其特征在于，包括：脑电信号采集与预处理模块：用于采集受试者脑网络的脑电信号及其脑电活动模式，对所述脑电活动信号进行预处理，得到预处理后的脑电信号；脑电网络构建与分析模块：用于提取所述预处理后的脑电信号的特征，并构建并分析脑电网络，筛选出能够清晰区分不同脑电网络活动状态的指标；输出脑电网络指标值；闭环电刺激模块：用于持续检测所述脑电网络指标值，当检测所述脑电网络指标值异常时开启电刺激，否则，关闭电刺激。2.根据权利要求1所述的基于脑电网络引导的闭环电刺激系统，其特征在于，所述脑电网络构建与分析模块，具体包括下述步骤：步骤S1：选择所述预处理后的脑电信号的不同通道，计算各通道之间相干性矩阵或者相关性矩阵，以表达脑电信号之间的相互关系，从而构建脑电网络；步骤S2：周期性地计算所述脑电网络的PLV矩阵，将PLV值与预设的基线值相比较，输出脑电网络指标值；PLV＝|1/N*Σexp(i(θ1‑
θ2))|其中，N表示所述预处理后的脑电信号长度，θ1和θ2分别表示两个所述预处理后的脑电信号的相位；i是虚数单位。3.根据权利要求2所述的基于脑电网络引导的闭环电刺激系统，其特征在于，所述步骤S1：选择所述预处理后的脑电信号的不同通道，计算各通道之间相干性矩阵或者相关性矩阵，以表达脑电信号之间的相互关系，从而构建...

【专利技术属性】
技术研发人员：卜俊杰，刘家芳，袁野，
申请(专利权)人：安徽医科大学，
类型：发明
国别省市：