本发明专利技术公开了一种基于CNN技术的小鼠脑电异常检测与超声刺激装置，属于脑电检测和超声刺激领域，包括脑电采集模块、电脑主机、超声刺激模块和小鼠固定平台四个部分。脑电采集模块由微丝电极，神经信号采集器，脑电信号放大器，模数转换器组成，用于将小鼠的脑电信号的采集与处理，并输送至电脑主机；超声刺激模块由一个功率放大器、两个信号发生器、小鼠立体定位仪、换能器固定器、超声换能器、I/O信号卡、准直器组成，用于对脑电信号异常的老鼠进行具有针对性的经颅超声刺激，以达到脑神经调控效果；小鼠固定平台用于固定待测小鼠；电脑主机用于滤波和对卷积神经网络模型(CNN)的训练与应用。用。用。
【技术实现步骤摘要】
一种基于CNN技术的小鼠脑电异常检测与超声刺激装置
[0001]本专利技术涉及脑电检测和超声刺激领域，尤其是一种基于CNN技术的小鼠脑电异常检测与超声刺激装置。
技术介绍
[0002]神经系统疾病种类极多，单纯通过具体症状来判断区分病症的传统方法效率不高，例如：帕金森与老年痴呆病情从疾病上分析有些相似，所以很多患者容易将这两个疾病搞混，也就会耽误患者的治疗。1929年翰思贝鲁加首次发表了人脑的电信号的论文，之后英国的尔多里安等人进一步证实并确认了脑电信号，从而形成了脑电图(EEG)理论。如今，根据脑电图来对病症做具体分析已成为新的热点，但脑电图是一个复杂的信号，一个医生可能需要几年的时间来训练并利用先进的信号处理和特征提取方法，才能正确解释其含义。而如今随着机器学习和深度学习技术的发展，大量的研究和应用表明它们在从原始数据提取特征并分类方面有很大的潜力。
[0003]如今，脑神经刺激设备多数应用电刺激与磁刺激。电刺激的副作用是长时间传导的高电流会导致电极周围组织的热损伤。经颅磁刺激的副作用是对于癫痫病史的患者可能触发癫痫的发作。经颅超声脑神经刺激技术是一种新的神经调控方法，具有无损伤、高空间分辨率，高刺激深度的特点。
[0004]现存的脑电设备，只拥有对脑电信号的提取功能和对脑神经信号的监测功能，或是只能针对固定脑神经信号异常有神经刺激效果。亟需一种将脑电信号采集，脑神经信号异常检测，经颅超声刺激集成到一个装置之上，极大的缩短了脑神经检测与脑神经调控的周期。同时用自训练的卷积神经网络极大的提高了异常脑电信号识别效率。
技术实现思路
[0005]本专利技术需要解决的技术问题是提供一种基于CNN技术的小鼠脑电异常检测与超声刺激装置，可缩短脑神经检测与脑神经调控的周期，提高异常脑电信号识别效率。
[0006]为解决上述技术问题，本专利技术所采用的技术方案是：一种基于CNN技术的小鼠脑电异常检测与超声刺激装置，包括脑电采集模块、电脑主机、超声刺激模块和小鼠固定平台4个部分；
[0007]小鼠固定平台：用于放置固定被麻醉后的小鼠；
[0008]脑电采集模块：包括植入待测小鼠海马区和头皮层用于采集脑电的微丝电极，微丝电极另一端连接神经信号采集器，对小鼠脑电信号采集后，神经信号采集器将脑电信号传入连接的脑电信号放大器用于放大脑电信号，脑电信号放大器连接模数转换器，用于上传至电脑主机；
[0009]电脑主机：用于接收通过模数转换器上传的小鼠脑电信号，并进行滤波处理，生成时频图，以及用训练好的卷积神经网络模型CNN对处理后的脑电信号的时频图进行判别脑电信号是否异常；
[0010]超声刺激模块：包括用USB连接电脑主机的I/O信号卡，电脑主机软件能够通过I/O信号卡提供3V的模拟电压作为触发信号，I/O信号卡与两个信号发生器串接，触发信号作为输入，信号发生器可以输出得到调制过的具有特定占空比与幅值的信号；信号发生器连接功率放大器，功率放大器可将输出信号放大；功率放大器连接到固定在立体定位仪上的超声换能器上；超声换能器固定在用于固定小鼠头部的立体定位仪支架上，前段紧贴小鼠颅骨，通过立体定位仪支架能够手动调节位置，对准需要刺激的部位；超声换能器上固定设置有准直器，超声换能器能够将电能转化为声能借助准直器准确地施加到特定脑区，通过观察小鼠胡须判断超声波是否传递到小鼠脑部，从而使小鼠在脑电信号异常时通过超声刺激颅内区域以达到脑神经调控效果。
[0011]超声刺激后的脑电信号可再次被脑电采集模块采集，从而判断脑神经调控效果。
[0012]本专利技术技术方案的进一步改进在于：所述电脑主机滤波处理具体为：用低通滤波器滤掉50Hz以上空间环境中的磁信号导致的高频干扰，用高通滤波器滤掉低于0.5Hz小鼠生理性干扰噪声；对脑电采集模块引起的50Hz左右工频噪声进行小波包去噪声，保留了50Hz处的局部场电位信号，具体为：
[0013]设空间是函数μ
n
(t)的闭包空间且则可表示为：
[0014][0015]小波包分解公式为：
[0016][0017]小波重构公式：
[0018][0019]为保证滤波效果最佳，选择Daubechies小波系列中的db6为基函数。
[0020]本专利技术技术方案的进一步改进在于：卷积神经网络模型CNN具体结构如表1所示：
[0021]表1网络模型结构表
[0022][0023][0024]其中，第一卷积模块：依次连接的Conv层、DepthwiseConv层、平均池化层和dropout层；
[0025]第二卷积模块：依次连接的SeparableConv层、平均池化层和dropout层；最后全连接层连接用于二分类的sigmoid函数，直接给出判断标志；标记1为小鼠健康的脑电信号，标记0为小鼠出现异常的脑电信号；
[0026]本专利技术技术方案的进一步改进在于：卷积神经网络模型CNN的训练方法为：
[0027]步骤1：通过该脑电采集模块对300只健康的小鼠进行脑电检测，其中小鼠的年龄呈正态分布，其中有150只雌鼠和150只雄鼠。将采集的脑电信号进行放大和滤波，之后将其信号波形和其时频图记录在电脑主机内，并进行标记为1，即标记1为小鼠健康的脑电信号；
[0028]步骤2：接着对300只脑电信号出现异常小鼠进行脑电检测，其中小鼠的年龄呈正态分布，其中有150只雌鼠和150只雄鼠。将采集的脑电信号进行放大和滤波，之后将其信号波形和其时频图记录在电脑主机内，并进行标记为0，即标记0为小鼠出现异常的脑电信号；
[0029]步骤3：将标记为1和标记为0的两组样本集进行打乱混合，取414只小鼠作为该模型的训练集，占所样本总量的69％，取186只小鼠作为测试集，占样本总量的31％；训练从而保证测试集二分类结果与训练集二分类结果差距不大，即保证了模型不会过拟合；
[0030]步骤4：:用样本数据对卷积神经网络模型CNN进行训练，直到二分类结果正确率在95％以上；
[0031]步骤5：卷积神经网络模型CNN可通过分类小鼠的脑电信号用于判断小鼠脑电信号是否出现异常；
[0032]本专利技术技术方案的进一步改进在于：脑电采集模块中，微丝电极为0.05mm钨丝，使用导线与神经信号采集器相连；神经信号采集器，可以实时捕获、处理和分析与实验状态事件相关的动作电位Spike、场电位LFP和其他生理信号，可支持128个通道电极。
[0033]本专利技术技术方案的进一步改进在于：超声刺激模块中，功率放大器为线性功率放大器；超声换能器为非聚焦超声换能器，心频率400kHz，直径30mm；用来固定小鼠头部的立体定位仪三维调节距离为70mm，精度达到0.2mm；准直器内部填注有超声耦合液。
[0034]本专利技术技术方案的进一步改进在于：准直器为3D打印树脂材料，长度为50mm，上口内径为30mm，下口内径2～7mm。
[0035]由于采用了上述技术方案，本专利技术取得的技术进步是：装置包含超声刺激本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于CNN技术的小鼠脑电异常检测与超声刺激装置，其特征在于：包括脑电采集模块、电脑主机、超声刺激模块和小鼠固定平台4个部分；小鼠固定平台：用于放置固定被麻醉后的小鼠；脑电采集模块：包括植入待测小鼠海马区和头皮层用于采集脑电的微丝电极，微丝电极另一端连接神经信号采集器，对小鼠脑电信号采集后，神经信号采集器将脑电信号传入连接的脑电信号放大器用于放大脑电信号，脑电信号放大器连接模数转换器，用于上传至电脑主机；电脑主机：用于接收通过模数转换器上传的小鼠脑电信号，并进行滤波处理，生成时频图，以及用训练好的卷积神经网络模型CNN对处理后的脑电信号的时频图进行判别脑电信号是否异常；超声刺激模块：包括用USB连接电脑主机的I/O信号卡，电脑主机软件能够通过I/O信号卡提供3V的模拟电压作为触发信号，I/O信号卡与两个信号发生器串接，触发信号作为输入，信号发生器可以输出得到调制过的具有特定占空比与幅值的信号；信号发生器连接功率放大器，功率放大器可将输出信号放大；功率放大器连接到固定在立体定位仪上的超声换能器上；超声换能器固定在用于固定小鼠头部的立体定位仪支架上，前段紧贴小鼠颅骨，通过立体定位仪支架能够手动调节位置，对准需要刺激的部位；超声换能器上固定设置有准直器，超声换能器能够将电能转化为声能借助准直器准确地施加到特定脑区，通过观察小鼠胡须判断超声波是否传递到小鼠脑部，从而使小鼠在脑电信号异常时通过超声刺激颅内区域以达到脑神经调控效果；超声刺激后的脑电信号可再次被脑电采集模块采集，从而判断脑神经调控效果。2.根据权利要求1所述的一种基于CNN技术的小鼠脑电异常检测与超声刺激装置，其特征在于：所述电脑主机滤波处理具体为：用低通滤波器滤掉50Hz以上空间环境中的磁信号导致的高频干扰，用高通滤波器滤掉低于0.5Hz小鼠生理性干扰噪声；对脑电采集模块引起的50Hz左右工频噪声进行小波包去噪声，保留了50Hz处的局部场电位信号，具体为：设空间是函数μ
n
(t)的闭包空间且则可表示为：小波包分解公式为：小波重构公式：为保证滤波效果最佳，选择Daubechies小波系列中的db6为基函数。3.根据权利要求1所述的一种基于CNN技术的小鼠脑电异常检测与超声刺激装置，其特征在于：所述卷积神经网络模型CNN具体结构如表1所示：表1网络模型结构表
其中，第一卷积模块：依次连接的Conv层、DepthwiseConv层、...
【专利技术属性】
技术研发人员：袁毅，孙靖岩，
申请(专利权)人：燕山大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。