【技术实现步骤摘要】
本专利技术属于经颅磁刺激，具体涉及一种融合点云深度学习和eeg(electroencephalogram，脑电波)信号的tms(transcranial magnetic stimulation，经颅磁刺激技术)个体化刺激方法。
技术介绍
1、tms是一种无痛的非侵入性的大脑神经刺激方法，近30年来，已被应用于临床和科研领域。tms技术的基本原理是通过颅外施加的时变磁场，在脑内皮质诱发时变性感生电场，并在脑组织内引起感生电流，当感生电流超过神经组织兴奋阈值时，即产生与直接电刺激相似的效果，从而对相应脑组织进行有效刺激。实施tms的过程中，经颅磁刺激仪和刺激线圈相连，刺激线圈被放置于被试头部需要刺激的区域，基于电磁感应原理，通过刺激线圈产生的脉冲磁场在大脑皮层产生感应电流，进而刺激大脑皮层神经，产生一系列生理生化反应。
2、tms实施时，需要将线圈定位到患者头皮上的某一点位上，这个点位称为靶点。靶点的精确选取对tms的实施效果有着重要影响。
3、目前，现有的tms系统在进行个体化的靶点选取时，主要有以下两种方式。一种是通过获取患者头部mri(magnetic resonance imaging，磁共振成像)核磁图像，可以准确地确定靶点的位置；但该方法需要进行前期的核磁图像采集以及图像预处理进行靶点定位，这就导致其成本高昂。另一种是通过佩戴10-10或者10-20系统脑电定位帽，直接使用定位帽已经标记好的目标靶点区域，此种方法的优点在于定位帽可以重复使用，相对于使用个体mri核磁图像进行导航定位的方法便宜和操
4、因此，客观上需要开展能够准确确定靶点位置、并且能够减轻高额的采集费用的tms刺激技术研究。
技术实现思路
1、为了解决现有技术中存在的上述问题，本专利技术提供了一种融合点云深度学习和eeg信号的tms个体化刺激方法。本专利技术要解决的技术问题通过以下技术方案实现：
2、第一方面，本专利技术提出了一种融合点云深度学习和eeg信号的tms个体化刺激方法，包括：
3、获取待测目标头部的个体点云数据；
4、利用训练好的深度学习模型对所述个体点云数据进行处理，得到个体化靶点位置；其中，所述深度学习模型是利用不同个体的核磁数据及点云数据对预设的深度学习网络进行训练得到的；
5、获取所述个体化靶点位置及其周围若干位置处的eeg信号；
6、对所述eeg信号进行处理及预测，得到tms触发信号给出时间，以便于根据所述tms触发信号给出时间对待测目标进行个体化频率刺激。
7、第二方面，本专利技术提出了一种融合点云深度学习和eeg信号的tms个体化刺激系统，包括靶点定位子系统和tms个体化刺激子系统；其中，
8、所述靶点定位子系统包括点云数据采集装置和深度学习模块；
9、所述点云数据采集装置用于获取待测目标头部的个体点云数据；
10、所述深度学习模块用于利用训练好的深度学习模型对所述个体点云数据进行处理，得到个体化靶点位置；其中，所述深度学习模型是利用不同个体的核磁数据及点云数据对预设的深度学习网络进行训练得到的；
11、所述tms个体化刺激子系统包括电极、数据处理模块以及刺激装置；
12、所述电极用于获取所述个体化靶点位置及其周围若干位置处的eeg信号；
13、所述数据处理模块用于对所述eeg信号进行处理及预测，得到tms触发信号给出时间；
14、所述刺激装置用于根据所述tms触发信号给出时间对待测目标进行个体化频率刺激。
15、本专利技术的有益效果：
16、1、本专利技术提供的融合点云深度学习和eeg信号的tms个体化刺激方法，通过采集大量的个体点云数据和个体核磁数据作为训练数据，训练了一个深度学习模型，可以描述个体点云及靶点之间较为准确的关系，仅通过个体点云数据即可实现个体化靶点位置的准确确定，减轻了采集患者头部核磁造成的时间和经济方面的高额成本；且由于前期在训练深度学习模型时，采用了大量不同的个体数据，使得深度学习模型具有普适性，适用于tms个体化刺激系统的定位；
17、2、本专利技术提供的融合点云深度学习和eeg信号的tms个体化刺激方法，还提出了一种可以兼容不同波段信号分析的方法，得到了准确的tms触发信号给出时间，使得使对大脑信号分析的更加全面。
18、以下将结合附图及实施例对本专利技术做进一步详细说明。
本文档来自技高网...【技术保护点】
1.一种融合点云深度学习和EEG信号的TMS个体化刺激方法，其特征在于，包括：
2.根据权利要求1所述的融合点云深度学习和EEG信号的TMS个体化刺激方法，其特征在于，利用不同个体的核磁数据及点云数据对预设的深度学习网络进行训练，得到深度学习模型的具体过程包括：
3.根据权利要求2所述的融合点云深度学习和EEG信号的TMS个体化刺激方法，其特征在于，所述深度学习网络包括Unet网络。
4.根据权利要求1所述的融合点云深度学习和EEG信号的TMS个体化刺激方法，其特征在于，获取所述个体化靶点位置及其周围若干位置处的EEG信号，包括：
5.根据权利要求1所述的融合点云深度学习和EEG信号的TMS个体化刺激方法，其特征在于，对所述EEG信号进行处理及预测，得到TMS触发信号给出时间，包括：
6.根据权利要求5所述的融合点云深度学习和EEG信号的TMS个体化刺激方法，其特征在于，在得到EEG信号之后，以及对所述EEG信号进行独立成分分析之前，还包括：
7.根据权利要求5所述的融合点云深度学习和EEG信号的TMS个体化
8.根据权利要求5所述的融合点云深度学习和EEG信号的TMS个体化刺激方法，其特征在于，在构建好自回归优尔沃克模型之后，还包括：
9.根据权利要求5所述的融合点云深度学习和EEG信号的TMS个体化刺激方法，其特征在于，从所述预测数据中找出瞬时相位零值对应的波段信号值位置，并对该位置处的数据进行分析，从而得到TMS触发信号给出时间，包括：
10.一种融合点云深度学习和EEG信号的TMS个体化刺激系统，可用于实现权利要求1-9任一项所述的方法，其特征在于，包括靶点定位子系统和TMS个体化刺激子系统；其中，
...【技术特征摘要】
1.一种融合点云深度学习和eeg信号的tms个体化刺激方法，其特征在于，包括：
2.根据权利要求1所述的融合点云深度学习和eeg信号的tms个体化刺激方法，其特征在于，利用不同个体的核磁数据及点云数据对预设的深度学习网络进行训练，得到深度学习模型的具体过程包括：
3.根据权利要求2所述的融合点云深度学习和eeg信号的tms个体化刺激方法，其特征在于，所述深度学习网络包括unet网络。
4.根据权利要求1所述的融合点云深度学习和eeg信号的tms个体化刺激方法，其特征在于，获取所述个体化靶点位置及其周围若干位置处的eeg信号，包括：
5.根据权利要求1所述的融合点云深度学习和eeg信号的tms个体化刺激方法，其特征在于，对所述eeg信号进行处理及预测，得到tms触发信号给出时间，包括：
6.根据权利要求5所述的融合点云深度学习和e...
【专利技术属性】
技术研发人员：秦伟，宋肖宇，矫芸芸，褚昭洋，贾孟男，晋嘉洁，
申请(专利权)人：西安电子科技大学，
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。