[發(fā)明專利]一種用于神經(jīng)信號(hào)的峰電位分類系統(tǒng)及分類方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110131919.4
• 申請(qǐng)日: 2021-01-30
• 公開（公告）號(hào): CN112971813A
• 公開（公告）日: 2021-06-18
• 發(fā)明（設(shè)計(jì)）人: 陸王天宇
• 申請(qǐng)（專利權(quán)）人: 上海麓聯(lián)智能科技有限公司
• 主分類號(hào): A61B5/388
• 分類號(hào): A61B5/388
• 代理公司: 上海互順專利代理事務(wù)所(普通合伙) 31332
• 代理人: 韋志剛

本發(fā)明公開了一種用于神經(jīng)信號(hào)的峰電位分類系統(tǒng)及分類方法，涉及峰電位信號(hào)處理技術(shù)領(lǐng)域。本發(fā)明包括如下步驟：數(shù)據(jù)讀取：上傳由實(shí)驗(yàn)采集到的神經(jīng)元電極信號(hào)，拿到神經(jīng)元的電通路信號(hào)數(shù)據(jù)后，讀取通道數(shù)與電極數(shù)，根據(jù)后續(xù)實(shí)驗(yàn)的具體要求選擇電信號(hào)類型；前處理組件庫：對(duì)選擇后的電信號(hào)進(jìn)行處理，過濾掉通道中不符合條件的數(shù)據(jù)；分類：對(duì)前面處理的數(shù)據(jù)進(jìn)行分類；后處理組件庫：將分類完的結(jié)果根據(jù)實(shí)驗(yàn)具體需求的范圍來進(jìn)一步的篩選；文件導(dǎo)出：將處理過的數(shù)據(jù)生成可供進(jìn)一步分析的文件。本發(fā)明利用本地電信號(hào)處理平臺(tái)，基于更高性能的麓聯(lián)峰電位分類算法及電腦工作站來自動(dòng)化聚類，支持處理高達(dá)1024通道數(shù)的數(shù)據(jù)，提高了分類效率。

技術(shù)領(lǐng)域

本發(fā)明屬于峰電位信號(hào)處理技術(shù)領(lǐng)域，特別是涉及一種用于神經(jīng)信號(hào)的峰電位分類系統(tǒng)及分類方法。

背景技術(shù)

神經(jīng)元峰電位信號(hào)(Spike)具有時(shí)空分辨率高、信息量大的特點(diǎn)，是對(duì)復(fù)雜任務(wù)的實(shí)時(shí)精確控制的重要手段，峰電位分類是峰電位信號(hào)處理的重要步驟之一，但目前的方法主要依賴于人工或半人工處理。隨著多通道神經(jīng)集群記錄技術(shù)的發(fā)展，同步記錄的神經(jīng)元通道數(shù)急劇增加，從原有的幾十個(gè)通道向上千個(gè)通道發(fā)展，目前的人工和半人工方法已經(jīng)無法應(yīng)對(duì)。另一方面，記錄通道數(shù)的增加對(duì)于數(shù)據(jù)的傳輸和存儲(chǔ)也提出了巨大的挑戰(zhàn)，高通量神經(jīng)數(shù)據(jù)的約簡可提高數(shù)據(jù)處理的實(shí)時(shí)性，推動(dòng)在線腦-機(jī)接口等技術(shù)的發(fā)展。

此外，現(xiàn)有的流程是通過Offline Sorter手動(dòng)聚類，效率不高，可處理數(shù)據(jù)一般不超過64通道。因此，亟需實(shí)現(xiàn)一種更高性能的麓聯(lián)峰電位分類算法。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種用于神經(jīng)信號(hào)的峰電位分類系統(tǒng)及分類方法，通過本地電信號(hào)處理平臺(tái)，基于更高性能的麓聯(lián)峰電位分類算法及電腦工作站來自動(dòng)化聚類，解決了現(xiàn)有的峰電位信號(hào)分類效率不高的問題。

為解決上述技術(shù)問題，本發(fā)明是通過以下技術(shù)方案實(shí)現(xiàn)的：

本發(fā)明為一種用于神經(jīng)信號(hào)的峰電位分類系統(tǒng)，包括神經(jīng)信號(hào)采集器、神經(jīng)信號(hào)接收器、前處理組件庫、分類器、后處理組件庫和文件導(dǎo)出模塊，

所述神經(jīng)信號(hào)采集器，用于采集神經(jīng)元電極信號(hào)、通道數(shù)和電機(jī)數(shù)；

所述神經(jīng)信號(hào)接收器，用于接收神經(jīng)信號(hào)采集器獲取的數(shù)據(jù)并儲(chǔ)存；

所述前處理組件庫包括帶通濾波組件、帶阻濾波組件、通道數(shù)據(jù)差分組件、移除通道數(shù)據(jù)組件、空白飽和度組件、偏離消除組件、歸一化組件、移除人工事件組件、數(shù)據(jù)變換組件和數(shù)據(jù)白化組件；

所述帶通濾波組件，用于根據(jù)實(shí)驗(yàn)參數(shù)將雜波過濾；所述帶阻濾波組件，用于去除指定頻率的波對(duì)實(shí)驗(yàn)數(shù)據(jù)造成的干擾；所述通道數(shù)據(jù)差分組件，用于在構(gòu)建波形時(shí)選擇取點(diǎn)標(biāo)準(zhǔn)；所述移除通道數(shù)據(jù)組件，用于移除通道數(shù)據(jù)會(huì)刪除對(duì)實(shí)驗(yàn)產(chǎn)生干擾的通道；所述空白飽和度組件，用于空白飽和度查找并刪除信號(hào)中具有外部噪音的部分；所述偏離消除組件，用于移除每個(gè)通道的軌跡偏移，縮小實(shí)驗(yàn)結(jié)果的方差；所述歸一化組件，用于通過一個(gè)標(biāo)量對(duì)給定的記錄提取器的軌跡和偏移量進(jìn)行重新標(biāo)度；所述移除人工事件組件，用于從數(shù)據(jù)記錄痕跡中去除人為的不穩(wěn)定因素，將被影響到的周期清除；所述數(shù)據(jù)變換組件，用于將給定的數(shù)據(jù)記錄中的痕跡和偏移量用標(biāo)量進(jìn)行轉(zhuǎn)換；所述數(shù)據(jù)白化組件，用于使用數(shù)據(jù)白化算法對(duì)數(shù)據(jù)進(jìn)行優(yōu)化；

所述分類器，用于對(duì)前處理組件庫處理后的數(shù)據(jù)進(jìn)行分類；

所述后處理組件庫包括峰電位數(shù)量過濾組件和最小信噪比過濾組件；所述峰電位數(shù)量過濾組件，用于規(guī)定分類后閥值峰值的數(shù)量，通過將數(shù)據(jù)的峰值限定來優(yōu)化圖像，減少數(shù)據(jù)上的雜波干擾；所述最小信噪比過濾組件，用于限定信噪比閾值的最小值，篩選出符合實(shí)驗(yàn)標(biāo)準(zhǔn)的數(shù)據(jù)；

所述文件導(dǎo)出模塊，用于將處理過的數(shù)據(jù)生成可供進(jìn)一步分析的文件。

本發(fā)明為一種用于神經(jīng)信號(hào)的峰電位分類方法，包括如下步驟：