[發(fā)明專利]神經(jīng)刺激信號確定裝置和方法

在審

• 申請?zhí)枺?/td>: 202110599097.2
• 申請日: 2021-05-28
• 公開（公告）號: CN113297993A
• 公開（公告）日: 2021-08-24
• 發(fā)明（設(shè)計）人: 劉泉影;梁智超;羅子翔
• 申請（專利權(quán)）人: 南方科技大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;A61B5/372;A61B5/383
• 代理公司: 北京超凡宏宇專利代理事務(wù)所(特殊普通合伙) 11463
• 代理人: 衡滔

本申請?zhí)峁┮环N神經(jīng)刺激信號確定裝置、方法、電子設(shè)備和計算機存儲介質(zhì)，裝置包括：獲取模塊，用于獲取參考腦電信號和刺激對象的當(dāng)前時刻腦電信號；第一確定模塊，用于根據(jù)參考腦電信號、當(dāng)前時刻腦電信號、預(yù)先訓(xùn)練好的深度Koopman模型中的編碼器函數(shù)確定高維狀態(tài)空間中的當(dāng)前時刻腦電信號和高維狀態(tài)空間中的參考腦電信號；第二確定模塊，用于基于優(yōu)化函數(shù)，根據(jù)高維狀態(tài)空間中的當(dāng)前時刻腦電信號、高維狀態(tài)空間中的參考腦電信號和預(yù)先訓(xùn)練好的深度Koopman模型中的Koopman算子確定神經(jīng)刺激信號，以減少確定神經(jīng)刺激信號時的運算量、進而減少確定神經(jīng)刺激信號的時間。

技術(shù)領(lǐng)域

本申請涉及信號處理領(lǐng)域，具體而言，涉及一種神經(jīng)刺激信號確定裝置、方法、電子設(shè)備和計算機存儲介質(zhì)。

背景技術(shù)

腦部電刺激是指對人體大腦施加神經(jīng)刺激信號，以達(dá)到治療某些難治性的大腦疾病和改善大腦狀態(tài)的目的。在進行腦部電刺激時，需要確定人體腦電信號與神經(jīng)刺激信號之間的關(guān)系。為了達(dá)到這一目的，需要對人體腦電信號進行建模，進而根據(jù)建模情況模擬人體腦電信號在神經(jīng)刺激信號下的變化情況，從而計算確定神經(jīng)刺激信號。人體腦電信號的變化過程是一個復(fù)雜的網(wǎng)絡(luò)化非線性動態(tài)過程，現(xiàn)有技術(shù)在對人體腦電信號進行建模時，通常采用循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)或是非線性自回歸(Nonlinear Auto-Regressive)模型。然而，使用上述模型確定神經(jīng)刺激信號時，由于上述模型的復(fù)雜度高，進而導(dǎo)致在確定神經(jīng)刺激信號時需要較大的運算量且耗時長。

發(fā)明內(nèi)容

本申請實施例的目的在于提供一種神經(jīng)刺激信號確定裝置、方法、電子設(shè)備和計算機存儲介質(zhì)，用以解決在確定神經(jīng)刺激信號時運算量大且耗時長的問題。

第一方面，本發(fā)明提供一種神經(jīng)刺激信號確定裝置，包括：獲取模塊，用于獲取參考腦電信號和刺激對象的當(dāng)前時刻腦電信號；第一確定模塊，用于根據(jù)所述參考腦電信號、所述當(dāng)前時刻腦電信號、預(yù)先訓(xùn)練好的深度Koopman模型中的編碼器函數(shù)確定高維狀態(tài)空間中的當(dāng)前時刻腦電信號和高維狀態(tài)空間中的參考腦電信號；第二確定模塊，用于基于優(yōu)化函數(shù)，根據(jù)所述高維狀態(tài)空間中的當(dāng)前時刻腦電信號、所述高維狀態(tài)空間中的參考腦電信號和預(yù)先訓(xùn)練好的深度Koopman模型中的Koopman算子確定神經(jīng)刺激信號。

本申請實施例中，通過深度Koopman模型將人體腦電信號與神經(jīng)刺激信號這個網(wǎng)絡(luò)化非線性動態(tài)過程轉(zhuǎn)化為了一個線性的過程，進而求解優(yōu)化函數(shù)確定神經(jīng)刺激信號，相比于對非線性動態(tài)過程求解優(yōu)化函數(shù)確定神經(jīng)刺激信號而言，本申請實施例在確定神經(jīng)刺激信號的過程中需要的計算量更低，消耗的時間更短。

在可選的實施方式中，所述優(yōu)化函數(shù)為：

其中，T_p為確定u_k數(shù)量的控制范圍、F_k為高維狀態(tài)空間中刺激對象的第k時刻的電信號、F_ref為高維狀態(tài)空間中的參考腦電信號、Q_Y為用于懲罰偏差的正定矩陣、Q_T為常數(shù)且用于懲罰神經(jīng)刺激信號的增量、u_k為第k時刻的神經(jīng)刺激信號、Δu_k＝u_k-u_k-1，Δu_k為第k時刻的神經(jīng)刺激信號增量、為Koopman算子、B為所述神經(jīng)刺激信號u_k的控制增益、Δu_min為Δu_k能取到的最小值、Δu_max為Δu_k能取到的最大值、u_min為u_k能取到的最小值、u_max為u_k能取到的最大值。

在可選的實施方式中，所述裝置還包括：模型訓(xùn)練模塊，用于獲取第一樣本腦電信號；根據(jù)所述第一樣本腦電信號對預(yù)先建立好的深度Koopman模型進行訓(xùn)練，得到所述編碼器函數(shù)和所述Koopman算子。