本發(fā)明涉及生物醫(yī)學(xué)信號(hào)處理，尤其涉及一種自適應(yīng)dbs參數(shù)調(diào)整方法及裝置。

背景技術(shù)：

1、深部腦刺激（deep?brain?stimulation，dbs）是一種神經(jīng)調(diào)控技術(shù)，主要用于治療難治性神經(jīng)和精神疾病，如帕金森病、癲癇、強(qiáng)迫癥和抑郁癥等。dbs技術(shù)建立在對(duì)腦區(qū)功能和神經(jīng)環(huán)路的深入理解上，針對(duì)特定疾病，它將電極植入大腦特定區(qū)域，應(yīng)用精確的電刺激來(lái)調(diào)節(jié)異常的神經(jīng)環(huán)路活動(dòng)，緩解運(yùn)動(dòng)癥狀。

2、dbs技術(shù)雖然取得了巨大的進(jìn)展，但是精確而穩(wěn)健的自適應(yīng)dbs閉環(huán)調(diào)控技術(shù)仍然面臨巨大的挑戰(zhàn)，最佳神經(jīng)標(biāo)志物的選擇和獲取是自適應(yīng)dbs閉環(huán)調(diào)控取得良好效果的基礎(chǔ)和前提。然而，現(xiàn)有dbs技術(shù)大多針對(duì)不同疾病類型，選擇一個(gè)學(xué)術(shù)界普遍認(rèn)可或廣泛使用的具有一定經(jīng)驗(yàn)性和僅統(tǒng)計(jì)學(xué)上合理的通用指標(biāo)作為神經(jīng)標(biāo)志物，難以滿足精確自適應(yīng)dbs閉環(huán)調(diào)控對(duì)最佳神經(jīng)標(biāo)志物的穩(wěn)健性要求。

3、為了規(guī)避最佳神經(jīng)標(biāo)志物的選擇，目前也有直接通過(guò)外周傳感器測(cè)量癥狀，基于癥狀標(biāo)志物來(lái)調(diào)整刺激參數(shù)的方案。例如，配備陀螺儀和加速度計(jì)的慣性測(cè)量單元已成功用于檢測(cè)和測(cè)量震顫、步態(tài)凍結(jié)、運(yùn)動(dòng)遲緩和異動(dòng)癥。但患者的正常行為可能對(duì)癥狀標(biāo)志物產(chǎn)生干擾，造成誤判。并且在dbs系統(tǒng)中增加癥狀測(cè)量傳感器及配套的數(shù)據(jù)傳輸和處理系統(tǒng)，也會(huì)增加整體系統(tǒng)復(fù)雜度。

技術(shù)實(shí)現(xiàn)思路

1、有鑒于此，有必要提供一種自適應(yīng)dbs參數(shù)調(diào)整方法及裝置，用以解決現(xiàn)有的基于癥狀標(biāo)志物來(lái)調(diào)整dbs刺激參數(shù)的方案容易受到患者正常行為的干擾，且整體復(fù)雜度較高的問(wèn)題。

2、為了解決上述問(wèn)題，第一方面，本發(fā)明提供了一種自適應(yīng)dbs參數(shù)調(diào)整方法，包括：

3、基于行為解碼模型將實(shí)時(shí)神經(jīng)信號(hào)解碼為實(shí)時(shí)行為信號(hào)；

4、基于所述實(shí)時(shí)行為信號(hào)，對(duì)dbs參數(shù)進(jìn)行調(diào)整；

5、其中，所述行為解碼模型基于線性離散狀態(tài)空間模型的訓(xùn)練結(jié)果所構(gòu)建，所述線性離散狀態(tài)空間模型基于神經(jīng)信號(hào)、行為信號(hào)和狀態(tài)信號(hào)構(gòu)建狀態(tài)方程所得到，所述狀態(tài)信號(hào)為同時(shí)驅(qū)動(dòng)神經(jīng)信號(hào)和行為信號(hào)的潛在狀態(tài)。

6、在一種可能的實(shí)現(xiàn)方式中，所述線性離散狀態(tài)空間模型的訓(xùn)練過(guò)程包括：

7、基于預(yù)處理后的歷史神經(jīng)信號(hào)和歷史行為信號(hào)對(duì)所述線性離散狀態(tài)空間模型進(jìn)行求解；

8、所述行為解碼模型的構(gòu)建過(guò)程包括：

9、基于所述線性離散狀態(tài)空間模型的求解結(jié)果構(gòu)建遞歸卡爾曼濾波器，將所述遞歸卡爾曼濾波器作為所述行為解碼模型。

10、在一種可能的實(shí)現(xiàn)方式中，所述線性離散狀態(tài)空間模型的表達(dá)式為：

11、

12、

13、其中，表示時(shí)間索引，表示神經(jīng)信號(hào)，表示行為信號(hào)，表示狀態(tài)信號(hào)，和表示與獨(dú)立的零均值白噪聲，表示干擾行為信號(hào)，表示求互相關(guān)運(yùn)算，為的自協(xié)方差矩陣，為的自協(xié)方差矩陣，為和之間的協(xié)方差矩陣，表示狀態(tài)信號(hào)的輸出矩陣，表示神經(jīng)信號(hào)的輸出矩陣，表示行為信號(hào)的輸出矩陣。

14、在一種可能的實(shí)現(xiàn)方式中，所述基于預(yù)處理后的歷史神經(jīng)信號(hào)和歷史行為信號(hào)對(duì)所述線性離散狀態(tài)空間模型進(jìn)行求解，包括：

15、將目標(biāo)時(shí)刻的神經(jīng)信號(hào)和行為信號(hào)投影至目標(biāo)時(shí)刻的上一時(shí)刻的神經(jīng)信號(hào)上，進(jìn)行正交投影的線性最小二乘求解，確定所述線性離散狀態(tài)空間模型中的、、、、、。

16、在一種可能的實(shí)現(xiàn)方式中，所述方法還包括：

17、在完成所述行為解碼模型的構(gòu)建之后，將所述歷史神經(jīng)信號(hào)作為所述行為解碼模型的輸入，計(jì)算所述歷史行為信號(hào)與所述行為解碼模型的輸出之間的皮爾遜線性相關(guān)系數(shù)；

18、基于所述歷史行為信號(hào)與所述行為解碼模型的輸出之間的皮爾遜線性相關(guān)系數(shù)，對(duì)所述行為解碼模型的解碼效果進(jìn)行評(píng)價(jià)。

19、在一種可能的實(shí)現(xiàn)方式中，所述基于所述實(shí)時(shí)行為信號(hào)，對(duì)dbs參數(shù)進(jìn)行調(diào)整，包括：

20、基于所述實(shí)時(shí)行為信號(hào)確定癥狀標(biāo)志物數(shù)值；

21、在所述癥狀標(biāo)志物數(shù)值未處于預(yù)設(shè)閾值范圍的情況下，基于所述癥狀標(biāo)志物數(shù)值，對(duì)dbs參數(shù)進(jìn)行調(diào)整。

22、在一種可能的實(shí)現(xiàn)方式中，所述基于所述癥狀標(biāo)志物數(shù)值，對(duì)dbs參數(shù)進(jìn)行調(diào)整，包括：

23、基于所述癥狀標(biāo)志物數(shù)值，在刺激參數(shù)表中確定所述癥狀標(biāo)志物數(shù)值對(duì)應(yīng)的刺激參數(shù)值，所述刺激參數(shù)表是基于臨床數(shù)據(jù)確定的，所述刺激參數(shù)包括刺激幅度、刺激頻率和刺激帶寬；

24、按照所述癥狀標(biāo)志物數(shù)值對(duì)應(yīng)的刺激參數(shù)值，對(duì)dbs參數(shù)進(jìn)行調(diào)整。

25、另一方面，本發(fā)明還提供了一種自適應(yīng)dbs參數(shù)調(diào)整裝置，包括：

26、解碼模塊，用于基于行為解碼模型將實(shí)時(shí)神經(jīng)信號(hào)解碼為實(shí)時(shí)行為信號(hào)；

27、調(diào)整模塊，用于基于所述實(shí)時(shí)行為信號(hào)，對(duì)dbs參數(shù)進(jìn)行調(diào)整；

28、其中，所述行為解碼模型基于線性離散狀態(tài)空間模型的訓(xùn)練結(jié)果所構(gòu)建，所述線性離散狀態(tài)空間模型基于神經(jīng)信號(hào)、行為信號(hào)和狀態(tài)信號(hào)構(gòu)建狀態(tài)方程所得到，所述狀態(tài)信號(hào)為同時(shí)驅(qū)動(dòng)神經(jīng)信號(hào)和行為信號(hào)的潛在狀態(tài)。

29、第二方面，本發(fā)明還提供了一種dbs參數(shù)調(diào)整設(shè)備，包括存儲(chǔ)器和處理器，其中，

30、所述存儲(chǔ)器，用于存儲(chǔ)程序；

31、所述處理器，與所述存儲(chǔ)器耦合，用于執(zhí)行所述存儲(chǔ)器中存儲(chǔ)的所述程序，以實(shí)現(xiàn)上述任意實(shí)現(xiàn)方式中所述的自適應(yīng)dbs參數(shù)調(diào)整方法中的步驟。

32、第三方面，本發(fā)明還提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，用于存儲(chǔ)計(jì)算機(jī)可讀取的程序或指令，所述程序或指令被處理器執(zhí)行時(shí)能夠?qū)崿F(xiàn)上述任意實(shí)現(xiàn)方式中所述的自適應(yīng)dbs參數(shù)調(diào)整方法中的步驟。

33、本發(fā)明的有益效果是：本發(fā)明提供的自適應(yīng)dbs參數(shù)調(diào)整方法及裝置，通過(guò)構(gòu)建行為解碼模型來(lái)將神經(jīng)信號(hào)解碼為行為信號(hào)，從而避免了神經(jīng)標(biāo)志物的選擇，而是通過(guò)行為信號(hào)進(jìn)行dbs參數(shù)調(diào)整，進(jìn)而提高了dbs參數(shù)調(diào)整的可靠性，同時(shí)行為信號(hào)是根據(jù)神經(jīng)信號(hào)解碼得到，無(wú)需增加額外的行為信號(hào)采集設(shè)備，進(jìn)而降低了dbs參數(shù)調(diào)整的復(fù)雜度，并且由神經(jīng)信號(hào)解碼得到的行為信號(hào)不會(huì)包含正常行為信息，從而避免了正常行為的干擾，本發(fā)明在通過(guò)癥狀標(biāo)志物實(shí)現(xiàn)dbs參數(shù)調(diào)整的同時(shí)避免了正常行為的干擾，且降低了調(diào)控的復(fù)雜度。

技術(shù)特征：

1.一種自適應(yīng)dbs參數(shù)調(diào)整方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的自適應(yīng)dbs參數(shù)調(diào)整方法，其特征在于，所述線性離散狀態(tài)空間模型的訓(xùn)練過(guò)程包括：

3.根據(jù)權(quán)利要求2所述的自適應(yīng)dbs參數(shù)調(diào)整方法，其特征在于，所述線性離散狀態(tài)空間模型的表達(dá)式為：

4.根據(jù)權(quán)利要求3所述的自適應(yīng)dbs參數(shù)調(diào)整方法，其特征在于，所述基于預(yù)處理后的歷史神經(jīng)信號(hào)和歷史行為信號(hào)對(duì)所述線性離散狀態(tài)空間模型進(jìn)行求解，包括：

5.根據(jù)權(quán)利要求2所述的自適應(yīng)dbs參數(shù)調(diào)整方法，其特征在于，所述方法還包括：

6.根據(jù)權(quán)利要求1所述的自適應(yīng)dbs參數(shù)調(diào)整方法，其特征在于，所述基于所述實(shí)時(shí)行為信號(hào)，對(duì)dbs參數(shù)進(jìn)行調(diào)整，包括：

7.根據(jù)權(quán)利要求6所述的自適應(yīng)dbs參數(shù)調(diào)整方法，其特征在于，所述基于所述癥狀標(biāo)志物數(shù)值，對(duì)dbs參數(shù)進(jìn)行調(diào)整，包括：

8.一種自適應(yīng)dbs參數(shù)調(diào)整裝置，其特征在于，包括：

9.一種dbs參數(shù)調(diào)整設(shè)備，其特征在于，包括存儲(chǔ)器和處理器，其中，

10.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于，用于存儲(chǔ)計(jì)算機(jī)可讀取的程序或指令，所述程序或指令被處理器執(zhí)行時(shí)能夠?qū)崿F(xiàn)上述權(quán)利要求1至7中任意一項(xiàng)所述的自適應(yīng)dbs參數(shù)調(diào)整方法中的步驟。

技術(shù)總結(jié)
本發(fā)明涉及一種自適應(yīng)DBS參數(shù)調(diào)整方法及裝置，屬于生物醫(yī)學(xué)信號(hào)處理技術(shù)領(lǐng)域，其中，該自適應(yīng)DBS參數(shù)調(diào)整方法包括：基于行為解碼模型將實(shí)時(shí)神經(jīng)信號(hào)解碼為實(shí)時(shí)行為信號(hào)；基于所述實(shí)時(shí)行為信號(hào)，對(duì)DBS參數(shù)進(jìn)行調(diào)整；其中，所述行為解碼模型基于線性離散狀態(tài)空間模型的訓(xùn)練結(jié)果所構(gòu)建，所述線性離散狀態(tài)空間模型基于神經(jīng)信號(hào)、行為信號(hào)和狀態(tài)信號(hào)構(gòu)建狀態(tài)方程所得到，所述狀態(tài)信號(hào)為同時(shí)驅(qū)動(dòng)神經(jīng)信號(hào)和行為信號(hào)的潛在狀態(tài)。本發(fā)明在通過(guò)癥狀標(biāo)志物實(shí)現(xiàn)DBS參數(shù)調(diào)整的同時(shí)避免了正常行為的干擾，且降低了調(diào)控的復(fù)雜度。

技術(shù)研發(fā)人員：黃立,黃晟,陳龍,高兆龍,楊鄧飛,倪常茂
受保護(hù)的技術(shù)使用者：武漢衷華腦機(jī)融合科技發(fā)展有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15