基于实时脑电的闭环无创神经调控系统及方法

摘要: 本发明涉及医疗神经调控,具体为基于实时脑电的闭环无创神经调控系统及方法。背景技术:1、无创神经调控技术通过经颅磁刺激(tms)、经颅电刺激(tes)、经颅时域干...
基于实时脑电的闭环无创神经调控系统及方法

本发明涉及医疗神经调控,具体为基于实时脑电的闭环无创神经调控系统及方法。

背景技术:

1、无创神经调控技术通过经颅磁刺激(tms)、经颅电刺激(tes)、经颅时域干涉刺激(ttis)等物理手段,无需开颅即可对特定脑区施加刺激以调节神经活动,广泛应用于抑郁症、自闭症谱系障碍、阿尔茨海默症、精神分裂症等神经精神疾病的治疗。此类产品通常由刺激发生与执行装置、靶点定位与导航系统,以及可选的脑电(eeg)采集与分析单元构成。为提升疗效的时相精准性,业界进一步发展出以实时脑电为触发信号的闭环神经调控系统,力图在合适的脑状态下施加刺激。

2、现有的脑状态依赖闭环无创神经调控方案,其典型实现过程如下:首先在被试静息态下离线采集多通道脑电,将各功能网络的活动时间序列以整段数据的时间平均值为阈值进行二值化,得到全脑网络活动向量;随后拟合成对最大熵模型,构建该被试的个体化能量景观,并以能量函数的局部极小值定义吸引子状态,据此得到一张反映被试脑状态分布的静态地图。在实际调控中,系统实时监测被试脑电落入的吸引子状态,当其进入预先设定的目标状态或满足预设触发条件时,即对固定靶点以固定参数施加一次刺激;其异常状态的识别,则通常以单一的健康人群参考值为基准,将偏离该参考的脑动力学指标判定为异常。

3、现有闭环无创神经调控系统采用静息态离线构建的能量景观进行决策,刺激施加后全脑动力学被显著扰动、景观地形随即改变,系统却仍依据刺激前的静态地图作出下一步决策,形成刺激使地图失效却仍据废图决策的矛盾;景观构建依赖整段数据的时间平均阈值,该统计量无法在实时因果条件下在线计算,且清醒度漂移引起整段均值系统性偏移,导致状态识别失准;异常识别以单一健康基准为参照,忽视同一诊断下脑动力学异常的高度异质性,将正常个体差异误判为病理或将不同机理异常混为一谈;现有系统仅能回答何时刺激,缺乏由目标脑状态反演刺激靶点与参数的过程模型,无法预测不同候选刺激方案将把景观改变至何种形态,只能在固定靶点和固定参数下被动触发,上述缺陷共同导致决策依据与被调控系统的实际状态相脱节、状态识别在实时因果条件下不稳定,以及目标设定缺乏对个体脑动力学异常表型的适配。

技术实现思路

1、针对现有技术的不足,本发明提供了基于实时脑电的闭环无创神经调控系统及方法,解决了现有系统中存在能量景观模型难以刻画刺激扰动、实时因果建模对清醒度漂移鲁棒性不足、异常识别忽视脑动力学表型异质性以及缺乏由目标脑状态反演刺激指令并自校正的过程模型的问题。

2、为实现以上目的,本发明通过以下技术方案予以实现:

3、第一方面,本发明提供基于实时脑电的闭环无创神经调控系统,系统包括:

4、脑电建模模块,用于根据多通道脑电信号提取功能网络状态,基于成对最大熵模型构建个体化能量景观,并生成个体化能量景观的景观参数和脑动力学指标向量;

5、表型分层模块,用于维护按照脑动力学异常表型分类以异常-缓解轨迹存储的能量景观参照数据库,根据当前脑动力学指标向量确定异常表型和异常等级,并根据对应的异常-缓解轨迹确定目标脑动力学指标向量;

6、预测调控模块,用于通过刺激-景观演化动态预测模型预测各候选刺激方案引起的景观参数增量,计算景观参数增量与刺激前景观参数之和,得到预测刺激后景观参数及预测脑动力学指标向量,筛选与目标脑动力学指标向量偏差最小的候选刺激方案生成调控指令,输出调控指令以驱动刺激装置向相应刺激靶点施加无创物理刺激;

7、双路反馈模块,用于根据刺激后脑电信号获得实测刺激后景观参数及实测脑动力学指标向量,通过第一反馈路径将刺激前后的景观参数及脑动力学指标向量写入异常-缓解轨迹,以更新能量景观参照数据库;通过第二反馈路径,根据预测脑动力学指标向量与实测脑动力学指标向量之间的偏差更新刺激-景观演化动态预测模型,完成更新后触发系统进入下一调控周期。

8、进一步地,所述脑电建模模块按照预设通道配置和采样率采集多通道脑电信号,并按照预设带通滤波参数进行滤波处理,并经刺激伪迹去除和低置信数据标记后,按照指定功能网络划分方案提取各功能网络的活动时间序列,将所述活动时间序列二值化为各分量取值为+1或-1的网络状态向量序列;

9、其中,所述个体化能量景观的能量值由各功能网络的局部场与对应网络状态分量的乘积之和,与功能网络间耦合系数与对应两个网络状态分量的乘积之和相加后取负值确定,所述局部场和功能网络间耦合系数构成所述景观参数;所述脑动力学指标向量包括吸引子深度和能量壁垒高度。

10、进一步地,所述脑电建模模块以当前时刻之前预设长度的滑动时间窗内相应功能网络活动包络的稳健中位数作为二值化阈值,并通过预设时间常数的慢变基线对所述活动时间序列进行去趋势处理;被标记为低置信的数据在所述成对最大熵模型拟合和脑动力学指标向量计算过程中被剔除。

11、进一步地,所述刺激-景观演化动态预测模型以刺激前景观参数和候选刺激方案的定长编码向量作为输入,并将群体共享算子的输出与个体适配算子的输出之和作为所述景观参数增量;所述群体共享算子采用图神经网络,用于表征不同被试间共有的刺激响应规律,所述个体适配算子用于表征当前被试的刺激敏感性;所述定长编码向量中,对刺激类型及离散刺激靶点采用独热编码,对刺激强度、刺激频率和刺激时机采用归一化实数编码,脉冲串模式采用包括串长、串内频率、串间隔和占空比的编码。

12、进一步地,所述刺激-景观演化动态预测模型通过群体数据预训练与个体纵向数据微调相结合的迁移学习方式建立,所述群体数据预训练用于训练所述群体共享算子,所述个体纵向数据微调用于训练所述个体适配算子;

13、所述刺激-景观演化动态预测模型基于训练样本进行模型训练,每一训练样本包括刺激前景观参数、刺激方案编码向量和刺激后景观参数,并以刺激中间态景观参数作为辅助监督数据。

14、进一步地,所述个体纵向数据微调仅采用同一被试的纵向训练样本,并将刺激前景观参数分离为个体固有基线与状态涨落分量;

15、其中,所述个体固有基线根据被试历次静息态景观参数的中位数确定,并在刺激前景观参数输入所述群体共享算子之前,从所述刺激前景观参数中去除;所述个体适配算子采用秩低于所述景观参数维度的低秩参数化结构,在所述个体纵向数据微调过程中冻结所述群体共享算子的参数,并更新所述低秩参数化结构的参数。

16、进一步地,所述表型分层模块对当前脑动力学指标向量相对于各异常表型参照分布进行标准化处理,得到各脑动力学指标的标准化分数,依据用于表征各异常表型的指标维度及其标准化分数的方向确定异常表型,并根据相应标准化分数的绝对值确定异常等级;所述表型分层模块根据所述异常表型和异常等级,在对应的异常-缓解轨迹上确定目标位置,并通过相邻轨迹节点之间的插值获得所述目标脑动力学指标向量。

17、进一步地,所述候选刺激方案包括刺激靶点以及刺激类型、刺激强度、刺激频率、脉冲串模式和刺激时机;

18、所述预测调控模块采用预测脑动力学指标向量与目标脑动力学指标向量之间的表型加权距离作为偏差的度量,并对用于确定被试所属异常表型的指标维度赋予高于其余指标维度的权重。

19、进一步地,所述刺激-景观演化动态预测模型包括由多个模型实例构成的集成结构;所述预测调控模块从位于安全刺激参数集内且预测脑动力学指标向量的置信度不低于预设置信度阈值的候选刺激方案中进行筛选,所述安全刺激参数集对刺激强度、单次刺激剂量、累计刺激剂量、刺激频率和脉冲串占空比设置预设上下限,所述置信度根据集成结构中多个模型实例输出之间的方差确定;当用于训练当前被试的个体适配算子的训练样本数量低于预设样本阈值时,所述预测调控模块仅通过所述群体共享算子进行景观参数增量预测,并同步降低刺激强度上限;

20、当实测刺激后脑动力学指标向量与目标脑动力学指标向量之间的表型加权距离,相较于刺激前脑动力学指标向量与目标脑动力学指标向量之间的表型加权距离增加超过预设偏移阈值时,所述双路反馈模块降低对应异常表型与刺激靶点组合在候选刺激方案选择中的权重,并将对应的刺激前后状态数据及刺激方案标记为带有负向响应标记的训练样本,用于更新所述刺激-景观演化动态预测模型。

21、第二方面,本发明还提供,基于实时脑电的闭环无创神经调控方法,包括以下步骤:

22、s1:根据多通道脑电信号提取功能网络状态,基于成对最大熵模型构建个体化能量景观,并生成个体化能量景观的景观参数和脑动力学指标向量;

23、s2:维护按照脑动力学异常表型分类以异常-缓解轨迹存储的能量景观参照数据库,根据当前脑动力学指标向量确定异常表型和异常等级,并根据对应的异常-缓解轨迹确定目标脑动力学指标向量;

24、s3:通过刺激-景观演化动态预测模型预测各候选刺激方案引起的景观参数增量,计算景观参数增量与刺激前景观参数之和,得到预测刺激后景观参数及预测脑动力学指标向量,筛选与目标脑动力学指标向量偏差最小的候选刺激方案生成调控指令,输出调控指令以驱动刺激装置向相应刺激靶点施加无创物理刺激;

25、s4:根据刺激后脑电信号获得实测刺激后景观参数及实测脑动力学指标向量,通过第一反馈路径将刺激前后的景观参数及脑动力学指标向量写入异常-缓解轨迹,以更新能量景观参照数据库;通过第二反馈路径,根据预测脑动力学指标向量与实测脑动力学指标向量之间的偏差更新刺激-景观演化动态预测模型,完成更新后触发系统进入下一调控周期。

26、相比现有技术,本发明的有益效果为:

27、本发明通过预测调控模块以刺激—景观演化动态预测模型预测各候选刺激方案引起的景观参数增量,并以其与刺激前景观参数之和作为预测刺激后景观参数进行择优,使决策模型由静态景观升级为反映刺激扰动的动态景观,有效缓解了刺激已使地图失效却仍据废图决策的问题;表型分层模块以脑动力学异常表型及其异常—缓解轨迹替代单一健康基准生成目标脑动力学指标向量,使目标生成兼顾同一诊断内部的脑动力学异质性;双路反馈模块以第一反馈路径回填参照数据库、以第二反馈路径校正预测模型,使参照数据与预测模型同步精化,形成闭合的自校正回路,有助于实现由目标脑状态到刺激指令的推导,并使系统随治疗持续自我精化。

28、通过脑电建模模块作为系统内景观参数的统一来源,使参照数据、训练数据与实时数据处于同一特征坐标系,提升各阶段景观的可比性;其采用滑窗稳健中位数阈值配合慢变基线去趋势,使阈值仅依赖过去数据而满足实时因果性,并将清醒度漂移吸收进基线、保留快速状态涨落,从而更稳定地识别脑状态;预测模型以残差形式预测景观参数增量,通过去除个体固有基线与低秩个体适配算子将刺激效应与个体差异解耦,使个体适配部分学到刺激特有响应而非基线差异,有助于在少量个体事件后加快收敛;安全刺激参数集、置信度阈值、降级模式与熔断机制共同提升调控过程的安全裕度与鲁棒性。