一种基于模型预测控制的脊髓电刺激闭环镇痛方法和系统与流程

摘要: 本发明涉及神经调控,具体涉及一种基于模型预测控制的脊髓电刺激闭环镇痛方法和系统。背景技术:1、脊髓电刺激(scs)作为神经调控领域重要治疗手段,常用于背部手术失...
一种基于模型预测控制的脊髓电刺激闭环镇痛方法和系统与流程

本发明涉及神经调控,具体涉及一种基于模型预测控制的脊髓电刺激闭环镇痛方法和系统。

背景技术:

1、脊髓电刺激(scs)作为神经调控领域重要治疗手段,常用于背部手术失败综合征、复杂性区域疼痛综合征、带状疱疹相关疼痛等难治性慢性疼痛的临床干预,其工作原理为借助植入式脉冲发生器(ipg)向脊髓背柱施加电刺激,干预疼痛信号上行传导通路,实现慢性疼痛缓解。当前临床上主流脊髓电刺激系统大多采用开环控制模式,由医生术后结合患者主观感受设定幅度、频率、脉宽、电极组合等固定刺激参数,设备持续输出恒定电刺激。但该开环方案存在明显短板:患者疼痛状态易受体位改变、肢体活动、情绪、昼夜节律等因素影响,固定刺激参数难以适配动态变化的生理状态;参数调优高度依靠医生人工调试与患者主观反馈,调参周期长,很难得到最优参数组合;还容易出现过度刺激或者刺激不足的情况,过度刺激会带来不良反应、加剧电池损耗,刺激不足则镇痛效果缺失。

2、为克服开环控制的弊端,闭环脊髓电刺激技术不断发展,该类系统通过实时采集生物标志物动态调整刺激输出,常用反馈信号包含诱发电位(ecap)、加速度计采集的体位运动信号,部分方案采用神经特征预测模型在ecap无法检测场景下间接获取反馈信息,典型产品如美敦力inceptiv闭环scs系统。但现有闭环scs仍存在诸多技术局限:控制策略多采用pi控制或者查表式规则控制,属于事后纠正的被动反馈,缺少基于系统动力学模型的前瞻预测优化能力;大多仅依靠客观生物标志物,未能融合患者主观疼痛感受,而客观生理指标和主观疼痛体验并不呈简单线性对应关系;面对幅度、频率、脉宽、电极组合多维度可调变量,一般仅对单一参数做调节,缺少多变量协同优化机制;当疼痛状态快速突变时,易出现响应滞后、控制超调,降低镇痛稳定性;同时未将刺激安全上限、设备能耗等约束纳入优化求解过程,约束仅做后置拦截处理。

3、模型预测控制(mpc)是一种先进控制策略,核心是依托被控对象动力学模型,在每个采样时刻预测有限时域内系统未来状态,求解带约束优化问题输出当前最优控制量。mpc现已在麻醉自动给药系统落地,用于调控丙泊酚、瑞芬太尼输注速率维持麻醉深度,但目前尚未出现将模型预测控制应用于脊髓电刺激闭环镇痛的完整算法方案。

4、因此,亟需提供一种能够实现前瞻性预测控制、多参数协同优化、显式约束处理并兼顾个性化与长期适应性的脊髓电刺激闭环镇痛方法及系统。

5、检索到的相关专利文献:

6、公开国别中国,专利号为cn121971802a,公开日期为2026年05月05日,该文献公开了一种基于生理反馈的闭环经皮脊髓电刺激镇痛系统及方法,属于无创电刺激镇痛技术及其刺激控制系统领域。该系统包括:电极贴片,其柔性基底上集成设置有至少一对电极单元,用于贴附于受试者体表对应脊髓节段区域;生理信号采集模块,用于实时采集受试者的多模态生理信号;刺激器,与电极贴片电性连接,用于生成并向所述电极贴片的至少一对电极单元输出电刺激信号;控制模块,与生理信号采集模块和刺激器连接,基于生理信号采集模块采集的生理信号,评估受试者的疼痛状态;根据评估结果,生成控制指令对刺激器的输出状态进行闭环调节。该系统引入客观反馈、提高适配性、无创个体化、操作简便,实现了监测、分析、调节的闭环自动化控制。

7、公开国别中国,专利号为cn118022168b,公开日期为2024年06月21日,该文献公开了一种缓解慢性疼痛的闭环控制装置及电刺激系统,装置包括:电刺激模块,用于通过在外周背根神经节位置的电极进行电刺激以实现疼痛刺激;时间序列激活曲线创建模块,用于通过电极采集并记录由疼痛刺激引起的脊髓背角中的wdr神经元激活的aβ纤维与c纤维的峰值信号,获取峰值信号的发射速率,并创建发射速率的时间序列激活曲线;线性拟合模型构建模块,用于基于发射速率的时间序列激活曲线建立aβ纤维的线性拟合模型与c纤维的线性拟合模型;优化调整模块,用于获取线性拟合模型的拟合优度。通过不断优化电刺激的频率和强度参数范围,使得疼痛系数处于预设范围,以实现最优的缓解慢性疼痛效果。

8、前述文献代表的现有技术至少存在以下未解决的技术问题或缺陷,主要体现在:

9、1.cn121971802a一定程度上解决无创场景下基于生理反馈实现电刺激闭环自动调节的问题,但是还存在未采用动力学模型开展前瞻性预测优化,缺少多刺激参数协同优化机制,也未将安全、能耗约束显式纳入控制求解,面对疼痛状态突变时易出现响应滞后与超调的问题;

10、2.cn118022168b针对基于神经元纤维信号构建线性模型对电刺激参数进行优化的问题进行改进,但还是未解决采用简单线性模型难以刻画疼痛-刺激之间复杂动态关系,缺少滚动时域预测能力,未融合患者主观疼痛评分反馈,缺少完备的安全约束与模型在线自适应更新机制的问题。

11、综上所述,在神经调控技术领域,现有技术前瞻性优化缺失、反馈信息单一、多参数协同优化能力不足、约束处理不完善、动态响应性能差,亟需构建患者特异性疼痛响应动力学模型,融合主客观多模态反馈信号,实现多刺激参数带约束的前瞻性滚动优化,并具备模型在线自适应更新能力,提升镇痛的个性化、安全性与动态响应稳定性。

技术实现思路

1、本发明的目的在于提供:

2、一种基于模型预测控制的脊髓电刺激闭环镇痛方法和系统,旨在克服现有技术存在前瞻性优化缺失、反馈信息单一、多参数协同优化能力不足、约束处理不完善、动态响应性能差等问题,通过构建患者特异性动力学模型,融合主客观多模态反馈信号,实现多刺激参数带约束滚动优化,并支持模型在线自适应更新,实现稳定、安全的个性化闭环镇痛。

3、术语说明:

4、除非另有定义,否则本文所有科技术语具有的涵义与本发明主题所属领域技术人员通常理解的涵义相同。

5、应理解,上述简述和下文的详述为示例性且仅用于解释,而不对本发明的主题作任何限制。在本发明中,除非另有具体说明,否则使用单数时也包括复数。还应注意,除非另有说明,否则所用“或”、“或者”表示“和/或”。此外,所用术语“包括”以及其它形式,例如“包含”、“含”和“含有”并非限制性。

6、可在参考文献“《功能神经外科学》,人民卫生出版社,李勇杰主编”中找到标准术语的定义。

7、除非另有说明,否则采用本领域技术范围内的常规方法,如滤波等方法。

8、术语“任选/任意”或“任选地/任意地”是指随后描述的事件或情况可能发生或可能不发生,该描述包括发生所述事件或情况和不发生所述事件或情况。

9、本文所用的术语“vas”,指:视觉模拟评分法,临床最常用主观疼痛评估工具。

10、本发明提供了一种基于模型预测控制的脊髓电刺激闭环镇痛方法,包括:

11、s1、扫描采集刺激参数,构建刺激-响应数据集,基于所述刺激-响应数据集得到患者特异性疼痛响应动力学模型;

12、s2、所述患者特异性疼痛响应动力学模型设定镇痛目标值、预测时域步数、控制时域步数、权重矩阵和约束条件;

13、s3、基于预设的采样周期循环采集多模态信号,对所述多模态信号滤波融合得到当前镇痛效果状态估计值,所述多模态信号包括客观信号和主观信号;

14、s4、基于所述患者特异性疼痛响应动力学模型构建模型预测控制目标函数,结合所述约束条件输出未来的刺激参数序列,基于滚动时域策略选取当前待输出刺激参数;

15、s5、对所述待输出刺激参数执行安全校验,校验通过输出刺激参数,校验不通过则回退至上一安全刺激参数;

16、s6、基于实时采集的刺激参数在线更新所述患者特异性疼痛响应动力学模型的参数,监控所述患者特异性疼痛响应动力学模型的预测误差,所述预测误差持续超阈值时触发模型重辨识,自适应调整权重矩阵,等待进入下一个采样周期。

17、其中术语“模型预测控制目标函数”选自:目标函数。

18、基于对本发明的技术问题的进一步解决或同时解决多个技术问题,在本发明第一方面所提供的技术方案中,优选方案包括:

19、第一项优选方案:

20、所述刺激参数包括刺激幅度、刺激频率、刺激脉宽和电极组合编码中的一种或多种。

21、该技术方案在解决了技术问题“疼痛动态变化下闭环镇痛响应滞后、控制超调”的基础上,进一步解决了技术问题“仅依靠单一刺激参数调节难以实现最优镇痛、无法兼顾刺激安全性与植入设备能耗”。

22、第二项优选方案:

23、所述患者特异性疼痛响应动力学模型的公式为:

24、;

25、其中,为t时刻的镇痛效果指标,为t时刻的刺激参数向量,为可测干扰,为过程噪声;

26、所述镇痛效果指标至少包括疼痛评分、ecap幅度,所述刺激参数向量至少包括幅度、频率、脉宽和电极组合编码,所述可测干扰至少包括姿势状态、活动水平。

27、该技术方案在解决了技术问题“无法建立个体化刺激-镇痛效果动态映射”的基础上,进一步解决了技术问题“体位、活动等可测干扰未纳入模型,导致疼痛状态估计不准”。

28、第三项优选方案:

29、所述约束条件包括刺激参数上下限约束、刺激参数最大变化量约束、最低镇痛效果约束和最大能耗约束。

30、该技术方案在解决了技术问题“电刺激参数调节无边界限制、易出现安全超限风险”的基础上,进一步解决了技术问题“难以兼顾镇痛效果稳定性与植入设备能耗可控性、控制优化自由度不足”。

31、第四项优选方案:

32、所述客观信号包括ecap信号、加速度信号和生理信号,所述主观信号为实时输入的疼痛视觉模拟评分或数字评分。

33、该技术方案在解决了技术问题“仅依靠单一客观生物标志物评估疼痛状态,与患者真实疼痛感受存在偏差”的基础上,进一步解决了技术问题“疼痛评估信息维度不足,造成镇痛状态估计不准确、控制目标偏离患者实际需求”。

34、第五项优选方案:

35、所述模型预测控制目标函数的计算公式为:

36、;

37、其中,为基于模型预测的未来第i步镇痛效果,为期望的镇痛目标轨迹(如目标疼痛评分≤3分),为刺激参数的变化量(惩罚剧烈变化),为刺激参数的绝对值(惩罚过度刺激),q为镇痛偏差权重矩阵,r为参数变化惩罚权重矩阵,s为刺激幅值惩罚权重矩阵,r为镇痛目标值,np为预测时域步数、nc为控制时域步数,所述权重矩阵可根据临床需求调节。

38、该技术方案在解决了技术问题“无法量化镇痛偏差与刺激代价、难以在预测时域内实现多目标协同寻优”的基础上,进一步解决了技术问题“权重固定,不能根据不同患者临床需求自适应调节优化偏好”。

39、第六项优选方案:

40、所述安全校验包括硬约束校验、软约束校验和安全看门狗;

41、所述硬约束为强制约束,要求刺激幅度不超过组织损伤阈值或患者耐受上限,刺激频率不超出安全范围;

42、所述软约束以惩罚函数形式整合至所述模型预测控制目标函数中,当发生轻微约束违背时,优化求解仍能够输出可行解。

43、该技术方案在解决了技术问题“电刺激参数易超限、存在组织损伤与患者耐受超标安全风险”的基础上,进一步解决了技术问题“传统硬性约束易导致极端工况下优化无解、闭环控制中断,无法兼顾安全性与控制稳定性”。

44、第七项优选方案:

45、所述患者特异性疼痛响应动力学模型的参数采用带遗忘因子的递推最小二乘法或递归预测误差法递归更新。

46、该技术方案在解决了技术问题“固定模型参数无法适配患者生理状态动态变化、模型预测精度随使用时长持续下降”的基础上,进一步解决了技术问题“传统静态模型辨识时效性差、无法实时迭代优化,难以长期维持精准闭环镇痛调控”。

47、第二方面,本发明提供了:一种基于模型预测控制的脊髓电刺激闭环镇痛系统,应用于上述的基于模型预测控制的脊髓电刺激闭环镇痛方法中,患者特异性疼痛响应模型构建模块、多模态反馈信号采集处理模块、模型预测控制优化求解模块、约束管理与安全校验模块、模型在线更新自适应模块、脉冲刺激输出模块和存储模块;

48、所述患者特异性疼痛响应模型构建模块,用于执行初始化参数扫描,通过系统辨识得到患者专属疼痛响应动力学模型,并将模型参数输出至存储模块;

49、所述多模态反馈信号采集处理模块,用于接入ecap采集电极、加速度计和外接患者交互终端,完成信号放大、滤波、特征提取,采用卡尔曼滤波或无迹卡尔曼滤波实现多模态信号融合,输出镇痛状态估计;

50、所述模型预测控制优化求解模块,用于读取存储模块内的患者模型与控制器参数,完成未来镇痛效果预测,构建并求解带约束的二次规划优化问题,输出最优刺激参数序列;

51、所述约束管理与安全校验模块,用于配置硬约束、软约束以及独立看门狗安全逻辑,接收待输出刺激参数并完成安全校验,在参数异常时执行安全回退操作;

52、所述模型在线更新自适应模块,用于接收实时观测数据,递归更新模型参数,监控模型预测误差,可触发模型重辨识,并自适应调节目标函数权重矩阵;

53、所述脉冲刺激输出模块,用于接收校验完成后的刺激参数,生成并输出脊髓电刺激脉冲;

54、所述存储模块,用于存储患者动力学模型参数、控制器配置参数、安全约束阈值以及历史观测数据。

55、本发明至少具有如下有益效果:

56、1.与现有技术相比,本发明在疼痛动态响应、抑制控制滞后与超调等方面,具有更好的技术效果。

57、根据工作原理分析,本发明通过采用模型预测控制mpc框架,依托患者特异性疼痛响应动力学模型预测未来镇痛效果,在疼痛偏差出现之前完成预判性刺激参数调整,克服pi、查表规则等被动反馈策略固有的响应滞后问题,实现前瞻性控制,提升疼痛突变工况下镇痛稳定性。

58、2.与现有技术相比,本发明在刺激参数调节维度、多参数协同寻优等方面,具有更好的技术效果。

59、根据工作原理分析,本发明通过将刺激幅度、频率、脉宽、电极组合多维刺激参数统一纳入带约束优化框架,突破现有闭环系统仅调节刺激幅度的局限,求解得到多参数协同最优配置,充分发挥脊髓电刺激多维度调控潜力。

60、3.与现有技术相比,本发明在反馈信息融合、个性化自适应、安全能耗约束处理、嵌入式工程落地等方面,具有更好的技术效果。

61、根据工作原理分析,本发明通过融合ecap客观生物标志物与患者主观疼痛评分做多源状态估计,使控制目标贴合患者真实主观镇痛感受;将安全边界、参数变化速率、设备能耗显式纳入mpc优化求解,并区分硬约束、软约束搭配安全看门狗机制;同时设置模型在线更新与重辨识机制,适配电极界面、病情带来的生理长期变化;优化问题转化为二次规划,依靠成熟高效求解算法,适配植入设备低功耗嵌入式处理器实时运算。