一种基于能量条件耦合张量学习的神经状态解码方法和系统

本发明属于神经信号处理与智能解码，具体涉及一种基于能量条件耦合张量学习的神经状态解码方法和系统。

背景技术：

1、左旋多巴是帕金森病运动症状治疗中的常用药物。随着给药时间延长，部分受试对象会出现左旋多巴诱导异动症。该状态与基底节—皮层环路中多个脑区的节律活动改变有关。局部场电位能够反映神经群体活动，适于从频谱和跨频相互作用角度提取与状态相关的生物电特征。

2、相位振幅耦合用于描述低频振荡相位对高频振荡振幅的调制关系。现有方法通常将耦合矩阵压缩为若干统计量，或仅使用耦合强度的模值进行分类。此类处理会丢失复数耦合值的方向信息，也难以显式区分处于不同相位频率和振幅频率位置但数值相近的耦合模式。

3、另一方面，频带能量和相位振幅耦合反映神经信号的不同属性。将两类特征直接拼接，容易使尺度较大或更易拟合的能量特征成为分类器的主导输入；将能量直接作为权重乘到耦合标量上，又难以在已学习的高维耦合表征中实施细粒度校准，并可能放大噪声或个体差异。

4、多脑区神经信号还具有明显的空间异质性和时间动态性。固定平均多个脑区或多个时间窗，不能根据状态相关程度自适应选择脑区和时刻。若在随机片段层面划分训练集和测试集，还可能使同一受试对象的数据同时进入训练和测试过程，造成跨受试对象泛化性能被高估。

5、因此，需要一种能够保留复数相位振幅耦合信息和频率位置关系、以受控方式引入能量条件、并联合建模脑区差异及时序动态的神经状态解码方案。

技术实现思路

1、鉴于上述，本发明的目的在于克服上述不足，提供一种基于能量条件耦合张量学习的神经状态解码方法和系统，其可用于对多脑区局部场电位信号中的相位振幅耦合结构进行表征，并对帕金森病基线状态与左旋多巴诱导异动症相关状态进行跨受试对象解码。

2、为实现上述发明目的，实施例提供的一种基于能量条件耦合张量学习的神经状态解码系统，包括：

3、耦合张量构建模块，其用于从每个脑区的每个时间窗口内局部场电位信号提取多个低频相位分量和多个高频振幅包络分量并计算复数相位振幅耦合值，将复数相位振幅耦合值的实部、虚部和模值作为复数表征通道，形成相位振幅耦合张量；

4、坐标感知编码模块，其用于向相位振幅耦合张量加入用于表征相位频率位置和振幅频率位置的归一化坐标通道后提取相位振幅耦合特征令牌；

5、能量条件调制模块，其用于从局部场电位信号中提取与时间窗和脑区对应的频带能量特征，根据频带能量特征生成尺度参数和偏置参数，基于尺度参数和偏置参数并利用有界特征线性调制对相位振幅耦合特征令牌进行校准；

6、聚合解码模块，其用于对校准后相位振幅耦合特征令牌依次进行跨脑区注意力聚合和跨时间窗时序聚合，获得分析片段级表征并经过解码得到神经状态解码结果，用于区分帕金森病基线状态与左旋多巴诱导异动症相关状态。

7、优选地，所述复数相位振幅耦合值按照以下公式计算：

8、

9、其中，表示第个低频相位分量与第个高频振幅包络分量之间的复数相位振幅耦合值，表示时间窗内的采样点数，表示第个高频分量在采样时刻的瞬时振幅，表示第个低频分量在采样时刻的瞬时相位，表示虚数单位；所述瞬时振幅和所述瞬时相位由带通滤波和希尔伯特变换得到。

10、优选地，所述相位振幅耦合张量为将复数相位振幅耦合值的复数表征通道按照时间窗维、脑区维、相位频带维、以及振幅频带维排列形成的张量。

11、优选地，所述归一化坐标通道分别根据相位频带中心频率和振幅频带中心频率生成，并与实部、虚部和模值对应的复数表征通道在通道维拼接，以实现相位振幅耦合张量中添加归一化坐标通道；

12、通过坐标感知编码网络依据添加归一化坐标通道的相位振幅耦合张量来提取相位振幅耦合特征令牌，其中坐标感知编码网络包括至少两层卷积层、非线性激活层、归一化层以及线性投影层，用于保留耦合模式在相位频率轴和振幅频率轴上的位置关系。

13、优选地，所述频带能量特征包括各预设频带内的相对对数带功率，其中相对对数带功率通过对相应频带功率取对数并相对于同一时间窗、同一脑区的参考功率进行归一化得到；

14、通过条件参数生成网络依据频带能量特征生成尺度参数和偏置参数，其中条件参数生成网络采用多层感知机，输出与相位振幅耦合特征令牌维数相同的尺度参数和偏置参数。

15、优选地，所述有界特征线性调制按照以下公式对相位振幅耦合特征令牌进行校准：

16、

17、其中，和分别表示校准前后的相位振幅耦合特征令牌，表示尺度参数，表示偏置参数，表示调制强度且，为函数。

18、优选地，所述跨脑区注意力聚合包括：针对每个时间窗，根据各脑区对应的校准后相位振幅耦合特征令牌计算归一化脑区权重，并对各脑区对应的校准后相位振幅耦合特征令牌进行加权求和，得到每个时间窗的脑区融合表征。

19、优选地，所述跨时间窗时序聚合包括：将各时间窗的脑区融合表征按照时间顺序输入双向门控循环单元，获得时间窗级隐藏状态；根据各时间窗级隐藏状态计算归一化时间权重并进行加权求和，得到分析片段级表征。

20、为实现上述发明目的，本发明实施例提供了一种基于能量条件耦合张量学习的神经状态解码方法，其采用上述系统，包括以下步骤：

21、从每个脑区的每个时间窗口内局部场电位信号提取多个低频相位分量和多个高频振幅包络分量并计算复数相位振幅耦合值，将复数相位振幅耦合值的实部、虚部和模值作为复数表征通道，形成相位振幅耦合张量；

22、向相位振幅耦合张量加入用于表征相位频率位置和振幅频率位置的归一化坐标通道后提取相位振幅耦合特征令牌；

23、从局部场电位信号中提取与时间窗和脑区对应的频带能量特征，根据频带能量特征生成尺度参数和偏置参数，基于尺度参数和偏置参数并利用有界特征线性调制对相位振幅耦合特征令牌进行校准；

24、对校准后相位振幅耦合特征令牌依次进行跨脑区注意力聚合和跨时间窗时序聚合，获得分析片段级表征并经过解码得到神经状态解码结果，用于区分帕金森病基线状态与左旋多巴诱导异动症相关状态。

25、为实现上述发明目的，实施例还提供了一种计算设备，包括存储器和一个或多个处理器，所述存储器中存储有可执行代码，所述一个或多个处理器执行所述可执行代码时，用于实现上述基于能量条件耦合张量学习的神经状态解码方法。

26、为实现上述发明目的，实施例还提供了一种计算机可读存储介质，其上存储有程序，该程序被处理器执行时，实现上述基于能量条件耦合张量学习的神经状态解码方法。

27、与现有技术相比，本发明具有的有益效果至少包括：

28、（1）同时保留复数相位振幅耦合值的实部、虚部和模值，降低仅使用耦合强度所造成的信息损失；

29、（2）通过相位频率的归一化坐标和振幅频率的归一化坐标显式标记耦合单元的位置，使提取相位振幅耦合特征令牌时的卷积编码能够区分不同频率位置的局部模式；

30、（3）以有界特征线性调制方式引入频带能量，使能量仅对高维耦合表征进行有限幅度的条件校准，降低能量特征压制耦合特征或放大噪声的风险；

31、（4）利用脑区注意力和时序聚合自适应融合不同脑区及不同时间窗的信息，适应多脑区神经状态的空间异质性和时间动态性。