脑交互设备和方法与流程

本发明涉及神经调节设备，以及使用上述神经调节设备的方法。更具体地，本发明涉及脑交互设备以及使用这种设备的方法，例如通过利用使用计算装置实现的人工智能(自适应学习)，当在操作中处理通过脑交互设备的信号时，该计算装置修改脑交互设备的操作方式。此外，本发明涉及计算机程序产品，该计算机程序产品包括其上存储有计算机可读指令的非暂时性计算机可读存储介质，计算机可读指令可由包括处理硬件的计算机化器件执行以执行上述方法。

背景技术

最近，可操作以刺激人类神经系统的设备有了显著发展。然而，源自给定人员的给定大脑的电化学信号通过给定大脑的颅骨与外部影响隔离，其中电化学信号通过颅骨在空间上传播。此外，非侵入性脑刺激(NIBS)系统目前正用于脑刺激。在示例中，通过向神经系统施加电刺激以控制神经系统对疼痛的感知来修改神经系统的功能，或者在执行认知任务时使用不同的脑刺激协议来增强神经系统的表现。

通常，通过连接与给定人员的头皮区域接触的电极来检测源自给定人员的给定大脑的电化学信号。一般而言，通过使用与头皮区域接触的电极从给定大脑拾取的信号具有数十到数百微伏数量级的幅度。这些信号或源自这些信号的参数与各种大脑状态、认知活动和特定障碍有关。还可以使用这些相同或不同的电极来为非侵入性脑刺激(NIBS)传递电流。此外，大多数常规非侵入性脑刺激(NIBS)系统都依赖于“普适型”协议，即通常用于不同类型大脑的通用协议。相反，发现人类大脑具有高度的个人主义，即它们对刺激的反应方式彼此不同。此外，考虑到颅骨大小并用于电记录和电刺激的刚性常规电极定位系统(也称为10/20系统)依赖于护士或技术人员的帮助，但它仍然没有考虑到大脑的个体性以及不适应的信号处理和刺激算法，因此在极端情况下会导致不良的重现性和意外结果。因此，根据“普适型”协议的这种单一设备设计是粗略且无效的方法。

这种个体性要求突出了该领域中用以针对关于个体间结构变异的刺激，但也针对个体信号动力学，甚至针对实时快速变化的大脑状态进行优化的主要挑战和需求。由于脑刺激会影响大脑的状态，因此可能需要相应地调适刺激，从而形成“反馈循环”。如果在没有任何第三方参与的情况下自动实时发生这种调适，则这种类型的循环被称为“闭环”。如果刺激不能有效地将大脑状态改变为期望状态，则可以定义为“脑刺激协议”的刺激集体参数将需要在该反馈循环中进行调整，直到达到期望效果为止。因此，我们将处理传入信号或调整脑刺激协议的任何装置定义为“自适应学习算法”，这些装置可以适应个体间和状态间的差异。

然而，大多数现有的专用设备在提供真正闭环非侵入性脑刺激(NIBS)的能力方面受到限制。应注意，现有的专用设备缺乏用于调整和优化刺激的实时协议，导致非侵入性脑刺激(NIBS)能够提供的有益效果的重现性较差。此外，迄今为止，在这个方向上所做的大部分努力主要集中在响应于记录的脑电波的正相位或负相位来触发刺激。例如，如WIPO公开WO2017015428A1中所述，为了触发与所记录的给定受试者的脑电波同相的刺激，目前使用“锁相”形式。

尽管在上述神经调节设备中取得了进步，但仍需要进一步优化刺激参数，以实现对非侵入性脑刺激(NIBS)的改进型实时优化。因此，根据前述讨论，需要克服与常规非侵入性脑刺激(NIBS)系统相关的前述缺点。

技术实现要素：

本发明寻求提供一种改进型脑交互设备，例如NIBS设备，该设备能够更好地调适其刺激参数以适应应用该设备的每个人的个体需求和特性。

此外，本发明寻求描述一种用于使用改进型脑交互设备(例如NIBS设备)的改进方法，该设备能够取决于个体大脑对刺激的反应更好地动态调适其刺激参数以适应应用该设备的每个人的个体需求和特性。

本发明的目的是提供一种至少部分克服现有技术中在NIBS中遇到的问题的解决方案，并向用户提供改进型脑交互设备。

在第一方面，本发明的实施例提供了一种脑交互设备，该脑交互设备在操作时运行对用户大脑的脑活动监测和刺激，其中，该设备包括：

(i)待放置或定位在用户头部上的头戴式装置，其中，该头戴式装置包括电极装置，该电极装置包括多个电极，该多个电极在操作时与用户的头皮进行电接触，以检测来自头皮的电信号并对头皮施加脑刺激；

(ii)输入/输出装置，该输入/输出装置在操作时从多个电极中的至少一个接收电信号，并且使用多个电极中的至少一个传递脑刺激；

(iii)数据处理装置，该数据处理装置对从输入/输出装置接收到的检测到的电信号进行处理，并且在操作时生成取决于接收到的电信号的脑刺激协议，其中，数据处理装置包括存储器模块；以及

(iv)电源单元，该电源单元为输入/输出装置和数据处理装置提供电力，

其特征在于，数据处理装置将接收到的电信号与预定参考数据集进行比较以生成对接收到的电信号的分析，并且将至少一种自适应学习算法或另一计算算法应用于分析和生成脑刺激协议的过程。本发明的优点在于提供了一种个性化的脑交互设备，该脑交互设备能够以自适应和实时的方式提供用户专用刺激，从而产生对用户友好的刺激环境，以达到期望效果。

本发明的实施例在提供脑交互设备方面是有利的，该脑交互设备能够通过针对个体大脑信号动力学进行优化的神经调节来改善与失眠、注意力缺陷多动障碍、癫痫和帕金森病颤抖相关的症状。此外，本发明的设备提供了一种用于根据从大脑接收到的响应来实现安全有效的经颅刺激、脑活动的非侵入性记录和脑刺激的实时优化的解决方案。

在第二方面，本发明的实施例提供了一种使用脑交互设备的方法，该设备在操作时提供对用户大脑的脑活动监测和刺激，包括：

(i)使用电源单元为输入/输出装置和数据处理装置提供电力；

(ii)将头戴式装置放置或定位在用户头部，其中，该头戴式装置包括电极装置，该电极装置包括多个电极，该多个电极在操作时与用户的头皮进行电接触，以检测来自头皮的电信号并对头皮施加脑刺激；

(iii)使用输入/输出装置从多个电极中的至少一个接收电信号，并且将脑刺激传递到多个电极中的至少一个；

(iv)使用数据处理装置对从输入/输出装置接收到的检测到的电信号进行处理，并且生成针对接收到的电信号进行优化的脑刺激协议，其中，数据处理装置包括存储器模块；以及

(v)将接收到的电信号与预定参考数据集进行比较以生成分析，并且将至少一种自适应学习算法或另一计算算法应用于分析以生成脑刺激协议。

在第三方面，本发明的实施例提供了一种计算机程序产品，包括其上存储有计算机可读指令的非暂时性计算机可读存储介质，该计算机可读指令可由包括处理硬件的计算机化器件执行以执行前述方法。

将从附图和结合以下所附权利要求解释的说明性实施例的具体实施方式显而易见本发明的附加方面、优点、特征和目的。

将理解，在不脱离由所附权利要求限定的本发明的范围的情况下，本发明的特征易于以各种组合进行组合。

附图说明

当结合附图阅读时，可以更好地理解以上发明内容以及以下说明性实施例的具体实施方式。为了说明本发明，附图中示出了本发明的示例性实施例。然而，本发明不限于本文公开的特定方法和手段。此外，本领域技术人员将理解附图不是按比例绘制的。在可能的情况下，用相同的数字表示相同的元件。

现在将仅通过示例的方式，参考下图描述本发明的实施例，其中：

图1是根据本发明实施例的用于用户大脑的脑活动监测和刺激的脑交互设备的方框图的示意图示。

图2A和图2B是根据本发明实施例的应用于用户的图1的脑交互设备的示例性实现方式的图示；

图3是根据本发明实施例的用于实现至少一种自适应学习算法的闭环系统的图示；

图4是根据本发明实施例的包括控制单元和外部刺激装置的脑交互设备的示例性实现方式的图示；

图5是根据本发明实施例的包括外部刺激装置的脑交互设备的示例性实现方式的图示；

图6是根据本发明实施例的具有不同头戴式装置的脑交互设备的示例性实现方式的图示；

图7是根据本发明实施例的用于从用户接收指令或用于显示应用于用户的个性化脑刺激协议的示例性用户界面；

图8A至图8B示出了根据本发明实施例的响应于用于确定用户的最佳刺激频率的各种刺激频率，从用户大脑的O1(分别为通道7和通道8)区域检测到的信号的频谱图；

图9示出了根据本发明实施例的说明由LED传递的刺激频率与具有对应于LED光刺激频率的频率的脑信号的响应功率之间的非线性关系的曲线图；以及

图10是根据本发明实施例的用于对用户大脑的脑活动监测和刺激的方法的步骤的图示。

在附图中，下划线数字用于表示下划线数字所在的项或下划线数字相邻的项。不带下划线的数字与由将不带下划线的数字链接到项的线所标识的项相关。当数字不带下划线并伴有相关联的箭头时，不带下划线的数字用于标识箭头所指的一般项。

具体实施方式

以下具体实施方式说明了本发明的实施例以及可以实现它们的方式。尽管已经公开了实施本发明的一些模式，但是本领域技术人员将认识到用于实施或实践本发明的其他实施例也是可能的。

在一个方面，本发明的实施例提供了一种脑交互设备，该脑交互设备在操作时提供对用户大脑的脑活动监测和刺激，其中，该设备包括：

(i)待放置或定位在用户头部上的头戴式装置，其中，该头戴式装置包括电极装置，该电极装置包括多个电极，该多个电极在操作时与用户的头皮进行电接触，以检测来自头皮的电信号并对头皮施加脑刺激；

(ii)输入/输出装置，该输入/输出装置在操作时从多个电极中的至少一个接收电信号，并且将脑刺激传递到多个电极中的至少一个；

(iii)数据处理装置，该数据处理装置对从输入/输出装置接收到的检测到的电信号进行处理，并且在操作时生成取决于接收到的电信号的脑刺激协议，其中，数据处理装置包括存储器模块；以及

(iv)电源单元，该电源单元为输入/输出装置和数据处理装置提供电力，

其特征在于，数据处理装置将接收到的电信号与预定参考数据集进行比较以生成对接收到的电信号的分析，并且将至少一种自适应学习算法或另一计算算法应用于分析和生成脑刺激协议的过程。

另一方面，本发明实施例提供了一种使用脑交互设备的方法，该脑交互设备在操作时提供对用户大脑的脑活动监测和刺激，其特征在于，该方法包括：

(i)使用电源单元为输入/输出装置和数据处理装置提供电力；

(ii)将头戴式装置放置或定位在用户头部，其中，该头戴式装置包括电极装置，该电极装置包括多个电极，该多个电极在操作时与用户的头皮进行电接触，以检测来自头皮的电信号并对头皮施加脑刺激；

(iii)使用输入/输出装置从多个电极中的至少一个接收电信号，并且将脑刺激传递到多个电极中的至少一个；

(iv)使用数据处理装置对从输入/输出装置接收到的检测到的电信号进行处理，并且取决于接收到的电信号生成脑刺激协议，其中，数据处理装置包括存储器模块；以及(v)将接收到的电信号与预定参考数据集进行比较以生成分析，并且将至少一种自适应学习算法或另一计算算法应用于分析以生成脑刺激协议。

本发明提供了用于在操作时提供脑活动监测和刺激的上述设备和上述方法。本文描述的设备简单、坚固、便宜，并且允许以有效的方式提供电刺激。该设备有效地感测脑活动，并以稳健、有效和自适应的方式提供脑刺激作为来自该设备的反馈。

在整个本发明中，本文使用的术语“用户”涉及使用上述设备的任何人(即，人类)。可选地，用户可以是患有某种身体或精神障碍的人，诸如癫痫、头部损伤、脑炎、脑瘤、脑病、记忆相关问题、睡眠障碍、中风、痴呆等。替代地，用户可以是愿意达到特定精神状态的人，诸如提高注意力、进行放松、提高心理素质，或者一般来说，提高执行任务的表现。

在整个本发明中，本文所用的术语“脑活动监测”涉及通过脑电图(EEG)的方法监测从大脑接收到的电信号。可选地，脑活动监测可以包括检测信号，该信号包括但不限于使用电场脑描记术(EFEG)、近红外光谱学(NIRS)、脑磁描记术(MEG)、肌电描记术(EMG)(包括来自在空间上远离给定用户头皮的电极的信号)、心电图(ECG)、眼动追踪和/或功能磁共振成像(fMRI)获得的信号或信号的组合。更可选地，脑活动监测涉及在向用户大脑提供外部电刺激时监测用户大脑电活动的变化。更可选地，用户大脑的电活动可以指示与用户的心理和身体健康相关的生物参数，包括但不限于心率、呼吸率和皮肤电导。

在整个本发明中，本文使用的术语“脑刺激”或“多个脑刺激”(“刺激”的复数形式)涉及外部电流或应用于用户头皮或在空间上远离用户头皮的位置的一对电极、几对电极或电极的任何组合之间的电流幅度的定义序列或多个序列，以便修改和/或增强用户大脑中或电流能够到达的神经组织中的电活动。此外，在示例中，施加到用户头皮的脑刺激是具有1毫伏到50伏范围内的电压和具有0.1毫安到20毫安范围内的电流的模拟外部电信号。

在整个本发明中，本文使用的术语“刺激”涉及改变(指升高、降低或以其他方式调节)大脑中或在空间上远离给定用户大脑的组织中的生理或神经活动水平。应注意，在电信号的帮助下进行用户大脑的刺激，在一个或多个电极的帮助下将电信号施加到用户头皮。此外，通过使用微创脑刺激或非侵入性脑刺激方法中的任何一者或可选地两者来实现脑刺激。

在整个本发明中，本文使用的术语“电极”涉及一个或多个电导体，其中，这些导体的材料包括但不限于不锈钢、铂、氯化银涂覆的银、碳橡胶、石墨烯和其它超材料，以及必要时被放置在导体与头皮或皮肤之间的水凝胶、硅胶、海绵、泡沫或任何具有导电介质的吸收剂，包括但不限于导电凝胶和糊剂(诸如Ten20糊剂)，以及具有如下离子成分的液体(诸如生理盐水溶液)，以便建立电通路来检测大脑内部神经元生成的电信号，并为用户大脑脑内部的神经元和/或其他细胞提供脑刺激。此外，电极可操作以将离子电势转换为电势并且在头皮上和颅骨内部诱发电磁场。此外，电极可以是微创型(诸如针电极或微电极)或非侵入型(诸如表面电极)，或可选地两者兼而有之。在示例中，电极包括盐水浸泡的泡沫、导电碳和金属触点的组件。在这种示例中，金属触点与脑交互设备的一个或多个部件(诸如，在下文中详细描述的输入/输出装置和/或数据处理装置)可操作地耦合。

根据本发明的脑交互设备包括头戴式装置，该头戴式装置包括多个电极。在使用中，多个电极被放置或定位在用户头皮上，以便与用户大脑中的神经元建立电接触。这种电接触建立电通路以检测由神经元生成的电信号并为存在于用户大脑内的神经元和/或其他细胞提供脑刺激。多个电极检测通过神经元的活动在用户大脑内部生成的电信号，其中，检测到的电信号被提供给输入/输出装置。通常，检测到的电信号的幅度介于1微伏到100微伏之间。多个电极可以可选地被配置为本领域已知的任何合适的EEG电极装置。多个电极是混合电极，这些电极既可用于EEG记录和/或又可用于电刺激，例如经颅电流刺激(tCS)、经颅直流电刺激(tDCS)、经颅交流电刺激(tACS)、经颅随机噪声刺激(tRNS)、经颅时间干扰刺激(TI)、经颅时间总和(TS)和/或由自适应算法(tES)生成的任何其他任意经颅电流刺激协议。可以使用多个磁线圈代替电极以传递经颅静磁场刺激(tSMS)、低场强磁刺激(LFMS)、重复经颅磁刺激(rTMS)和/或由自适应算法生成的任何其他任意经颅磁刺激(TMS)协议。替代地，还可以使用多个超声发生器来传递也由自适应算法生成的聚焦超声刺激(FUS)协议。在整个本发明中，本文使用的术语“头戴式”或“头戴式装置”涉及由用户佩戴在他/她的头上的衣服元素。可选地，头戴式装置可以包括但不限于帽子、帽、头盔、耳机、头带、眼镜或无边帽中的任何一种。更可选地，头戴式装置可以以包括电绝缘材料层的方式制造。在示例中，头戴式装置可以由包括但不限于羊毛、棉、聚酯、橡胶、莱卡、尼龙或巴克拉姆的材料中的一者制成。

在整个本发明中，本文使用的术语“输入/输出装置”涉及可编程和/或不可编程部件，该部件在操作时接收、修改、转换、处理或生成一种或多种类型的信号。可选地，输入/输出装置被实现为硬件或软件或它们的组合。

在整个本发明中，本文使用的术语“数据处理装置”涉及可编程和/或不可编程部件，该部件在操作时执行一个或多个软件应用程序以存储、处理和/或共享数据和/或一组指令。可选地，数据处理单元可以包括例如被包括在电子通信网络内的部件。此外，数据处理装置可以包括硬件、软件、固件或这些的组合，它们适用于存储和处理由一个或多个用户使用一个或多个用户设备访问的各种信息和服务。可选地，数据处理装置可以包括功能部件，例如处理器、存储器、网络适配器等。例如，数据处理装置可以使用计算机、电话(例如，智能手机)、本地服务器、服务器装置(诸如，具有彼此可通信地耦合的两个或更多服务器的装置)、云服务器、量子计算机等。在整个本发明中，本文使用的术语“存储器模块”涉及易失性或持久性介质，诸如电路、磁盘、虚拟存储器或光盘，其中，计算机和/或数据处理装置可以存储数据达任何持续时间。可选地，存储器模块可以是非易失性大容量存储器，诸如物理存储介质。

在整个本发明中，本文所使用的术语“电源单元”涉及被配置为向脑交互设备的一个或多个部件提供电力的电源。可选地，电源单元可以包括能够提供电力的一个或多个电池或电池组。在示例中，电源单元可以向输入/输出装置中的刺激发生器提供12伏的电源并且向数据处理装置提供5伏的电源。可选地，电源单元还可以包括升压发生器和调节器电路，以将来自电池的3.7V电源转换为用于脑交互设备的5V电源和用于刺激发生器的12-40V电源。可选地，电源单元还可以包含电路，该电路包括电压分配器以向刺激发生器提供 /-12-40V。

在整个本发明中，本文使用的术语“预定参考数据集”涉及从来自多个人的EEG记录导出的数据。此外，多个人可以具有不同的年龄组、性别、心理和身体健康状况以及地理位置。

在整个本发明中，本文使用的术语“自适应学习算法”涉及基于软件的算法，这些算法可在计算硬件上执行，并且可操作以取决于在尝试使预定义错误/损失度量最小化时所呈现或在计算硬件上执行时由基于软件的算法处理的信息来调适和调整它们的操作参数。

在整个本发明中，术语“实时”指的是同时或以时间交替的方式执行的任何过程或一组过程，在这些交替之间具有小的时间延迟。此外，在一组过程必须以顺序方式执行的情况下，术语“同时”将指的是并行执行的过程，这些过程相对于彼此具有最小延迟/时移。

在整个本发明中，本文使用的术语“脑刺激协议”指的是包含关于要生成的脑刺激的信息的电信号。应注意，在本发明的实施例中，其中，多个电极包括被放置在远离给定用户头皮的位置处的电极，脑刺激协议还可以包括关于要在这些电极处生成的刺激的信息。还应注意，脑刺激协议还指的是在整个刺激持续时间内可能由于本发明中描述的优化过程而改变的信息。例如，该信息包括每个电极的一个或多个电特性，诸如幅度、时间段、相位、一个或多个频率以及这些频率的功率，从而产生要生成的特定脑刺激序列。生成的脑刺激将呈一对电极、几对电极或电极的任何组合之间的电流幅度的定义序列或多个序列的形式。可选地，脑刺激协议包括必须对用户头皮施加脑刺激的持续时间。可选地，脑刺激协议指的是关于以下至少一项的信息：要生成并提供给用户的视觉刺激、音频刺激和/或虚拟现实刺激。

可选地，多个电极可以包括分别被配置用于EEG记录和电刺激的单独电极。替代地，电极装置可以包括用于可能需要检测EEG信号和/或提供电刺激的每个位置的单独电极。

在实施例中，多个电极与给定用户头皮的明显区域电接触；例如，电极可以是用户可更换的电极，并且可以受到轻微弹簧加载以在用户佩戴头戴式装置时在用户的头皮上提供可靠接触。更可选地，电极的端部可以包括用导电介质修饰的小尖形子电极的二维阵列以安全地传递足够的电流，其中，端部可以具有任何尺寸的面积，包括但不限于4mm x 4mm，但可以使用其他合适的面积，并且子电极是尖的而且可以在头皮的毛发之间找到通路以接触头皮的皮肤。具体地，多个电极在空间上被定位成使得跨电极施加的电压在大脑的特定部分生成电磁场。

此外，多个电极在主动传递电流并且与用户的头皮接触时，将电磁场施加到用户的大脑，从而用作为脑刺激。在由输入/输出装置从数据处理装置接收到的生成的脑刺激协议的帮助下提供这种脑刺激。从数据处理装置接收到的生成的脑刺激协议由输入/输出装置处理，即转换为模拟形式并且被调整到期望的电流幅度，然后作为脑刺激被施加到用户的头皮。

在实施例中，用于向用户的大脑提供脑刺激的多个电极可以被布置成一对刺激电极、多于一对的刺激电极或刺激电极的任何组合，如由脑刺激协议确定。

输入/输出装置包括输入信号处理装置，该输入信号处理装置包括预处理器和输入转换器。输入信号处理装置在操作时处理和/或修改从用户的大脑接收到的电信号。可选地，预处理器包括放大器，更具体地，该预处理器可以包括可编程增益放大器，该可编程增益放大器使从大脑接收到的电信号稳定，并以2x至100x范围内的放大因子放大该信号以获得放大信号，其中，2x放大因子用于非常高动态范围的模数转换，以供选择数字预处理和伪像减法。可选地，预处理器可以包括一个或多个模拟滤波器(诸如电噪声滤波器或刺激伪像滤波器)以减少特定伪像和/或噪声。从大脑接收到的电信号是随时间变化的，即本质上是模拟的。然而，数据处理装置只理解(即，处理)数字位，因此必须将从大脑接收到的电信号(本质上是模拟的)转换为数字位，以便数据处理装置能够理解(即，处理)在模数转换后从大脑接收到的电信号。输入转换器接收放大信号，并将该放大信号转换成适合分析和处理的形式。此外，输入转换器包括模数转换器。在示例中，输入信号处理装置从用户的头皮接收具有1微伏到12伏范围内的幅度的模拟电信号，并且预处理器消除一些伪像和噪声并放大信号以生成具有高达12V范围内的幅度的对应放大信号。随后，放大信号被转换为具有表示对应范围的离散值序列的对应数字信号。

输入/输出装置还包括输出转换器和刺激发生器。在操作中，从与输入/输出装置可通信地耦合的数据处理装置接收脑刺激协议。接收到的脑刺激协议呈数字或离散信号的形式。此外，接收到的脑刺激协议被发送到输出转换器，其中，输出转换器将接收到的脑刺激协议转换成具有随时间变化的电压幅度的模拟信号。刺激发生器从输出转换器接收转换后的模拟信号，并且可以可选地将设定电压信号转换为定义的电流信号。刺激发生器的输出用作为脑刺激，并且如由脑刺激协议确定，通过一对刺激电极、多于一对刺激电极或刺激电极的任意组合将生成的脑刺激施加到用户的头皮。可选地，刺激发生器是由单独的电源单元、恒流刺激器或V到I转换器供电的独立刺激发生器。替代地，输入/输出装置可以与恒压源连接。

数据处理装置包括处理单元和存储器模块。存储器模块包括预定参考数据集或从其导出的一组参数。可选地，预定参考数据集可以包括来自多个人的EEG记录或从这些EEG记录导出的数据，其中，EEG记录以数字电信号或表示EEG记录的数据的形式存在。

数据处理装置对从输入/输出装置接收到的检测到的电信号进行处理，并在操作时生成对应于接收到的电信号的脑刺激协议。可选地，数据处理单元采用自适应学习算法对从输入/输出装置接收的检测到的电信号进行处理和分析。可选地，将从输入/输出装置接收到的经处理的电信号与存在于存储器模块中的预定参考数据集的一个或多个EEG记录进行比较。

在实施例中，例如在比较器或在数据处理装置的处理单元中实现的一种或多种人工智能算法或其他数据处理算法的帮助下，执行已处理的电信号或从信号中提取的一组参数与预定参考数据集的比较。此后，数据处理装置生成对比较电信号的分析。此外，该分析可选地包括以下至少一项的测量：从存储在预定参考数据集中的理想参考信号导出的参数的偏差；与理想参考信号的这种偏差的原因；和/或在通过单个分量分析、主分量分析或傅立叶变换、周期图、小波分解、小波变换、诸如维纳/卡尔曼滤波器之类的自适应滤波器以及本领域技术人员常用的其他方法分解波形后导出的参数。

此外，数据处理装置通过在分析从输入/输出装置接收的电信号之后实现一种或多种自适应学习算法或其他计算算法来生成脑刺激协议。具体地，脑刺激协议可以包括但不限于以下刺激参数中的至少一个：幅度、相位、用于生成脑刺激的具有对应功率的一个或多个频率，其中，使用一种或多种自适应学习算法或其他计算算法导出这些参数。可选地，脑刺激协议可以以离散信号或任意连续波形的形式产生脑刺激。此外，生成的脑刺激或脑刺激协议可选地被传输到输入信号处理装置，用于与生成的刺激伪像进行比较和减去生成的刺激伪像，其中，输入信号处理装置与刺激发生器或数据处理装置可通信地耦合。

脑交互设备还包括一个或多个电源单元。电源单元与输入/输出装置和数据处理装置电耦合，并且在操作时向输入/输出装置和数据处理装置提供电力。可选地，电源单元可以包括以下来源中的至少一种，包括但不限于：镍镉(NiCd)、镍锌(NiZn)、镍金属氢化物(NiMH)、固态电池(例如，陶瓷基电池、玻璃基电池或硫化物基电池)和锂离子(Li-ion)或锂聚合物(Lipo)电池，以及来自如运动或太阳能之类的来源的发电机、无线电力传输技术中的一者的接收器，或来自电源的浪涌保护输入。

在实施例中，脑交互设备包括至少两个电源单元，用于分别向输入/输出装置的输入部分(包括负责记录或监测和处理从用户的大脑接收到的电信号的单元/装置)和输出部分(包括负责生成脑刺激的单元/装置)提供单独电力。

在实施例中，一个或多个电源单元可操作以在经由控制单元从用户接收到指令时向脑交互设备提供电力。此外，在佩戴用于初始化脑接口设备的操作的头戴式装置之后，用户可以向脑接口设备提供指令以“接通”脑接口设备的电源。可选地，在用户佩戴脑接口设备的头戴式装置的情况下，一个或多个电源单元可操作以自动“接通”脑接口设备的电源。

有利地，脑交互设备向用户提供对用户友好的刺激环境，以实现NIBS系统对用户大脑的期望效果。期望效果可以包括但不限于以下一种或多种：增强用户认知、增强用户肌肉的运动控制、增强用户情绪、增强用户学习、增强用户放松、增强用户注意力、减轻折磨用户的颤抖、减轻折磨用户的抑郁以及减轻折磨用户的癫痫。

在实施例中，预定参考数据集被存储在存储器模块中，并且在某些示例中，它可以在脑交互设备操作时以实时方式迭代更新。

在一个实施例中，存储器模块的操作可以包括通过在操作期间将接收到的电信号或参数存储在存储器模块中，基于从用户大脑接收到的电信号或从这些电信号导出的参数更新预定参考数据集。在示例中，从用户的大脑接收到的电信号由输入/输出装置进行处理和/或修改，然后被发送到数据处理装置。此外，数据处理装置将接收到的电信号存储在存储器模块中。此后，数据处理装置将接收到的电信号或从接收到的电信号导出的参数与预定参考数据集进行比较，以生成对接收到的电信号的分析。可选地，这可以包括机器学习算法或其他计算算法以更新以下处理，该处理用于生成检测到的电信号与理想参考信号或从存储在预定参考数据集中的参考信号导出的一组参数的偏差的测量，或与理想参考信号的这种偏差的原因。

在实施例中，数据处理装置可以以实时方式分析接收到的电信号，从而在对用户大脑施加脑刺激的同时，在用户的头皮处检测到电信号。

在示例中，从输入信号处理装置接收到的经处理和/或修改的电信号可以被发送到数据处理装置用于与预定参考数据集进行比较以生成对接收到的电信号的分析，其中，至少一种自适应学习算法被用来生成对接收到的电信号的分析，并且至少一种自适应学习算法被用来生成脑刺激协议。可选地，脑刺激协议可以包括以下刺激参数中的至少一个：幅度、当显示在示波器屏幕上时所感知的信号形状、具有对应功率的一个或多个频率以及要施加到用户大脑的脑刺激的相位差。此后，脑刺激协议被传输到输入/输出装置的信号发生器，其中，信号发生器生成对应于从数据处理装置接收到的脑刺激协议的脑刺激。随后，通过使用多个电极中的至少一个电极将生成的脑刺激施加到用户的头皮。具体地，对从大脑接收到的电信号的检测、处理和分析以及对用户头皮施加脑刺激是同步或同时进行的，使得上述操作中的滞后最小。

在另一个实施例中，数据处理装置可以对从输入信号处理装置接收到的电信号进行处理，这与施加到用户的脑刺激在时间上交替；与同时施加刺激和接收来自电极的检测到的信号相比，这种方法在刺激与来自电极的检测信号之间可能产生更少的串扰。在示例中，从输入信号处理装置接收到的电信号由数据处理装置使用至少一种自适应学习算法或其他计算算法进行分析。此外，基于分析，生成脑刺激协议，并且根据脑刺激协议，生成脑刺激。这种通过输入/输出装置记录接收到的电信号和施加所生成的脑刺激以交替的方式进行，其间具有小的时间间隔。此外，通过数据处理装置对接收到的电信号进行的这种分析以及对用户施加所生成的脑刺激以时间交替的方式进行。

在又一实施例中，脑刺激经由电极装置的多个电极被施加到用户的头皮，并且被施加到用户的在空间上远离给定用户的头皮的其他部位，包括例如四肢中的一个或多个、脊髓或迷走神经。此外，由输入/输出装置的刺激发生器根据从数据处理装置接收到的脑刺激协议生成脑刺激或对用户其他部位的刺激。此后，通过多个电极中的一个或多个将生成的脑刺激施加到用户的头皮和其他部位。

可选地，生成的脑刺激可以被施加到其他身体部位，诸如包括但不限于颈部、脊柱、心脏、胸部、腹部、手、脚、手臂和腿之类的部位，这些部位在空间上远离或定位成远离给定用户的头皮，并且本文术语“电极装置”包括电极在任何上述身体部位上的位置。在示例中，多个电极中的一个或多个与用户的颈部电接触以刺激迷走神经而降低心率，并且在对用户的头皮施加脑刺激的同时，对用户的头皮施加电信号。

数据处理装置使用至少一种自适应学习算法或如下实现的其他计算算法：可执行软件和数字硬件(例如，FPGA、ASIC、定制硬件硅芯片设计)中的至少一者。此外，至少一种自适应学习算法可以包括硬件、可执行软件或数字硬件(例如FPGA、ASIC、定制硅芯片设计)中的至少一者，该算法被配置为使用脑刺激实时适应技术，其使用方式使信号处理与脑刺激协议生成之间的延迟最小化。此外，包括自适应学习算法在内的数据处理装置保持跟踪各种脑刺激协议对用户大脑的影响。此外，这种数据处理装置的通用性足以分析其自身的动作，并因此利用自适应学习算法或其他计算算法中的至少一者基于更相关的训练数据集来优化脑刺激协议。此外，训练数据集可以包括但不限于先前的动作记录、来自多个其他类似系统的数据、预定参考数据和历史数据。在实施例中，实现自适应学习算法的脑交互设备被配置为记录和提取一个或多个用于神经调节的潜在目标标记。可选地，一个或多个潜在目标标记是以脑电波的变化或对疼痛刺激的反应降低的形式在用户大脑中引起的变化或活动，其中，这些变化或活动是响应于使用注射给用户的一种或多种药物引起的。在实施例中，一个或多个潜在目标标记被存储在用于实现人工智能算法的数据库中。脑交互设备能够传递和优化脑刺激协议，以诱发类似于影响特定神经元受体的药物所诱发的效果。有益地，这种最佳刺激有助于抑制或增强类似于药物的活动，而没有副作用。在另一个实施例中，实现自适应学习算法的脑交互设备被配置为基于记录的目标标记以脑电波的变化的形式刺激或模仿在用户大脑中引起的变化或活动。因此，使用设备和算法(i)记录和提取用于神经调节的潜在目标标记；(ii)用于调节脑电波、事件相关电位或其他信号以模仿药物实现的变化；(iii)增强药物的效果；(iv)降低药物对脑活动的有害副作用具有替代诸如阿片制剂之类的常规药物的作用或医疗条件下的其他益处。

有益地，自适应学习算法在很大程度上有助于为用户实现更个性化，从而更有效的脑刺激。此外，自适应学习算法或另一计算算法以闭环方式持续学习用户大脑对过去刺激的反应模式，以更好地调整未来的脑刺激，以达到优化的结果。此外，自适应学习算法的实现方式有助于增强诸如本发明的脑交互设备之类的神经调节设备的治疗作用。

在实施例中，自适应学习算法可以包括但不限于机器学习算法中的至少一者，机器学习算法又包括但不限于：K-最近邻算法、回归分析、基于集成树的算法、最大功率点跟踪、隐马尔可夫模型、人工神经网络、循环神经网络、长短期记忆算法、生成对抗或自适应对抗神经网络、卷积神经网络或深度卷积神经网络、强化学习算法、随机森林算法、自适应退火算法、支持向量机、推荐系统、遗传算法、Q学习和深度Q学习算法，其中，至少一种自适应学习算法或另一合适的计算算法在闭环系统实现。此外，机器学习算法涉及在可执行软件和数字硬件(例如FPGA、ASIC、定制硅芯片设计)中的至少一者上实现的复杂源代码，其中，机器学习算法的这种实现方式经过预训练以从输入信号数据或从输入信号数据导出的一组参数中实时提取信息，其中，滞后最小，或者通过训练算法在运行时进行训练，从而将期望结果与实际结果进行比较并相应地调整脑刺激协议。此外，该算法使用各种规则来调整一组参数，其中，参数被内置于算法中以形成执行决策过程的模式。可选地，在新数据或附加数据可用的情况下，该算法在操作时自动调整参数以通过将当前模式与先前模式进行比较来创建模式变化。

在另一个实施例中，强化学习算法是基于面向目标的算法的一类算法，该算法通过采用累积奖励的概念来学习如何达到复杂的目的(目标)或在多个步骤中沿特定参数最大化；例如，在长时间的刺激下使高alpha活动的功率和持续时间最大化，这用作为累积奖励。此外，强化学习算法从该算法响应于实现强化学习算法的系统执行的动作而获得的奖励中学习，并且响应于后续动作相应地进行调整以使累积奖励最大化。

此外，可选地，深度Q学习算法涉及包括强化学习算法和具有多个隐藏层的神经网络算法的算法类别，用于在闭环系统中实现时以实时方式实现优化输出。此外，神经网络算法涉及一系列算法，这些算法试图通过模仿人脑运作方式的过程来识别一组数据中的潜在关系。此外，神经网络算法通过一组参数的分层布置来提供“深度学习”，其中，参数被内置于算法中以形成用于执行决策过程的模式。此外，在新数据或附加数据可用的情况下，该算法在操作时自动调整参数以创建模变化。

在实施例中，在闭环系统中实现上述自适应学习算法中的至少一者。此外，闭环系统包括电极装置、输入/输出装置、数据处理装置和电源单元。此外，输入/输出装置包括预处理器、输入转换器、刺激发生器和输出转换器。此外，数据处理装置包括处理单元和存储器模块，其中，处理单元和存储器模块可通信地耦合。此外，电极装置、预处理器、输入转换器、刺激发生器、输出转换器和数据处理装置彼此直接或间接地可通信地耦合。此外，在用户大脑中生成的电信号由电极装置检测，然后通过预处理器和输入转换器被传递到处理单元。此外，处理单元应用至少一种自适应学习算法来生成脑刺激协议，并且将脑刺激协议传递到输出转换器。此外，输出转换器处理脑刺激协议并将处理后的脑刺激协议传送至刺激发生器，其中，刺激发生器生成脑刺激并将生成的脑刺激传递到电极装置以对用户进行脑刺激。可选地，对于伪像减法，生成的脑刺激的副本也被发送到预处理装置。此外，在闭环中处理各种类型的信号，从而迭代更新脑刺激协议以达到目标电活动，从而实时地实现个性化和优化的脑刺激。

有益地，在非侵入性脑刺激(NIBS)系统中实现机器学习算法的闭环系统提供实时协议调整和最佳刺激，从而对用户大脑进行更加个性化和有效的刺激。

在整个本发明中，本文使用的术语“目标电活动”涉及用户大脑中的电活动的期望一般模式或特定模式或从对此类活动的分析导出的参数，获得这些目标电活动以改善与人类特定心理健康失衡状况相关的症状，或可以通过上述方法缓解的其他临床相关状况。此外，目标电活动也可以是提供或诱发特定情绪、用户大脑中的情绪或可以用上述方法实现的另一种特定精神状态的期望电活动。

在实施例中，数据处理装置使用至少一种自适应学习算法来迭代地调整脑刺激，从而根据需要将给定用户大脑的电活动调整到大脑的近似目标电活动。在将生成的脑刺激施加到用户的头皮上后，来自用户大脑的电信号被再次检测并由数据处理装置在闭环中进行分析。可选地，对检测到的电信号的分析包括在先前迭代中施加脑刺激之后，确定检测到的电活动或从检测到的大脑的电活动导出的参数的变化。更可选地，对检测到的电信号的分析还包括确定调整脑刺激协议的任何参数所需的正值或负值或一组值，以便达到大脑的期望目标电活动。可以在至少一种自适应学习算法的帮助下以某种方式执行数据处理装置的这种分析，使得可以在每次脑刺激施加之后迭代地调整待施加的脑刺激协议并检测施加的脑刺激的效果。具体地，实时进行脑刺激调整的迭代操作，以将调整后的脑刺激施加到用户头皮上，最终获得大脑的期望目标电活动。在这种情况下，实时意味着：通过输入/输出装置记录接收到的电信号；使用数据处理装置进行处理，包括执行自适应学习算法；调整脑刺激协议参数；以及同时或以顺序方式或以交替方式进行所生成的脑刺激的施加，该循环在小时域内完成。此外，可选地，在实现用于数据处理和执行自适应学习算法的数字硬件的情况下，完成循环的时间减少到几毫秒。

替代地，实时意味着具有小于5分钟的循环间隔，更可选地具有小于1分钟的循环间隔，更可选地具有小于1秒的循环间隔，更可选地具有小于1毫秒的循环间隔，甚至更可选地借助于小于1微秒的循环间隔的数字硬件的上述实现方式。

在整个本发明中，术语“反馈循环”涉及关于以下方面对用于影响用户的大脑状态的脑刺激的调适：个体间结构变异；个体信号动力学和大脑实时快速变化的状态。

在实施例中，在没有任何第三方参与的情况下自动实时地调适脑刺激被称为“闭环”。此外，如果刺激不能有效地将大脑状态改变为期望状态，则需要在该反馈循环中调整脑刺激协议，直到达到期望效果为止。此外，可选地，可以适用于个体间和状态间的差异的处理传入信号或调整脑刺激协议的任何算法被定义为自适应学习算法。

在实施例中，脑交互设备还包括控制单元，该控制单元在操作时从用户或第三方器件中的至少一个接收输入，其中，控制单元与数据处理装置可通信地耦合，并且包括通信模块，该通信模块用于在设备与第三方器件之间建立通信。

在整个本发明中，本文使用的术语“控制单元”涉及被配置为经由用户界面从用户或第三方器件接收指令的装置，其中，用户界面被配置为通过按钮接口、无线接口、触摸屏接口、手势接口、麦克风接口(语音检测)或在此上下文中用以控制刺激的脑交互设备中的至少一者来记录指令。可选地，控制单元在操作时向数据处理装置提供操作参数以基于来自用户或第三方器件的输入使脑刺激个性化。此外，操作参数包括开/关状态、刺激模式、刺激时间、用户年龄、用户性别、接受脑刺激的用户的任何相关病史和身体状况或用户的期望精神状态中的至少一者。可选地，控制单元装置将包含至少一种自适应学习算法的程序上传到数据处理装置，该自适应学习算法被设计用于优化由程序指定的脑信号的检测或用于优化刺激以实现由程序定义的目标电活动。替代地，可选地，控制单元包括通信模块，该通信模块用于在脑交互设备与第三方器件之间建立有线或无线连接，包括但不限于经由互联网的连接。可选地，这可以允许第三方器件经由控制单元将程序上传到数据处理装置。可选地，这可以将输入和输出信号传送到第三方器件，使得第三方器件被实现为计算机、电话(例如，智能手机)、本地服务器、服务器装置(诸如，两个或多个彼此可通信地耦合的服务器装置)，云服务器或量子计算机，以允许第三方器件用作为数据处理装置。此外，控制单元被配置为基于来自用户和第三方器件中的至少一个的输入来控制外部刺激装置。此外，控制单元可操作以从电源单元接收电力。

在整个本发明中，本文使用的术语“第三方器件”涉及经由通信模块可通信地耦合到控制单元的外部器件，其中，使用有线或无线连接来实现通信，包括但不限于经由互联网、等的连接。可选地，第三方器件包括智能手机、计算机(可以是个人的、基于云的、分布式的或平板计算机)、智能手表、遥控器、医疗器件、本地服务器、服务器装置(诸如，两个或多个彼此通信地耦合的服务器装置)、云服务器和量子计算机。更可选地，第三方器件用于接收与从用户的大脑中检测到的电信号相关的监测信息，其中，该监测信息包括脑电图(EEG)、电场脑图(EFEG)、近场脑电图(EFEG)、红外光谱(NIRS)、脑磁图(MEG)、肌电图(EMG)、心电图(ECG)、心率和/或呼吸率监测器、眼动追踪和/或功能磁共振成像(fMRI)中的至少一者。此外，第三方器件被配置为经由控制单元控制外部刺激装置。可选地，脑交互设备在操作时使用与控制单元可通信地连接的第三方器件向控制单元传输操作参数，该操作参数包括但不限于以下至少一者：开/关状态、刺激模式、刺激时间、用户年龄、用户性别、接受脑刺激的用户的任何相关病史和身体状况或用户的期望的精神状态。此外，可选地，脑交互设备在操作时使用第三方器件经由控制单元将包含至少一种自适应学习算法的程序上传到数据处理装置，该自适应学习算法被设计用于优化由程序指定的脑信号的检测或用于优化刺激以实现由程序定义的目标电活动。

有益地，控制单元和第三方器件通过对用户友好的界面提供与用户的更好交互。可选地，控制单元使第三方器件能够执行定制的自适应学习算法而不是数据处理单元来执行，这在自适应学习算法的执行所需的处理能力超过数据处理单元的处理能力的情况下是有益的。此外，使用第三方器件使用户能够定制设备的操作参数以生成定制的脑刺激协议。有利地，脑交互设备还为科学家和医生提供了开放平台，以便在诸如脑电图(EEG)、电场脑图(EFEG)、近红外光谱(NIRS)、脑磁图(MEG)、肌电图(EMG)、心电图(ECG)、眼动追踪和/或功能磁共振成像(fMRI)之类的监测信息的帮助下，以更详细和实时的方式(如上所述)探索人脑的功能方面。

在实施例中，该设备还包括用于向用户的大脑提供视觉刺激、音频刺激和/或虚拟现实刺激中的至少一者的外部刺激装置，其中，外部刺激装置与控制单元可通信地耦合。可选地，外部刺激装置直接或经由控制单元与数据处理装置通信。更可选地，由外部刺激装置提供的对用户大脑的视觉刺激、音频刺激和/或虚拟现实刺激中的至少一者与被施加到用户的大脑的脑刺激同步。

在实施例中，视觉刺激、音频刺激和/或虚拟现实刺激中的至少一者的参数成为由控制单元优化的脑刺激协议的一部分。

在整个本发明中，本文使用的术语“外部刺激装置”涉及使用虚拟现实设备、显示设备、眼镜、耳机、耳塞、扬声器、治疗性按摩器、被放置在身体其他部位的电极和/或智能镜头(诸如谷歌镜头(RTM))进行视听或虚拟现实刺激的可拆卸地耦合的外部器件。此外，外部刺激装置被配置为从一个或多个电源单元接收电力。

在示例中，当与脑刺激同步操作时，外部刺激装置提供用于使用户放松并降低压力水平的视听刺激。有利地，外部刺激装置通过减少进入用户眼睛的不需要的光和进入用户耳朵的噪声来为用户提供隔离。这种隔离有助于用户进一步减少不需要的脑活动，从而提高脑刺激协议的有效性。

在示例性操作中，控制单元被实现为与刺激发生器和/或外部刺激装置相关联的微控制器。此外，第三方器件被实现为膝上型计算机(例如，MacBook^TM膝上型计算机)，使得微控制器经由基于云的平台与膝上型计算机可通信地耦合。膝上型计算机处理与待提供给用户的脑刺激相关联的操作参数，并且随后将操作参数传输到与外部刺激装置相关联的微控制器。此外，膝上型计算机将操作参数实时传输到微控制器。在这种示例中，外部刺激装置包括发光二极管(以下称为“LED”)或者替代地，LED的组件和通信模块包括WiFi芯片，使得LED与微控制器连接并且微控制器经由基于云的平台与笔记本电脑可通信地耦合。此外，膝上型计算机控制使用LED传递的脑刺激，诸如通过调节由LED发射的光的频率、脉冲宽度和/或亮度。此外，多个电极包括被布置在用户头皮上的对应于枕叶位置(诸如，根据EEG定位的10-20系统，在O1和O2位置)的一对电极以及被布置在用户的太阳穴上(诸如分别在T3和T4位置)的参考电极和偏置电极。多个电极记录用户的视觉皮层的活动，使得该活动反映与由LED传递的视觉刺激相关联的用户的感知。多个电极可通信地耦合到可以使用OpenBCI Cyton PCB实现的输入/输出装置。输入/输出装置具有可编程增益模数转换器以放大跨多个电极中的每一个检测到的模拟信号，并且将其转换为数字数据。此外，输入/输出装置与实现为膝上型计算机的第三方器件可通信地耦合，并且将数字数据无线传输到第三方器件。以这种方式，第三方器件经由输入/输出装置接收来自大脑的信息，并用作为数据处理装置以生成和优化通过上述LED传递的脑刺激协议。

在另一示例性操作中，控制单元被实现为与刺激发生器和/或外部刺激装置相关联的微控制器。此外，第三方器件被实现为智能手机。在这种示例中，应用软件(或“应用程序”)被安装在智能手机上，使得智能手机(或与智能手机相关联的用户)经由应用程序将与待提供给用户的脑刺激相关联的操作参数传输到头戴式装置和/或外部刺激装置，或从头戴式装置和/或外部刺激装置接收该操作参数。在一个示例中，这类操作参数对应于脑交互设备的一个或多个操作模式。在另一示例中，智能手机(或与智能手机相关联的用户)可以测量以下中的至少一者：被传输到用于提供脑刺激的多个电极的电流、被传输到用于提供脑刺激的电流的电压(诸如，将恒定电流传输到与电极装置相关联的多个电极所需的电压)和电极装置的多个电极处的阻抗(诸如，确定多个电极正确布置在用户的头皮上)。在又一示例中，多个电极可以被布置在用户颞骨的乳突上方，以靶向用户的大脑的颅神经和更深区域。例如，为了创建用于输入/输出装置的输入，多个电极(被配置为记录用户的脑活动)被布置在大脑的额部上方。此外，多个电极通过放大器和数模转换器连接到输入/输出装置，可以通过修改OpenBCI Cyton PCB来实现数模转换器，使得修改后的OpenBCI Cyton PCB可以经由互联网，经由基于云的平台以及被安装在第三方器件上的应用程序与数据处理装置可通信地耦合。

在实施例中，刺激发生器和硬件装置的另一部分中的至少一者包括安全装置，其中，在设备发生电气故障或用户要求停止脑刺激的情况下，安全装置禁止将脑刺激传递到电极装置。此外，安全装置包括保护继电器、过电流传感器、过电压传感器、频率传感器、过度肌肉/运动活动传感器(“不适”传感器)和紧急“终止”开关中的至少一者。此外，安全装置经由数据处理装置可通信地耦合到控制单元，数据处理装置又耦合到具有用于中止刺激/记录的用户友好界面的第三方器件。此外，安全装置在操作时从过电流传感器和过电压传感器中的至少一个接收与多个电极处的电流和电压中的至少一个相关的数据。此外，在安全装置的实现方式的一者中，在操作时，安全装置通过将与多个电极处的电流和电压中的至少一个相关的数据与包括与多个电极处的电流和电压中的至少一个相关的参考数据的预定参考数据进行比较来确定电气故障的情况。此外，可选地，安全装置也在数据处理装置、电极装置、一个或多个电源单元和外部刺激装置中实现。

在整个本发明中，本文使用的术语“电气故障”涉及在脑交互设备中发生的不期望的电流量和/或电压量，其中，这种不期望的电流量和/或电压量可能会伤害用户和/或设备。此外，在电气故障的情况下，安全装置被配置为经由保护继电器切断从一个或多个电源单元到设备的电力供应。

有益地，安全装置以实时方式提供增强保护以免对用户的任何损害，导致在没有任何专家帮助的情况下无风险地使用脑交互设备。此外，脑交互设备在其外部和内部组成部分以及其操作方式方面被设计成避免对用户造成任何伤害。

本发明还涉及如上所述的方法。上面公开的各种实施例和变体比照适用于该方法。

可选地，该方法包括使用数据处理装置以实时方式迭代地更新预定参考数据集，并且将更新后的预定参考数据集存储在存储器模块中。“实时”将被理解为如本发明中所描述并且不必仅仅在时间上是连续的。

可选地，该方法包括使用数据处理装置以实时方式分析接收到的电信号，使得在对用户施加脑刺激的同时，在用户的头皮处检测到电信号。

可选地，该方法包括使用数据处理装置来分析从信号处理装置接收到的电信号，这与向用户施加脑刺激在时间上交替。

可选地，该方法包括使用电极布置的多个电极向用户的头皮以及向用户的在空间上远离用户头皮的其他部位施加脑刺激。

可选地，该方法包括使用至少一种自适应学习算法或在数据处理装置内至少实现为以下的另一计算算法：可执行软件和数字硬件(例如，FPGA、ASIC、定制芯片设计)中的一者。

可选地，自适应学习算法包括但不限于机器学习算法中的至少一者，该机器学习算法又包括但不限于：K-最近邻算法、回归分析、基于集成树的算法、最大功率点跟踪、隐马尔可夫模型、人工神经网络、循环神经网络、长短期记忆算法、生成对抗或自适应对抗神经网络、卷积神经网络或深度卷积神经网络、强化学习算法、随机森林算法、自适应退火算法、支持向量机、推荐系统、遗传算法、Q学习和深度Q学习算法，其中，至少一种自适应学习算法或另一合适的计算算法在闭环系统中实现。

可选地，该方法包括对数据处理装置进行编程以使用但不限于至少一种自适应学习算法迭代地调整脑刺激协议，从而根据需要将用户的大脑的电活动调整为大脑的近似目标电活动。

可选地，该方法包括使用控制单元来接收来自用户或第三方器件中的至少一个的输入，其中，控制单元与数据处理装置可通信地耦合，并且包括用于在设备域第三方器件之间建立通信的通信模块。

可选地，该方法包括使用用于向用户的大脑提供视觉刺激、音频刺激和/或虚拟现实刺激中的至少一者的外部刺激装置，其中，外部刺激装置与控制单元可通信地耦合。在一个示例中，外部刺激装置用于提供视觉刺激作为对用户眼睛的瞬态响应。

可选地，该方法包括在设备故障的情况下，使用安全装置禁止对多个电极施加脑刺激，其中，安全装置与输入/输出装置可通信地耦合。

在实施例中，本发明提供了一种计算机程序产品，包括其上存储有计算机可读指令的非暂时性计算机可读存储介质，计算机可读指令可由包括处理硬件的计算机化器件执行以执行使用脑交互设备的方法，该脑交互设备在操作时提供对用户大脑的脑活动监测和刺激。

附图的详细说明

参考图1，示出了根据本发明实施例的用于对用户大脑的脑活动监测和刺激的脑交互设备100的方框图。如图所示，用于对用户大脑的脑活动监测和刺激的脑交互设备100包括头戴式装置120、数据处理装置140、输入/输出装置130和一个或多个电源单元150。此外，头戴式装置120包括电极装置110，该电极装置包括多个电极112至118，其中，多个电极以与用户的头皮接触的方式布置，用于检测脑活动。此外，电极装置110可通信地耦合到输入/输出装置130，其中，输入/输出装置130在操作时接收检测到的信号并且将脑刺激传递到多个电极112至118中的至少一个。此外，输入/输出装置130包含可选的输入信号预处理装置(未示出)，该可选的输入信号预处理装置可以包括可选的放大器(未示出)；伪像过滤器(未示出)；输入转换器(未示出)；输出转换器(未示出)和刺激发生器(未示出)。此外，输入/输出装置130与数据处理装置140可通信地耦合。此外，数据处理装置140包括存储器模块142和处理单元144。一个或多个电源单元150在操作时向输入/输出装置130和数据处理装置140提供电力。

参考图参照图2A，示出了根据本发明实施例的被定位在用户201头部的脑交互设备200(诸如图1的脑交互设备100)的示例性实现方式。具体地，示例性实现方式是佩戴脑交互设备200的用户201的侧视图。脑交互设备200包括头戴式装置220(诸如图1的头戴式装置120)和组装单元270，其中，在该示例中使用运动帽来实现头戴式装置220。此外，头戴式装置220包括电极装置210(诸如图1的电极装置110)，其中，电极装置210包括多个电极212至218(诸如图1的多个电极112-118)。此外，多个电极212至218分别通过多个连接线272至278连接到组装单元270。具体地，多个电极212至218中的一个电极218是连接到用户201头部的非头皮部分的参考电极。

参考图2B，示出了根据本发明实施例的被放置在用户201头部上的脑交互设备200的相同示例性实现方式。具体地，示例性实现方式是佩戴包括头戴式装置220和组装单元270的脑交互设备200的用户201的后视图。另外，组装单元270包括输入/输出装置230(诸如图1的输入/输出装置130)、数据处理装置240(诸如图1的数据处理装置140)以及一个或多个电源单元250(诸如图1的一个或多个电源单元150)。此外，数据处理装置240包括存储器模块242(诸如图1的存储器模块142)和处理单元244(诸如图1的处理单元144)。

参考图3，示出了作为闭环系统300工作的脑交互设备(诸如图1的脑交互设备100)。根据本发明的实施例，闭环系统300在操作时实现至少一种自适应学习算法或另一计算算法。闭环系统300包括电极装置310(诸如图1的电极装置110)、输入/输出装置330(诸如图1的输入/输出装置130)、数据处理装置340(诸如图1的数据处理装置140)以及一个或多个电源单元350(诸如图1的一个或多个电源单元150)。此外，输入/输出装置330包括预处理器332、输入转换器334、刺激发生器336和输出转换器338。数据处理装置340包括处理单元344(诸如图1的处理单元144)和存储器模块342(诸如图1的存储器模块142)，其中，处理单元344与存储器模块342可通信地耦合。电极装置310、预处理器332、输入转换器334、刺激发生器336、输出转换器338和数据处理装置340以所示方式可通信地耦合。在用户大脑内生成的电信号由电极装置310检测，然后通过预处理器332和输入转换器334被传递到处理单元344。处理单元344应用至少一种自适应学习算法或另一计算算法来生成脑刺激协议，并且将该脑刺激协议传递到输出转换器338。此外，输出转换器338处理脑刺激协议并且将处理后的脑刺激协议传递到刺激发生器336，其中，刺激发生器336生成脑刺激并且将生成的脑刺激传递到电极装置310用于用户的脑刺激。此外，一个或多个电源单元350在操作时向输入/输出装置330和数据处理装置340提供电力。

参考图4，示出了根据本发明实施例的脑交互设备400(诸如图1的脑交互设备100)的示例性实现方式的方框图，该脑交互设备包括数据处理装置440(诸如图1的数据处理装置140)、头戴式装置420(诸如图1的头戴式装置120)、输入/输出装置430(诸如图1的输入/输出装置130)、数据处理装置440(诸如图1的数据处理装置140)、一个或多个电源单元450(诸如图1的一个或多个电源单元150)、控制单元460和外部刺激装置480。另外，脑交互设备400的数据处理装置440可通信地耦合到控制单元460。控制单元460还包括通信模块462。此外，控制单元460可通信地耦合到外部刺激装置480，在该示例中包括音频刺激装置482和虚拟现实刺激装置484。此外，脑交互设备400的一个或多个电源单元450在操作时向数据处理装置440(诸如图1的数据处理装置140)提供电力，并且还可以可选地向控制单元460和外部刺激装置480提供电力。

参考图5，示出了根据本发明实施例的脑交互设备500(诸如图4的设备400)的示例性实现方式，该脑交互设备包括组装单元570(诸如图2A和图2B的组装单元270)、头戴式装置520(诸如图1的头戴式装置120)和外部刺激装置580(诸如图1的外部刺激装置480)。在该示例中，外部刺激装置580包括音频刺激装置582(诸如图4的音频刺激装置482)和虚拟现实刺激装置584(诸如图4的虚拟现实刺激装置484)。此外，外部刺激装置580可通信地耦合到控制单元(未示出)。此外，组装单元570(诸如图2A和图2B的组装单元270)包括控制单元(未示出)和一个或多个电源单元(未示出)。此外，一个或多个电源单元在操作时还可以可选地向外部刺激装置580提供电力。

参考图6，示出了根据本发明实施例的脑交互设备600(诸如图1的设备100)的示例性实现方式，该脑交互设备具有带式头戴式装置620。脑交互设备600还包括组装单元670(诸如图2A和图2B的组装单元270)，另外，头戴式装置620(诸如图1的头戴式装置120)包括电极装置(诸如图1的电极装置110)，该电极装置包括多个电极612至616(诸如图1的多个电极112至118)，其中，多个电极612至616通过多条连接线672至676(诸如图2A和图2B的多条连接线272至278)连接到组装单元670。

参考图7，示出了根据本发明实施例的示例性用户界面700，用于接收来自用户的指令或用于显示被施加到用户的个性化脑刺激。如图所示，用户界面700可以被用户用来提供指令，诸如与使用按钮702的开/关状态、使用对应按钮704的tDCS、tACS、脉冲或斜坡中的刺激模式等相关联的指令。用户界面700还允许用户通过使用对应滑块706A至706D调节检查被传输到多个电极的电流、tACS的频率、脉冲或由与外部刺激装置相关联的LED发射的光、脉冲/斜坡宽度和/或偏移。替代地，用户可以检查被传输到多个电极的电流、tACS的频率、脉冲或由与外部刺激装置相关联的LED发射的光、使用对应滑块706A至706D显示的脉冲/斜坡宽度和/或偏移，使得对应滑块706A至706D基于由刺激优化算法确定的更新值自动改变其在用户界面700上的位置。此外，用户界面700经由用户界面700的输出区域708显示各种刺激参数，诸如施加到多个电极以提供脑刺激的电压、电流和阻抗。

参考图8A至图8B，示出了根据本发明实施例的响应于用于确定用户的最佳刺激频率的各种刺激频率810-820，从用户大脑的O1(分别为通道7 810和通道8 820)区域检测到的信号的频谱图810和820。通过自适应最大功率点跟踪算法针对脑信号功率的最大变化来优化刺激频率810-820，其频率对应于LED光的刺激频率。将刺激频率810-820施加到LED达25秒，每个都在25秒的非活动基线期之后。自适应最大功率点跟踪算法基于局部最大值的位置确定刺激频率的下一个变化。此外，这种刺激频率变化的幅度是变化的，以允许精确确定最佳刺激频率。相应地，施加的刺激频率的幅度会发生变化，直到以小于 /-0.1Hz的精度确定最佳刺激频率。

如图所示，自适应最大功率点跟踪算法首先确定大约10Hz的刺激频带变得突出(由图8A的频谱图810中沿10Hz列的右侧部分的白线描绘)并且测试大约10Hz的频率以缩小到最佳刺激频率。此外，当自适应最大功率点跟踪算法采用大约9.5Hz的各种刺激频率时，功率点跟踪算法不会识别出进一步的增加。因此，自适应最大功率点跟踪算法确定给定用户的最佳刺激频率为9.5Hz。

参考图9，示出了图示根据本发明实施例的由LED传递的刺激频率与具有对应于LED光的刺激频率的频率的脑信号的响应功率之间的非线性关系的曲线图910。施加到LED的刺激频率与响应功率之间的非线性关系是使用自适应最大功率点跟踪算法来确定的。自适应最大功率点跟踪算法通过施加各种刺激频率并缩小到最佳刺激频率来确定局部最大值。随后，自适应最大功率点跟踪算法将局部最大值确定为大约10Hz(在曲线图910中的920处指示)。此外，自适应最大功率点跟踪算法试图通过施加接近10Hz的各种刺激频率来确定大约是局部最大值的最佳刺激频率。将理解，可以例如在依赖于稳态视觉诱发电位的脑机对接相关(或BCI相关)应用中采用这种使用自适应最大功率点跟踪算法确定闪烁LED的最佳刺激频率的技术。这种BCI相关应用中的最佳刺激频率可用于对闪烁的视觉刺激生成可靠的响应，从而诸如更准确、更快速地引导用户试图用他们的大脑控制设备。

参考图10，示出了根据本发明实施例的通过使用脑交互设备(诸如图1的装置100)对用户大脑的脑活动监测和刺激的方法1000的步骤。该方法从步骤1002开始，在步骤1002处，一个或多个电源单元(诸如图1的一个或多个电源单元140)用于向输入/输出装置和数据处理装置提供电力。在步骤1004处，头戴式装置(诸如图1的头戴式装置120)被放置在用户的头部上，以检测电信号并对其施加脑刺激。在步骤1006处，输入/输出装置(诸如图1的输入/输出装置130)用于从多个电极(诸如图1的多个电极112至118)接收电信号并且将脑刺激传递到多个电极的至少一个、一对或任意组合。在步骤1008处，数据处理装置(诸如图1的数据处理装置140)用于处理接收到的电信号并生成对应于接收到的电信号的脑刺激协议。可选地，通过应用自适应学习算法或另一计算算法中的至少一者来处理接收到的电信号以生成对应于接收到的电信号的脑刺激协议。在步骤1010处，数据处理装置将接收到的电信号与预定参考数据集进行比较，以通过应用自适应学习算法或另一计算算法中的至少一者生成脑刺激协议而生成分析。如果达到预定刺激目标或预定停止点，则方法1000在步骤1010处结束，否则以迭代方式自动重复步骤1004至1010，直到达到预定刺激目标或预定停止点为止。此外，从1004到1010的过程可以基于从数据处理装置(诸如图1的数据处理装置140)接收的指令迭代地运行。

步骤1002至1010仅是说明性的，并且在不脱离本文权利要求范围的情况下，还可以提供其他替代方案，其中，添加一个或多个步骤、移除一个或多个步骤，或者以不同的顺序提供一个或多个步骤。

在不脱离由所附权利要求限定的本发明的范围的情况下，可以对上文描述的本发明实施例进行修改。用于描述和要求保护本发明的诸如“包括”、“包含”、“并入”、“具有”、“是”之类的表述旨在以非排他性方式进行解释，即也允许存在没有明确描述的项、部件或元件。在适当的情况下，对单数的引用也应解释为与复数相关。

将从附图和结合以下所附权利要求解释的说明性实施例的具体实施方式显而易见本发明的附加方面、优点、特征和目的。

将理解，在不脱离由所附权利要求限定的本发明的范围的情况下，本发明的特征易于以各种组合进行组合。