1.本发明属于医疗康复技术领域,涉及一种脑-器械交互和脑-器官交互模型的迭代方法及相关装置
。
背景技术:2.脑器交互
(brain-apparatus communications
,
bac)
是近年涌现出的一个新观念,它强调整合大脑
、
身体和外部环境
/
器械的相互作用
。bac
一般分为体内脑器交互
(bac-1
:“大脑-器官”)、
体外脑器交互
(bac-2
:“大脑-外部环境
/
设备
(
计算机等
)”)
和这两种交互的整合
(bac-3)。
现有
bac-2
多用于在线模型分类,如脑机接口;现有
bac-1
多用于脑机制的分析
。
3.近
20
年来,已有大量单独针对
bac-1
的脑机制研究,和单独围绕
bac-2
的脑机接口
(brain computer interface,bci)
研究,但单独
bac-1
脑机制分析仅能分析采集范式时间点的脑状态,无法实时反映脑机接口使用中
bac-1
动态变化情况;单独
bac-2
建模有可解释性差与神经机理模糊的问题
。
并且鲜有把
bac-1
和
bac-2
放在一个闭环中进行系统性研究
。
技术实现要素:4.本发明的目的在于解决现有技术中
bac-1
脑机制分析无法实时反映脑机接口使用中
bac-1
动态变化情况;
bac-2
建模可解释性差且神经机理模糊的技术问题,提供一种脑-器械交互和脑-器官交互模型的迭代方法及相关装置
。
5.为达到上述目的,本发明采用以下技术方案予以实现:
6.第一方面,本发明提供一种脑-器械交互和脑-器官交互模型的迭代方法,包括以下步骤:
7.根据用户的脑信号以及器官的生理信号或代谢信号构建“器官-外部设备”模型;
8.将“器官-外部设备”模型变换为“大脑-器官”解码分析形态的传递函数;
9.通过“大脑-器官”传递函数分析模型输入与输出的关系,并结合实际问题以及器官的生理信号对“大脑-器官”传递函数进行参数优化;
10.根据优化后的“大脑-器官”传递函数重构“器官-外部设备”模型,实现迭代
。
11.上述方法进一步的改进在于:
12.所述脑信号以及器官的生理信号或代谢信号为经过预处理和特征提取之后的脑信号以及器官的生理信号或代谢信号
。
13.所述预处理包括对采集的脑信号以及器官的生理信号或代谢信号进行滤波
、
降噪
、
分段
。
14.所述特征提取包括从采集的脑信号以及器官的生理信号或代谢信号数据片段中提取有效的特征
。
15.所述生理信号为肌电信号或
bold
信号
。
16.所述“器官-外部设备”模型为基于机器学习算法或深度学习算法构建的“器官-外
部设备”模型
。
17.第二方面,本发明提供一种脑-器械交互和脑-器官交互模型的迭代系统,包括:
18.模型构建模块,用于根据用户的脑信号以及器官的生理信号或代谢信号构建“器官-外部设备”模型;
19.传递函数变换模块,用于将“器官-外部设备”模型变换为“大脑-器官”解码分析形态的传递函数;
20.传递函数分析模块,用于通过“大脑-器官”传递函数分析模型输入与输出的关系,并结合实际问题以及器官的生理信号对“大脑-器官”传递函数进行参数优化;
21.模型重构模块,根据优化后的“大脑-器官”传递函数重构“器官-外部设备”模型,实现迭代
。
22.第三方面,本发明提供一种电子设备,包括存储器
、
处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现所述脑-器械交互和脑-器官交互模型的迭代方法的步骤
。
23.第四方面,本发明提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现所述脑-器械交互和脑-器官交互模型的迭代方法的步骤
。
24.与现有技术相比,本发明具有以下有益效果:
25.本发明公开了一种脑-器械交互和脑-器官交互模型的迭代方法及相关装置,基于
bac
框架下,提出一种
bac-1
解码分析形态和
bac-2
模型模拟形态相互交融
、
变换
、
迭代的方法
。bac-1
形态可分析脑机制,
bac-2
形态可在线分类
/
回归
/
映射意图
。
两种形态为一体,对其一修正,另一个变换形态会发生相应变化;本发明将
bac-1
脑机制分析和
bac-2
建模结合,构成一体两形态形成一个闭环,通过迭代的方式来解决存在的问题,为运动功能康复模型提供一个可解释的
、
能够在患者间泛化的方案;同时实现了
bac-2
在线应用及
bac-1
动态变化机制的实时分析
。
附图说明
26.为了更清楚的说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图
。
27.图1为本发明方法流程示意图;
28.图2为本发明系统结构示意图;
29.图3为本发明
bac-2
→
bac-1
→
bac-2
迭代整体流程图;
30.图4为本发明应用于“大脑
→
肌肉
→
肢体运动”运动神经通路的整体示意图;
31.图5为本发明电子设备结构示意图
。
具体实施方式
32.为使本发明实施例的目的
、
技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚
、
完整地描述,显然,所描述的实施例是
本发明一部分实施例,而不是全部的实施例
。
通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计
。
33.因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例
。
基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围
。
34.应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释
。
35.在本发明实施例的描述中,需要说明的是,若出现术语“上”、“下”、“水平”、“内”等指示的方位或位置关系为基于附图所示的方位或位置关系,或者是该发明产品使用时惯常摆放的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位
、
以特定的方位构造和操作,因此不能理解为对本发明的限制
。
此外,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性
。
36.此外,若出现术语“水平”,并不表示要求部件绝对水平,而是可以稍微倾斜
。
如“水平”仅仅是指其方向相对“竖直”而言更加水平,并不是表示该结构一定要完全水平,而是可以稍微倾斜
。
37.在本发明实施例的描述中,还需要说明的是,除非另有明确的规定和限定,若出现术语“设置”、“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通
。
对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义
。
38.名词解释:
39.bac-1
:大脑-器官交互
40.bac-2
:大脑-外部环境
/
设备
(
计算机等
)
41.下面结合附图对本发明做进一步详细描述:
42.参见图1,本发明实施例提供一种脑-器械交互和脑-器官交互模型的迭代方法,包括以下步骤:
43.s1
,根据用户的脑信号以及器官的生理信号或代谢信号构建“器官-外部设备”模型;
44.s2
,将“器官-外部设备”模型变换为“大脑-器官”解码分析形态的传递函数;
45.s3
,通过“大脑-器官”传递函数分析模型输入与输出的关系,并结合实际问题以及器官的生理信号对“大脑-器官”传递函数进行参数优化;
46.s4
,根据优化后的“大脑-器官”传递函数重构“器官-外部设备”模型,实现迭代
。
47.在本实施例中,所述脑信号以及器官的生理信号或代谢信号为经过预处理和特征提取之后的脑信号以及器官的生理信号或代谢信号
。
48.在本实施例中,所述预处理包括对采集的脑信号以及器官的生理信号或代谢信号进行滤波
、
降噪
、
分段,提高数据质量和可用性
。
所述特征提取包括从采集的脑信号以及器官的生理信号或代谢信号数据片段中提取有效的特征,降低数据维度和冗余性
。
49.在本实施例中,所述“器官-外部设备”模型为基于机器学习算法或深度学习算法
构建的“器官-外部设备”模型
。
所述生理信号可以是肌电信号或
bold
信号等
。
50.本发明另一实施例公开了一种脑-器械交互和脑-器官交互模型的迭代系统,包括:
51.模型构建模块,用于根据用户的脑信号以及器官的生理信号或代谢信号构建“器官-外部设备”模型;
52.传递函数变换模块,用于将“器官-外部设备”模型变换为“大脑-器官”解码分析形态的传递函数;
53.传递函数分析模块,用于通过“大脑-器官”传递函数分析模型输入与输出的关系,并结合实际问题以及器官的生理信号对“大脑-器官”传递函数进行参数优化;
54.模型重构模块,根据优化后的“大脑-器官”传递函数重构“器官-外部设备”模型,实现迭代
。
55.本发明实施例提供一种电子设备,包括存储器
、
处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现所述脑-器械交互和脑-器官交互模型的迭代方法的步骤
。
56.所述脑-器械交互和脑-器官交互模型的迭代方法包括以下步骤:
57.根据用户的脑信号以及器官的生理信号或代谢信号构建“器官-外部设备”模型;
58.将“器官-外部设备”模型变换为“大脑-器官”解码分析形态的传递函数;
59.通过“大脑-器官”传递函数分析模型输入与输出的关系,并结合实际问题以及器官的生理信号对“大脑-器官”传递函数进行参数优化;
60.根据优化后的“大脑-器官”传递函数重构“器官-外部设备”模型,实现迭代
。
61.本发明实施例还提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现所述脑-器械交互和脑-器官交互模型的迭代方法的步骤:
62.所述脑-器械交互和脑-器官交互模型的迭代方法包括以下步骤:
63.根据用户的脑信号以及器官的生理信号或代谢信号构建“器官-外部设备”模型;
64.将“器官-外部设备”模型变换为“大脑-器官”解码分析形态的传递函数;
65.通过“大脑-器官”传递函数分析模型输入与输出的关系,并结合实际问题以及器官的生理信号对“大脑-器官”传递函数进行参数优化;
66.根据优化后的“大脑-器官”传递函数重构“器官-外部设备”模型,实现迭代
。
67.本领域内的技术人员应明白,本发明的实施例可提供为方法
、
系统
、
或计算机程序产品
。
因此,本发明可采用完全硬件实施例
、
完全软件实施例
、
或结合软件和硬件方面的实施例的形式
。
而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质
(
包括但不限于磁盘存储器
、cd-rom、
光学存储器等
)
上实施的计算机程序产品的形式
。
68.本发明是参照根据本发明实施例的方法
、
设备
(
系统
)、
和计算机程序产品的流程图和
/
或方框图来描述的
。
应理解可由计算机程序指令实现流程图和
/
或方框图中的每一流程和
/
或方框
、
以及流程图和
/
或方框图中的流程和
/
或方框的结合
。
可提供这些计算机程序指令到通用计算机
、
专用计算机
、
嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实
现在流程图一个流程或多个流程和
/
或方框图一个方框或多个方框中指定的功能的装置
。
69.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和
/
或方框图一个方框或多个方框中指定的功能
。
70.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和
/
或方框图一个方框或多个方框中指定的功能的步骤
。
71.最后应当说明的是:以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员应当理解:依然可以对本发明的具体实施方式进行修改或者等同替换,而未脱离本发明精神和范围的任何修改或者等同替换,其均应涵盖在本发明的权利要求保护范围之内
。