立体脑电图电极信号解码模型构建方法及其应用.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN116011506A(43)申请公布日2023.04.25(21)申请号202310308650.1A61B5/00(2006.01)(22)申请日2023.03.28G06N3/08(2023.01)(71)申请人同心智医科技（北京）有限公司地址100089北京市海淀区王庄路1号院清华同方科技大厦D座23层2301-1、2301-2号(72)发明人刘伟奇马学升陈金钢赵友源陈磊陈韵如(74)专利代理机构北京知果之信知识产权代理有限公司11541专利代理师苏利(51)Int.Cl.G06N3/0442(2023.01)A61B5/369(2021.01)A61B5/055(2006.01)权利要求书2页说明书8页附图2页(54)发明名称立体脑电图电极信号解码模型构建方法及其应用(57)摘要本申请实施例公开了一种立体脑电图电极信号解码模型构建方法及其应用，其中立体脑电图电极信号解码模型构建方法包括：利用立体脑电图电极获取对象在特定行为下所产生的神经活动的双极数据，获取所述双极数据的综合振幅特征；对所述综合振幅特征进行解码，得到对应的平均相关系数，利用所述平均相关系数对所述综合振幅特征进行特征选择，得到目标特征；获取构建的LSTM网络，使用所述目标特征对所述LSTM网络进行训练，得到所需的所述立体脑电图电极信号解码模型。解决现有技术中的许多策略和不同的机器学习算法，在试图具体解码SEEG信号时的性能尚不稳健，造成SEEG电极信号的解码精度较低的问题。CN116011506ACN116011506A权利要求书1/2页1.一种立体脑电图电极信号解码模型构建方法，其特征在于，包括：利用立体脑电图电极获取对象在特定行为下所产生的神经活动的双极数据，获取所述双极数据的综合振幅特征；对所述综合振幅特征进行解码，得到对应的平均相关系数，利用所述平均相关系数对所述综合振幅特征进行特征选择，得到目标特征；获取构建的LSTM网络，使用所述目标特征对所述LSTM网络进行训练，得到所需的所述立体脑电图电极信号解码模型。2.根据权利要求1所述的立体脑电图电极信号解码模型构建方法，其特征在于，所述利用立体脑电图电极获取对象在特定行为下所产生的神经活动的双极数据包括：对待测对象进行功能磁共振成像，并植入立体脑电图电极引线，在预设的各种运动和感觉任务中记录所产生的所述双极数据。3.根据权利要求1所述的立体脑电图电极信号解码模型构建方法，其特征在于，所述获取所述双极数据的综合振幅特征包括：将预设长度的非重叠布莱克曼窗口应用于所述双极数据，然后对每个窗口进行短快速傅里叶变换和1s盒式滤波；将每个经过变换和滤波后的所述双极数据的频率的振幅信息在预选频带上进行整合，选出目标频率范围以与标准频带对齐，补偿随着频率增加而降低的功率密度，保持可比较的信号幅度和解码质量，从而产生所述双极数据的所述综合振幅特征。4.根据权利要求3所述的立体脑电图电极信号解码模型构建方法，其特征在于，对所述综合振幅特征进行解码之前，还包括：通过减去所述综合振幅特征的平均值并除以标准偏差对所述综合振幅特征进行标准化。5.根据权利要求1所述的立体脑电图电极信号解码模型构建方法，其特征在于，所述对所述综合振幅特征进行解码，得到对应的平均相关系数包括：对每个所述综合振幅特征的所有线索对齐进行平均，以形成复合时间响应；为了量化潜在特征的重复性，使用基于时间相关性的算法，通过时间响应相对于复合时间响应获得的相关系数进行平均，来获取所述平均相关系数。6.根据权利要求1所述的立体脑电图电极信号解码模型构建方法，其特征在于，所述利用所述平均相关系数对所述综合振幅特征进行特征选择包括：选择的所述平均相关系数的范围为0.4至0.6时，称为中等相关水平，能够提高解码性能，超出此范围的所述平均相关系数的值倾向于降低解码性能；选择的所述平均相关系数的范围＞0.6时，具有更高的时间相关性。7.根据权利要求1所述的立体脑电图电极信号解码模型构建方法，其特征在于，所述获取构建的LSTM网络包括：构建LSTM网络的第一步是从单元中识别并省略不需要的信息；接下来决定并存储来自单元状态中的新输入的信息并更新单元状态；最后，基于输出单元状态并经过过滤输出值，sigmoid层决定单元状态的进入输出的部分。8.根据权利要求1所述的立体脑电图电极信号解码模型构建方法，其特征在于，2CN116011506A权利要求书2/2页所述特定行为包括手/手指运动和指尖的机械刺激；所述利用立体脑电图电极获取对象在特定行为下所产生的神经活动的双极数据还包括：位于缺乏神经活动的软组织中的立体脑电图电极被用作系统接地，减去来自相邻立体脑电图电极的信号，以提供降噪后的所述双极数据。9.一种立体脑电图电极信