脑-器械交互和脑-器官交互模型的迭代方法及相关装置

本发明属于医疗康复，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：

1、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。

2、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。

技术实现思路

1、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。

2、为达到上述目的，本发明采用以下技术方案予以实现：

3、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：

4、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；

5、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；

6、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；

7、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。

8、上述方法进一步的改进在于：

9、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。

10、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。

11、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。

12、所述生理信号为肌电信号或bold信号。

13、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。

14、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：

15、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；

16、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；

17、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；

18、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。

19、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。

20、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。

21、与现有技术相比，本发明具有以下有益效果：

22、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。

技术特征：

1.脑-器械交互和脑-器官交互模型的迭代方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的脑-器械交互和脑-器官交互模型的迭代方法，其特征在于，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。

3.根据权利要求2所述的脑-器械交互和脑-器官交互模型的迭代方法，其特征在于，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。

4.根据权利要求2所述的脑-器械交互和脑-器官交互模型的迭代方法，其特征在于，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。

5.根据权利要求1所述的脑-器械交互和脑-器官交互模型的迭代方法，其特征在于，所述生理信号为肌电信号或bold信号。

6.根据权利要求1所述的脑-器械交互和脑-器官交互模型的迭代方法，其特征在于，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。

7.脑-器械交互和脑-器官交互模型的迭代系统，其特征在于，包括：

8.一种电子设备，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权利要求1-6任一项所述脑-器械交互和脑-器官交互模型的迭代方法的步骤。

9.一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权利要求1-6任一项所述脑-器械交互和脑-器官交互模型的迭代方法的步骤。

技术总结
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，属于医疗康复技术领域；方法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；再将“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；然后通过“大脑‑器官”传递函数实时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；再根据优化后的“大脑‑器官”传递函数重构“器官‑外部设备”模型，实现迭代。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。

技术研发人员：刘刚,尧德中
受保护的技术使用者：郑州大学
技术研发日：
技术公布日：2024/1/15