本發(fā)明涉及腦電波電數(shù)字?jǐn)?shù)據(jù)處理領(lǐng)域，具體涉及用于腦起搏器的一種用于全局lep帕金森癥特征值提取的系統(tǒng)及方法。

背景技術(shù)：

帕金森（parkinson’sdisease，pd）是一種常見的神經(jīng)系統(tǒng)變性疾病，腦起搏器手術(shù)是治療帕金森病的主要手段之一。腦起搏器是一套精致小巧的微電子裝置，包括一個(gè)脈沖發(fā)生器、一組電極以及連接在脈沖發(fā)生器和電極之間的延伸導(dǎo)線。

腦起搏器手術(shù)是腦深部電刺激療法（dbs）的俗稱，通過(guò)植入大腦中的電極，發(fā)放弱電脈沖，刺激腦內(nèi)控制運(yùn)動(dòng)的相關(guān)神經(jīng)核團(tuán)，抑制引起帕金森病癥狀的異常腦神經(jīng)信號(hào)，從而消除帕金森病的癥狀，使患者能夠恢復(fù)原有的活動(dòng)能力和自理能力。

然而，目前在使用腦起搏器時(shí)存在如下缺陷：

1.刺激參數(shù)主要依靠對(duì)患者的觀察和患者描述得到刺激頻率和強(qiáng)度，通過(guò)經(jīng)驗(yàn)獲得，導(dǎo)致不同的人在操作腦起搏器時(shí)差異性大；刺激參數(shù)調(diào)節(jié)的主觀依賴性強(qiáng)，過(guò)多依靠醫(yī)師經(jīng)驗(yàn)積累，不利于dbs技術(shù)的全面推廣。

2.參數(shù)的調(diào)節(jié)缺乏時(shí)間敏感度，不能夠及時(shí)的根據(jù)患者身體狀況的變化做出及時(shí)調(diào)整，現(xiàn)在的平均調(diào)整周期為3-12個(gè)月，不能根據(jù)患者病情的變化進(jìn)行針對(duì)性治療；

為了克服目前腦起搏器的缺陷，局部場(chǎng)電位（localfieldpotential，lfp）是閉環(huán)dbs最理想的刺激參考信號(hào)。局部場(chǎng)電位是一類特殊的電生理信號(hào)，在生物體內(nèi)，具有一定體積的生物組織中的樹突突觸活動(dòng)會(huì)引發(fā)電流，當(dāng)這股電流流經(jīng)具有一定阻抗的細(xì)胞外空間時(shí)，就形成了一定的電場(chǎng)分布，在某一點(diǎn)記錄到的局部電壓值就叫做局部場(chǎng)電位。測(cè)量lfp核團(tuán)附近所有神經(jīng)元電活動(dòng)的總體情況，可以通過(guò)得到的lfp變化情況來(lái)反映大腦的不同活動(dòng)狀態(tài)。

然而，將lfp作為閉環(huán)dbs的刺激參考信號(hào)僅僅是一種設(shè)想，現(xiàn)在并沒(méi)有一個(gè)完備的系統(tǒng)來(lái)真正實(shí)現(xiàn)將lfp信號(hào)作為刺激參考信號(hào)使腦起搏器發(fā)放的弱電脈沖自動(dòng)變化。究其原因，是因?yàn)楝F(xiàn)在沒(méi)有辦法從lfp信號(hào)中提取出一個(gè)客觀的不依賴醫(yī)生經(jīng)驗(yàn)的，且能夠準(zhǔn)確反映腦部活動(dòng)狀況，可預(yù)測(cè)的帕金森特征值。通過(guò)這個(gè)特征值，可以使脈沖發(fā)生器針對(duì)帕金森病癥輸出適當(dāng)?shù)拿}沖刺激。這里所說(shuō)的客觀與不依賴醫(yī)生經(jīng)驗(yàn)，不僅僅是指特征值的產(chǎn)生方法和途徑上需要客觀，更指在對(duì)原始lfp信號(hào)的提取和處理上需要客觀?，F(xiàn)在，即使大家獲得同樣的lfp信號(hào)，但在對(duì)lfp信號(hào)的處理上也存在較大的技術(shù)偏見。在處理lfp信號(hào)時(shí)基本上都會(huì)舍棄表面信息量較少的頻段，但是對(duì)于究竟哪些頻段的lfp信號(hào)信息量較少并沒(méi)有一個(gè)客觀的判斷標(biāo)準(zhǔn)。而且，那些被舍棄不用的的lfp信號(hào)頻段中，所含有的有效信息對(duì)整個(gè)特征值的影響究竟有多大也無(wú)從得知。無(wú)論是從lfp信號(hào)的提取還是處理上，都需要一個(gè)客觀的，不依賴于醫(yī)生經(jīng)驗(yàn)的系統(tǒng)和方法，才能使最后的帕金森特征值能夠準(zhǔn)確反映患者的治療情況。

因此，現(xiàn)在急需提供一種能夠?yàn)榛颊咛峁?zhǔn)確、適當(dāng)且可預(yù)測(cè)的脈沖刺激頻率和強(qiáng)度的帕金森特征值的提取的系統(tǒng)及方法。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明意在提供一種用于全局lfp帕金森癥特征值提取的系統(tǒng)，以解決現(xiàn)有起搏器因?yàn)闆](méi)有一個(gè)客觀的不依賴于醫(yī)生經(jīng)驗(yàn)的帕金森癥特征值而使起搏器在使用時(shí)過(guò)多依賴人的經(jīng)驗(yàn)，不能為患者提供準(zhǔn)確、適當(dāng)且可預(yù)測(cè)的脈沖刺激頻率和強(qiáng)度的問(wèn)題。

為解決以上問(wèn)題，提供如下方案：

方案一：用于全局lfp帕金森癥特征值提取的系統(tǒng)，包括：

信號(hào)收發(fā)模塊，同時(shí)產(chǎn)生刺激脈沖和測(cè)量lfp信號(hào)；

特征提取模塊，與信號(hào)收發(fā)模塊連接，用來(lái)對(duì)信號(hào)收發(fā)模塊測(cè)得的lfp信號(hào)進(jìn)行能量分析，并根據(jù)分析結(jié)果將lfp信號(hào)進(jìn)行頻譜分段，提取各頻段的特征值；

綜合處理模塊，與特征提取模塊連接，將特征提取模塊提取的每個(gè)頻段的特征值與預(yù)先存儲(chǔ)在綜合處理模塊上的能量基線譜上的各個(gè)對(duì)應(yīng)點(diǎn)值做差；根據(jù)每個(gè)頻段特征值與能量基線譜上各個(gè)對(duì)應(yīng)點(diǎn)的差值計(jì)算每個(gè)頻段與能量基線譜的相關(guān)系數(shù)；

輸出模塊，與綜合處理模塊和腦起搏器連接，將綜合處理模塊得到的各頻段的相關(guān)系數(shù)作為權(quán)重值，每個(gè)頻段的特征值和相關(guān)系數(shù)的乘積相加得到全局lfp帕金森特征值。

系統(tǒng)原理：

在系統(tǒng)給運(yùn)行時(shí)，信號(hào)收發(fā)模塊在產(chǎn)生刺激脈沖的同時(shí)也在進(jìn)行l(wèi)fp信號(hào)的測(cè)量，不用額外設(shè)置用來(lái)測(cè)量lfp信號(hào)的采集端，既減少了設(shè)備數(shù)量，又可以快捷地進(jìn)行刺激信號(hào)的發(fā)放和反饋信號(hào)的接收。在信號(hào)收發(fā)模塊向大腦產(chǎn)生刺激脈沖的一段時(shí)間后，信號(hào)收發(fā)模塊可以采集到一段變化的lfp信號(hào)。信號(hào)收發(fā)模塊將這段lfp信號(hào)傳遞給特征提取模塊。特征提取模塊將這段lfp信號(hào)進(jìn)行處理后進(jìn)行能量分析，并根據(jù)能量分析的結(jié)果將lfp信號(hào)分成能量含量不同的幾個(gè)頻段，并對(duì)各個(gè)頻段進(jìn)行特征值提取。綜合處理模塊在接收到被特征提取模塊提取出來(lái)的每個(gè)頻段的多個(gè)離散的特征值時(shí)，將這些特征值分別與對(duì)應(yīng)的能量基線譜上的對(duì)應(yīng)點(diǎn)值做差值，并根據(jù)所得差值計(jì)算該頻段的頻譜與能量基線譜的相關(guān)性系數(shù)。將相關(guān)性系數(shù)作為權(quán)重值，分別與每個(gè)頻段的特征值做乘積，各個(gè)頻段的乘積相加就得到可以輸入到腦起搏器的全局lfp帕金森特征值。

有益效果：

信號(hào)收發(fā)模塊同時(shí)具有產(chǎn)生刺激脈沖和測(cè)量lfp信號(hào)的功能，能夠減少額外的模塊設(shè)置，同時(shí)能夠減少操作步驟，在向大腦進(jìn)行刺激信號(hào)發(fā)送的同時(shí)就能夠立即得到相應(yīng)的lfp信號(hào)響應(yīng)。

本發(fā)明綜合考慮了lfp信號(hào)上每個(gè)頻段的特征值，能夠全面反應(yīng)lfp信號(hào)上的所有信息，不僅增加了信息的多樣性，增加了信息容量，還能使整個(gè)lfp信號(hào)特征表現(xiàn)得更加明顯；使最終得到的帕金森特征值能夠客觀地體現(xiàn)整個(gè)lfp信號(hào)所要表達(dá)的信息內(nèi)容，使在這個(gè)被提取出來(lái)的帕金森特征值能夠更加貼近患者的實(shí)際治療情況。相比以往其他人只選取lfp信號(hào)中某一頻段的做法，采用全頻段上所有的特征值更能反應(yīng)這段lfp信號(hào)與帕金森癥的關(guān)系，能夠得到更加準(zhǔn)確、適當(dāng)、客觀的全局lfp帕金森特征值，使腦起搏器在參照這個(gè)全局lfp帕金森特征值后輸出的刺激脈沖能夠與當(dāng)前患者的病癥相符合。

本發(fā)明有效解決了現(xiàn)有的腦起搏器過(guò)于依賴醫(yī)生經(jīng)驗(yàn)，不能為患者提供準(zhǔn)確、適當(dāng)且可預(yù)測(cè)的脈沖刺激頻率和強(qiáng)度的問(wèn)題。

方案二：在方案一的基礎(chǔ)上，信號(hào)收發(fā)模塊為至少包含有兩組觸點(diǎn)的微電極，且兩組觸點(diǎn)之間連接有濾波電路。

通過(guò)濾波電路可以在采集的時(shí)候就消除刺激脈沖對(duì)lfp信號(hào)的干擾影響，使采到的lfp信號(hào)盡量的無(wú)噪音干擾，便于特征提取模塊對(duì)lfp信號(hào)進(jìn)行處理。

方案三：在方案一的基礎(chǔ)上，所述特征提取模塊包括微控制器，以及分別與微控制器連接的：

頻譜變換模塊，將lfp信號(hào)的頻譜通過(guò)預(yù)先存儲(chǔ)的公式變換成能量譜；

頻段分段模塊，與頻譜變換模塊連接，將接收到的能量頻譜根據(jù)其縱坐標(biāo)上能量值的大小進(jìn)行聚類分析，根據(jù)分析的結(jié)果，將能量頻譜分成不少于三個(gè)的分頻段；

分頻段特征值提取模塊，與頻段分段模塊和綜合處理模塊連接，將每個(gè)頻段根據(jù)頻域上的平均分配所提取的能量值作為該頻段的特征值；每個(gè)頻段的特征值個(gè)數(shù)相等。

通過(guò)頻譜變換模塊將直接通過(guò)信號(hào)收發(fā)模塊得到的lfp信號(hào)時(shí)域頻譜逐漸轉(zhuǎn)換成了能量頻譜，方便后面進(jìn)行特征值提取。能量頻譜分段的時(shí)候，根據(jù)每個(gè)頻段的能量值的大小不同進(jìn)行聚類分析，把能量值相近的一段連續(xù)頻譜分到一個(gè)分段中，將整個(gè)能量頻譜分解成不少于三個(gè)的分頻段。因?yàn)槊總€(gè)分頻段的能量值幾乎上是相同的，可以推定在這個(gè)分頻段中大腦的活動(dòng)狀況是相近的，從這個(gè)分頻段中所表現(xiàn)出來(lái)的特征是相近的，這樣將整個(gè)lfp能量譜頻段可以分割成更加利于分析和特征值提取的多個(gè)分頻段。

方案四：在方案三的基礎(chǔ)上，綜合處理模塊包括：

差值模塊，與分頻段特征值提取模塊連接；從分頻段特征值提取模塊中接收到的各分頻段上的特征值，并將各分頻段上的特征值與預(yù)先存儲(chǔ)的能量基線譜相減得到差值，輸出差值的絕對(duì)值；

相關(guān)系數(shù)模塊，分別與差值模塊和輸出模塊連接，將從差值模塊接收到的差值通過(guò)預(yù)先存儲(chǔ)的互相關(guān)函數(shù)計(jì)算出相關(guān)系數(shù)并輸出到輸出模塊中。

通過(guò)互相關(guān)函數(shù)計(jì)算出每個(gè)分頻段中的相關(guān)系數(shù)，作為各個(gè)分頻段中的權(quán)重值參與到輸出模塊中的全局lfp帕金森特征值的提取計(jì)算中。

本發(fā)明的另一目的是提供一種用于全局lfp帕金森癥特征值提取的方法，包括以下步驟：

步驟一，信號(hào)設(shè)定：通過(guò)信號(hào)收發(fā)模塊測(cè)得不同狀態(tài)下的lfp信號(hào)，并將這些lfp信號(hào)分別定義為帕金森癥患者正常狀態(tài)下的第一lfp信號(hào)，帕金森病狀態(tài)下的且不做任何的dbs刺激及藥物治療的第二lfp信號(hào)，帕金森病狀態(tài)下的僅進(jìn)行dbs刺激治療的第三lfp信號(hào)，帕金森病狀態(tài)下的僅服用藥物治療的第四lfp信號(hào)，帕金森病狀態(tài)下的且同時(shí)進(jìn)行dbs刺激及藥物治療的第五lfp信號(hào)；

步驟二，lfp信號(hào)預(yù)處理：依次對(duì)采集到的lfp信號(hào)進(jìn)行濾波、去噪及降采樣，分別得到1-7hz的低頻lfp信號(hào)、8-35hz的中頻lfp信號(hào)以及150hz以上的高頻lfp信號(hào)；

步驟三，譜分析：通過(guò)頻譜變換模塊和頻段分段模塊將經(jīng)預(yù)處理的信號(hào)從時(shí)域轉(zhuǎn)換到頻域進(jìn)行分析：結(jié)合頻譜、功率譜、光譜進(jìn)行分析，分別得到低頻lfp信號(hào)、中頻lfp信號(hào)和高頻lfp信號(hào)的頻域特征；

步驟四，各頻段特征提取及標(biāo)準(zhǔn)化：通過(guò)分頻段特征值提取模塊將步驟三種得到的各個(gè)頻段上的頻域特征進(jìn)行量化處理，得到0-100內(nèi)的離散值；

步驟五，全局建模及特征標(biāo)準(zhǔn)化：通過(guò)綜合處理模塊將前面獲取的各個(gè)頻段的特征值作為參數(shù)，其所代表的頻段與其帕金森癥狀的相關(guān)性作為權(quán)重，進(jìn)行建模，并通過(guò)輸出模塊輸出全局特征值。

本發(fā)明通過(guò)信號(hào)設(shè)定、lfp信號(hào)預(yù)處理、譜分析、各頻段特征提取及標(biāo)準(zhǔn)化以及全局建模及特征標(biāo)準(zhǔn)化的步驟，將整個(gè)lfp信號(hào)客觀地采集出來(lái)，并客觀全面地提取出反映該lfp信號(hào)的帕金森全局特征值。本發(fā)明沒(méi)有舍棄表面信息量少的某一頻段的信息，而是通過(guò)本領(lǐng)域技術(shù)供人的信息頻段中，通過(guò)對(duì)低頻段、中頻段和高頻段上的所有l(wèi)fp信號(hào)進(jìn)行分析和建模，得到一個(gè)可以用來(lái)直接判斷產(chǎn)生的起搏器電刺激參數(shù)是否適合準(zhǔn)確、適當(dāng)?shù)娜痔卣髦?。提升了閉環(huán)dbs的穩(wěn)定性。當(dāng)局部的特征紊亂的時(shí)候不至于影響dbs得出正常的電刺激參數(shù)，不會(huì)影響正常的dbs操作；當(dāng)某個(gè)頻段的信號(hào)特征出現(xiàn)了紊亂之后，系統(tǒng)能夠依據(jù)其他頻段的特征給出合理有效的全局特征值。

本發(fā)明不僅僅考慮某一頻段上的特征值，而且是綜合、全面地考慮整個(gè)頻段上的lfp信號(hào)變化，從而得到準(zhǔn)確、適當(dāng)、與帕金森癥治療反應(yīng)正相關(guān)的全局特征值，有利于減少現(xiàn)在dbs操作時(shí)對(duì)醫(yī)生個(gè)人經(jīng)驗(yàn)的過(guò)度依賴，通過(guò)全局特征值客觀地采取腦起搏器的電刺激參數(shù)的選取和調(diào)整。同時(shí)，本發(fā)明通過(guò)在在多環(huán)境下對(duì)局部場(chǎng)電位的特征進(jìn)行分析最后得到一個(gè)全局特征值，提升了全局特征值的適用范圍。

進(jìn)一步，在步驟三中，將經(jīng)過(guò)預(yù)處理的信號(hào)采用fft算法進(jìn)行轉(zhuǎn)換，獲取信號(hào)的頻譜和功率譜，對(duì)各個(gè)頻段上能量進(jìn)行量化評(píng)估；或者，在步驟三中，分別對(duì)各個(gè)頻段的信號(hào)采用希爾伯特黃變換進(jìn)行頻域轉(zhuǎn)換，并分別根據(jù)功率譜和光譜，觀測(cè)各個(gè)頻段上的特征；或者，在步驟三中，先取所采集數(shù)據(jù)量的一半量的數(shù)據(jù)，整體分析各個(gè)環(huán)境下整體的功率譜上的特征，根據(jù)分析的結(jié)果進(jìn)行歸類整理，根據(jù)整理的結(jié)果，對(duì)于各種環(huán)境下的頻段進(jìn)行固化，然后利用希爾伯特黃變換方法對(duì)數(shù)據(jù)進(jìn)行處理。

fft算法，為最基礎(chǔ)的算法，能夠較為高效的獲得全局的頻域特征。

希爾伯特黃變換，主要獲取信號(hào)的時(shí)頻特征，監(jiān)測(cè)信號(hào)的瞬時(shí)變化特性。

進(jìn)一步，在步驟四中，取采集到的所有信號(hào)的能量峰值作為標(biāo)準(zhǔn)值，進(jìn)行歸一化處理；將各個(gè)能量值映射在0-100的波動(dòng)范圍內(nèi)，對(duì)分頻段的能量值取其所有能量的平均值，作為特征值；或者，在步驟四中，對(duì)各個(gè)頻段上按照各自的情況進(jìn)行統(tǒng)計(jì)處理，結(jié)合正常的lfp信號(hào)在各個(gè)頻段上的能量，計(jì)算出各個(gè)頻段上的基線，將各個(gè)頻段上能量值與基線做差，將各個(gè)頻段差值的和作為特征值輸出；將特征值以信號(hào)峰值作為標(biāo)準(zhǔn)，在0-100之間量化。

進(jìn)一步，在步驟五中，采用線性回歸模型，將其代表的頻段與帕金森癥狀之間的相關(guān)性計(jì)算出來(lái)，作為線性模型的系數(shù)，量化到0-1的波動(dòng)范圍；將各個(gè)頻段的參數(shù)作為輸入與系數(shù)做乘法，將最后獲得的結(jié)果作為全局特征值輸出；或者，在步驟五中，采用人工神經(jīng)網(wǎng)絡(luò)模型，將采集到離線的數(shù)據(jù)作為訓(xùn)練樣本，根據(jù)分頻的個(gè)數(shù)，設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)節(jié)點(diǎn)的數(shù)量，將相關(guān)性系數(shù)作為節(jié)點(diǎn)的權(quán)重，進(jìn)行網(wǎng)絡(luò)的學(xué)習(xí)；學(xué)習(xí)完成后，將各個(gè)頻段的特征值作為輸入，輸入到對(duì)應(yīng)的節(jié)點(diǎn)，將模型輸出作為全局特征值輸出。

進(jìn)一步，在步驟五中，低頻段的特征參數(shù)疊加一個(gè)dbs刺激擾動(dòng)參數(shù)，中頻段的特征參數(shù)疊加一個(gè)藥物影響擾動(dòng)參數(shù)，高頻段的特征參數(shù)疊加dbs刺激及藥物影響擾動(dòng)參數(shù)；dbs刺激擾動(dòng)參數(shù)、藥物影響擾動(dòng)參數(shù)和dbs刺激及藥物影響擾動(dòng)參數(shù)均處于0-1范圍內(nèi)。

本文中的信號(hào)峰值指的是最高峰的峰值。

分別將dbs刺激擾動(dòng)參數(shù)、藥物影響擾動(dòng)參數(shù)和dbs刺激及藥物影響擾動(dòng)參數(shù)作為全局建模的權(quán)重系數(shù)之一參與計(jì)算，在低頻段只考慮dbs刺激擾動(dòng)參數(shù)，在中頻段只考慮藥物影響擾動(dòng)參數(shù)，在高頻段只考慮dbs刺激及藥物影響擾動(dòng)參數(shù)。其中，各頻段本身的特征參數(shù)是通過(guò)步驟一中的第一lfp信號(hào)和第二lfp信號(hào)的差值得到的；dbs刺激擾動(dòng)參數(shù)是通過(guò)步驟一中的第三lfp信號(hào)得到的；藥物影響擾動(dòng)參數(shù)通過(guò)步驟一中的第四lfp信號(hào)得到的；dbs刺激及藥物影響擾動(dòng)參數(shù)通過(guò)步驟一中的第五lfp信號(hào)得到的。通過(guò)步驟三中的譜分析和觀察，對(duì)每個(gè)頻段各自疊加適合該頻段的擾動(dòng)參數(shù)，能夠使最終得到的各個(gè)頻段的特征值更加貼合各個(gè)頻段實(shí)際突出表現(xiàn)的信息內(nèi)容。

附圖說(shuō)明

圖1為本發(fā)明實(shí)施例的邏輯框圖。

圖2為本發(fā)明實(shí)施例的全局特征值提取的流程圖。

具體實(shí)施方式

下面通過(guò)具體實(shí)施方式對(duì)本發(fā)明作進(jìn)一步詳細(xì)的說(shuō)明：

說(shuō)明書附圖的附圖標(biāo)記為：信號(hào)收發(fā)模塊1、特征提取模塊2、綜合處理模塊3、輸出模塊4、微控制器5、頻譜變換模塊6、頻段分段模塊7、分頻段特征值提取模塊8、差值模塊9、相關(guān)系數(shù)模塊10、異常放電狀態(tài)評(píng)估模塊11、控制規(guī)則庫(kù)設(shè)計(jì)模塊12、產(chǎn)生刺激模塊13。

實(shí)施例

如圖1所示，用于全局lfp帕金森癥特征值提取的系統(tǒng)，包括：

信號(hào)收發(fā)模塊1，通過(guò)植入電極采集stn或gpi部位的場(chǎng)電位信號(hào)；同時(shí)產(chǎn)生刺激脈沖和測(cè)量lfp信號(hào)；信號(hào)收發(fā)模塊1為至少包含有兩組觸點(diǎn)的微電極，且兩組觸點(diǎn)之間連接有濾波電路。

特征提取模塊2，對(duì)場(chǎng)電位信號(hào)進(jìn)行特征提取；與信號(hào)收發(fā)模塊1連接，用來(lái)對(duì)信號(hào)收發(fā)模塊1測(cè)得的lfp信號(hào)進(jìn)行能量分析，并根據(jù)分析結(jié)果將lfp信號(hào)進(jìn)行頻譜分段，提取各頻段的特征值；

綜合處理模塊3，與特征提取模塊2連接，將特征提取模塊2提取的每個(gè)頻段的特征值與預(yù)先存儲(chǔ)在綜合處理模塊3上的能量基線譜上的各個(gè)對(duì)應(yīng)點(diǎn)值做差；根據(jù)每個(gè)頻段特征值與能量基線譜上各個(gè)對(duì)應(yīng)點(diǎn)的差值計(jì)算每個(gè)頻段與能量基線譜的相關(guān)系數(shù)；

輸出模塊4，與綜合處理模塊3和腦起搏器連接，將綜合處理模塊3得到的各頻段的相關(guān)系數(shù)作為權(quán)重值，每個(gè)頻段的特征值和相關(guān)系數(shù)的乘積相加得到全局lfp帕金森特征值。

其中，特征提取模塊2包括微控制器5，以及分別與微控制器5連接的三個(gè)模塊：

頻譜變換模塊6，將lfp信號(hào)的時(shí)域頻譜通過(guò)預(yù)先存儲(chǔ)的公式變換成能量頻譜；

頻段分段模塊7，與頻譜變換模塊6連接，將接收到的能量頻譜根據(jù)其縱坐標(biāo)上能量值的大小進(jìn)行聚類分析，根據(jù)分析的結(jié)果，將能量頻譜分成不少于三個(gè)的分頻段；

分頻段特征值提取模塊8，與頻段分段模塊7和綜合處理模塊3連接，將每個(gè)頻段上根據(jù)頻域上的平均分配提取對(duì)應(yīng)的能量值作為該頻段的特征值；每個(gè)頻段的特征值個(gè)數(shù)相等。

其中，綜合處理模塊3包括：

差值模塊9，與分頻段特征值提取模塊8連接，將從分頻段特征值提取模塊8中接收到的各分頻段上的特征值與預(yù)先存儲(chǔ)的能量基線譜相減得到差值的絕對(duì)值輸出；

相關(guān)系數(shù)模塊10，分別與差值模塊9和輸出模塊4連接，將從差值模塊9接收到的差值通過(guò)預(yù)先存儲(chǔ)的互相關(guān)函數(shù)計(jì)算出相關(guān)系數(shù)輸出到輸出模塊4中。

通過(guò)用于全局lfp帕金森癥特征值提取的系統(tǒng)，構(gòu)建閉環(huán)的dbs系統(tǒng)，主要包括與特征提取模塊2和綜合處理模塊3連接的異常放電狀態(tài)評(píng)估模塊11；分別與異常放電狀態(tài)評(píng)估模塊11和輸出模塊4連接的控制規(guī)則庫(kù)設(shè)計(jì)模塊12；分別與控制規(guī)則庫(kù)設(shè)計(jì)模塊12和信號(hào)收發(fā)模塊1連接的產(chǎn)生刺激模塊13。

異常放電狀態(tài)評(píng)估模塊11：通過(guò)特征提取后獲取的特征值，評(píng)估當(dāng)前發(fā)病狀態(tài)；沒(méi)有異常放電狀態(tài)評(píng)估模塊11，可以直接將輸出模塊4輸出的全局特征值輸入到控制規(guī)則庫(kù)設(shè)計(jì)模塊12中進(jìn)行電刺激選擇。增加異常放電狀態(tài)評(píng)估模塊11，可以使控制規(guī)則庫(kù)設(shè)計(jì)模塊12的輸入不僅僅只有全局特征值，可以使控制規(guī)則庫(kù)設(shè)計(jì)模塊12向產(chǎn)生刺激模塊13輸出更加準(zhǔn)確和貼合患者實(shí)際情況的電刺激。

控制規(guī)則庫(kù)設(shè)計(jì)模塊12：根據(jù)腦功能狀態(tài)及發(fā)病強(qiáng)弱設(shè)置對(duì)應(yīng)的刺激參數(shù)表；

產(chǎn)生刺激模塊13：通過(guò)植入電極產(chǎn)生刺激。產(chǎn)生刺激模塊13可以是單獨(dú)的微電極，也可以是與信號(hào)收發(fā)模塊1二合一的微電極。

如圖2所示，在構(gòu)建好dbs系統(tǒng)后，對(duì)與刺激參數(shù)一一對(duì)應(yīng)的全局特征值進(jìn)行提取，具體的提取步驟如下：

步驟一，信號(hào)設(shè)定s1：首先，將腦起搏器對(duì)應(yīng)的電極植入到基底神經(jīng)節(jié)部位的丘腦核底處（subthalamicnucleus，stn），植入的為棒狀的電極棒，在電極棒的底部有四個(gè)電極點(diǎn)，從上到下分別標(biāo)記為第一電極、第二電極、第三電極、第四電極，其中第一電極、第三電極為記錄電極，負(fù)責(zé)記錄丘腦底核的場(chǎng)電位信號(hào)，第二電極、第四電極為刺激電極，負(fù)責(zé)產(chǎn)生刺激脈沖；電極通過(guò)手術(shù)植入到丘腦底核，一般為雙側(cè)植入，也就需要兩個(gè)電極棒，共有四個(gè)電極刺激點(diǎn)，四個(gè)場(chǎng)電位記錄電極，分別位于兩側(cè)。場(chǎng)電位信號(hào)的傳遞和刺激脈沖的傳遞通過(guò)導(dǎo)線完成傳輸。然后，將dbs控制端植入到胸前鎖骨下的部位，在dbs的控制端完成采集信號(hào)分析處理。在dbs的控制端需要在現(xiàn)有設(shè)備的基礎(chǔ)上增加信號(hào)采集電路，包括a/d轉(zhuǎn)換、信號(hào)放大、硬件濾波電路等。a/d轉(zhuǎn)換,主要完成將模擬的信號(hào)按照一定的采樣率轉(zhuǎn)換成數(shù)字信號(hào)，由于腦電信號(hào)微弱，在進(jìn)行轉(zhuǎn)換之前需要先進(jìn)行信號(hào)的放大，并且要求a/d轉(zhuǎn)換電路有較高的分辨率，實(shí)施例采用24位的模數(shù)轉(zhuǎn)換器，信號(hào)最大放大倍數(shù)在2000倍。硬件濾波電路，對(duì)傳輸過(guò)來(lái)的lfp信號(hào)直接進(jìn)行硬件上的濾波，主要為了濾除在dbs刺激環(huán)境下的干擾偽跡。dbs控制端與植入顱內(nèi)的電極通過(guò)埋在皮下的導(dǎo)線相連接。

將腦起搏器的微電極植入到不同癥狀的顱內(nèi)采集lfp信號(hào)，分別得帕金森癥患者正常狀態(tài)下的第一lfp信號(hào)，帕金森病狀態(tài)下的且不做任何的dbs刺激及藥物治療的第二lfp信號(hào)，帕金森病狀態(tài)下的僅進(jìn)行dbs刺激治療的第三lfp信號(hào)，帕金森病狀態(tài)下的僅服用藥物治療的第四lfp信號(hào)，帕金森病狀態(tài)下的且同時(shí)進(jìn)行dbs刺激及藥物治療的第五lfp信號(hào)；

lfp信號(hào)由植入顱內(nèi)的微電極進(jìn)行采集，并不植入專門的信號(hào)采集電極，減少患者的負(fù)擔(dān)。利用dbs電極作為信號(hào)采集電極，需要解決刺激信號(hào)對(duì)信號(hào)采集的影響。從硬件電路進(jìn)行設(shè)計(jì)，在第一電極和第三電極與第二電極和第四電極之間增加硬件濾波電路，從硬件上直接去除刺激信號(hào)產(chǎn)生的人工偽跡干擾，使得到的lfp信號(hào)不受到刺激信號(hào)的干擾，從而完成在dbs刺激的同時(shí)進(jìn)行信號(hào)記錄的任務(wù)。

步驟二，lfp信號(hào)預(yù)處理s2：依次對(duì)采集到的lfp信號(hào)進(jìn)行濾波、去噪及降采樣，分別得到每種狀態(tài)下1-7hz的低頻lfp信號(hào)、8-35hz的中頻lfp信號(hào)以及150hz以上的高頻lfp信號(hào)；

其中，信號(hào)的濾波是主要是指采用帶通濾波針對(duì)特殊頻段的干擾進(jìn)行濾除，包含對(duì)各段信號(hào)根據(jù)下個(gè)階段的任務(wù)對(duì)濾波器進(jìn)行設(shè)計(jì)，主要目的是為了去除高頻的spikes電位。去噪，主要是指去除偽跡，主要針對(duì)前面提及到的dbs刺激產(chǎn)生的偽跡進(jìn)行軟件的進(jìn)一步濾除；降采樣，是指根據(jù)應(yīng)用的需求，結(jié)合最大的頻率需求，降低信號(hào)的采樣頻率，減小數(shù)據(jù)量，降低算法處理的難度，提升算法運(yùn)行的效率，便于將算法移植到dbs系統(tǒng)的控制端。最后在信號(hào)采集的過(guò)程中，做好信號(hào)時(shí)間序列的整理。

設(shè)計(jì)卡爾曼濾波器，對(duì)采集到的信號(hào)進(jìn)行濾波，濾波器采用三階濾波，兼顧運(yùn)行效率和準(zhǔn)確度。首先進(jìn)行帶通濾波，濾除特定頻率的干擾，帶通濾波器主要濾除與dbs刺激頻率相同的頻段，如何130hz附近；另外進(jìn)行低通濾波器，濾除高頻的spikes電位干擾，低通濾波器的截止頻率為200hz，將高于200hz的頻率成分濾除。根據(jù)上面濾波的要求，在信號(hào)進(jìn)行濾波處理之前，需要對(duì)信號(hào)進(jìn)行降采樣，將信號(hào)的采樣頻率固定在500hz，保證信號(hào)在0-200hz頻段的信號(hào)能夠較好的保留模擬信號(hào)的特征。最后保留信號(hào)的時(shí)間序列。

步驟三，譜分析s3：將經(jīng)預(yù)處理的信號(hào)從時(shí)域轉(zhuǎn)換到頻域進(jìn)行分析：結(jié)合頻譜、功率譜、光譜進(jìn)行分析，分別得到低頻lfp信號(hào)、中頻lfp信號(hào)和高頻lfp信號(hào)的頻域特征；直接將第二至第五lfp信號(hào)上各個(gè)頻段的能量譜與帕金森癥患者正常情況下測(cè)得的第一lfp信號(hào)的能量譜進(jìn)行對(duì)比。在各個(gè)頻段內(nèi)分別10個(gè)均勻分布的頻率值，這10個(gè)頻率值對(duì)應(yīng)的功率值即為每個(gè)頻段的特征值。

在步驟三中，可以直接將經(jīng)過(guò)預(yù)處理的信號(hào)進(jìn)行轉(zhuǎn)換，采用最基礎(chǔ)的fft算法，從整體上對(duì)算法譜分析，直接從功率譜圖觀察對(duì)各個(gè)頻段的信號(hào)進(jìn)行評(píng)估。fft算法，為最基礎(chǔ)的算法，能夠較為高效的獲得全局的頻域特征。

或者，在步驟三中，對(duì)于經(jīng)過(guò)預(yù)處理的信號(hào)，首先采用濾波器進(jìn)行分頻，將信號(hào)分成預(yù)先設(shè)定好的幾個(gè)頻段，然后分別對(duì)各個(gè)頻段的信號(hào)進(jìn)行功率譜、光譜分析，觀測(cè)各個(gè)頻段上的特征，進(jìn)行頻域轉(zhuǎn)換的時(shí)候采用希爾伯特黃變換，關(guān)注信號(hào)時(shí)頻變換特點(diǎn)。希爾伯特黃變換，主要獲取信號(hào)的時(shí)頻特征，監(jiān)測(cè)信號(hào)的瞬時(shí)變化特性。

或者，在步驟三種，獲取頻譜之后，采用經(jīng)典法，分別獲取信號(hào)的頻譜密度圖與光譜圖，所有頻譜密度采用統(tǒng)一的量化標(biāo)準(zhǔn)，先取一定量的數(shù)據(jù)，整體分析各個(gè)環(huán)境下整體的功率譜上的特征，采用最小二乘法對(duì)結(jié)果進(jìn)行歸類整理，根據(jù)整理的結(jié)果，對(duì)于各種環(huán)境下的頻段進(jìn)行固化，計(jì)算出理論基線，采用濾波器進(jìn)行分頻，將信號(hào)分成預(yù)先設(shè)定好的幾個(gè)頻段，然后分別對(duì)各個(gè)頻段的信號(hào)進(jìn)行功率譜、光譜分析，觀測(cè)各個(gè)頻段上的特征。

步驟四，各頻段特征提取及標(biāo)準(zhǔn)化s4：將步驟三種得到的各個(gè)頻段上的頻域特征進(jìn)行量化處理，得到0-100內(nèi)的離散值；

在步驟四中，可以取采集到的所有信號(hào)的能量最高峰值作為標(biāo)準(zhǔn)值，進(jìn)行歸一化處理；將各個(gè)能量值映射在0-100的波動(dòng)范圍內(nèi)，對(duì)分頻段的能量值取其所有能量的平均值，作為特征值。

或者，在步驟四中，對(duì)各個(gè)頻段上按照各自的情況進(jìn)行統(tǒng)計(jì)處理，結(jié)合正常的lfp信號(hào)在各個(gè)頻段上的能量，計(jì)算出各個(gè)頻段上的基線，將各個(gè)頻段上能量值與基線做差，將各個(gè)頻段差值的和作為特征值輸出；將特征值以信號(hào)最高峰值作為標(biāo)準(zhǔn)，在0-100之間量化。

步驟五，全局建模及特征標(biāo)準(zhǔn)化s5：前面獲取的各個(gè)頻段的特征值作為參數(shù)，其所代表的頻段與其帕金森癥狀的相關(guān)性作為權(quán)重，進(jìn)行建模，輸出全局特征值。

在步驟五中，可以采用線性回歸模型，將其代表的頻段與帕金森癥狀之間的相關(guān)性進(jìn)行計(jì)算出來(lái)，作為線性模型的系數(shù)，量化到0-1的波動(dòng)范圍，將各個(gè)頻段的參數(shù)作為輸入與系數(shù)做乘法，將最后獲得的結(jié)果作為全局的特征參數(shù)輸出。

或者，在步驟五中，用人工神經(jīng)網(wǎng)絡(luò)模型，將采集到離線的數(shù)據(jù)作為數(shù)據(jù)庫(kù)，根據(jù)分頻段的數(shù)量預(yù)設(shè)為三，設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)節(jié)點(diǎn)的數(shù)量，將相關(guān)性系數(shù)作為節(jié)點(diǎn)的權(quán)重，將采集到的離線的數(shù)據(jù)庫(kù)作為測(cè)試數(shù)據(jù)進(jìn)行網(wǎng)絡(luò)的學(xué)習(xí)。學(xué)習(xí)完成后，將各個(gè)頻段的特征值作為輸入，輸入到對(duì)應(yīng)的節(jié)點(diǎn)，將模型輸出作為全局的特征值。

或者，在步驟五中，將環(huán)境的因素考慮到建模中來(lái)，低頻段的特征參數(shù)考慮其與dbs刺激之間的關(guān)系，beta段考慮其受到藥物干擾的影響，高頻段考慮與dbs刺激參數(shù)之間的重疊。將這個(gè)三種環(huán)境下個(gè)干擾設(shè)置一個(gè)擾動(dòng)參數(shù)，將該參數(shù)引入到上面所提的兩種方案之中，是的整體算法的適應(yīng)性有所提升。

低頻段的特征參數(shù)疊加一個(gè)dbs刺激擾動(dòng)參數(shù)，中頻段的特征參數(shù)疊加一個(gè)藥物影響擾動(dòng)參數(shù)，高頻段的特征參數(shù)疊加dbs刺激及藥物影響擾動(dòng)參數(shù)；dbs刺激擾動(dòng)參數(shù)、藥物影響擾動(dòng)參數(shù)和dbs刺激及藥物影響擾動(dòng)參數(shù)均處于0-1范圍內(nèi)。

本文中的信號(hào)峰值指的是最高峰的峰值。

分別將dbs刺激擾動(dòng)參數(shù)、藥物影響擾動(dòng)參數(shù)和dbs刺激及藥物影響擾動(dòng)參數(shù)作為全局建模的權(quán)重系數(shù)之一參與計(jì)算，在低頻段只考慮dbs刺激擾動(dòng)參數(shù)，在中頻段只考慮藥物影響擾動(dòng)參數(shù)，在高頻段只考慮dbs刺激及藥物影響擾動(dòng)參數(shù)。其中，各頻段本身的特征參數(shù)是通過(guò)步驟一中的第一lfp信號(hào)和第二lfp信號(hào)的差值得到的；dbs刺激擾動(dòng)參數(shù)是通過(guò)步驟一中的第三lfp信號(hào)得到的；藥物影響擾動(dòng)參數(shù)通過(guò)步驟一中的第四lfp信號(hào)得到的；dbs刺激及藥物影響擾動(dòng)參數(shù)通過(guò)步驟一中的第五lfp信號(hào)得到的。通過(guò)步驟三中的譜分析和觀察，對(duì)每個(gè)頻段各自疊加適合該頻段的擾動(dòng)參數(shù)，能夠使最終得到的各個(gè)頻段的特征值更加貼合各個(gè)頻段實(shí)際突出表現(xiàn)的信息內(nèi)容。

試驗(yàn)例：

選定同一個(gè)患者，分別用本實(shí)施例中的提取系統(tǒng)和現(xiàn)有的提取系統(tǒng)來(lái)提取帕金森特征值。以十分為滿分，選定同樣的五十個(gè)具有醫(yī)護(hù)知識(shí)的專業(yè)人員來(lái)對(duì)提取的帕金森特征值與患者實(shí)際的帕金森病癥程度是否一致進(jìn)行打分。其中，完全符合為十分，完全不符合為零分。在相同條件下，構(gòu)造如表1所示的對(duì)比例及實(shí)施例。其中，實(shí)施例中的提取系統(tǒng)簡(jiǎn)稱為本提取系統(tǒng)，實(shí)施例中的提取方法簡(jiǎn)稱為本提取方法?，F(xiàn)有提取系統(tǒng)只現(xiàn)在最常用的lfp信號(hào)的腦電波采集系統(tǒng)，現(xiàn)有的提取方法只用來(lái)對(duì)lfp信號(hào)進(jìn)行特征值提取的方法。在對(duì)比例2中，采用現(xiàn)有的提取方法對(duì)全頻段中各個(gè)頻段的特征值進(jìn)行分別提取，然后直接求平均值。

表1

在相同的時(shí)間、空間以及環(huán)境等條件下，將表1中得到的帕金森特征值及其表征的帕金森癥的程度與實(shí)際的帕金森癥程度進(jìn)行評(píng)分，將五十個(gè)專業(yè)人員的評(píng)分求平均值后得到如表2所示的結(jié)果。

表2

表2中，將對(duì)比例1與對(duì)比例2相比，對(duì)比例3至對(duì)比例5分別與實(shí)施例對(duì)比，可以看出全頻段的信號(hào)提取比單頻段的信號(hào)提取更加能夠反映患者的實(shí)際病癥情況。將對(duì)比例1和對(duì)比例2分別與對(duì)比例3和實(shí)施例對(duì)比，可以看出運(yùn)用本實(shí)施例中的提取系統(tǒng)和提取方法，得到的帕金森特征值優(yōu)于用現(xiàn)有提取系統(tǒng)和現(xiàn)有提取方法得到的帕金森特征值。究其原因，本實(shí)施例中的提取系統(tǒng)和提取方法，不僅充分考慮了不同頻段的信息內(nèi)容，還通過(guò)譜分析將每個(gè)頻段的特征表征的擾動(dòng)參數(shù)進(jìn)行針對(duì)性添加，使每個(gè)頻段最終得到的特征值能夠代表該頻段所要表征的主要信息。由此得到的帕金森特征值更加客觀，更加貼近患者的實(shí)際病癥情況，有利于后期針對(duì)性地進(jìn)行病癥治療。

以上所述的僅是本發(fā)明的實(shí)施例，方案中公知的具體結(jié)構(gòu)及特性等常識(shí)在此未作過(guò)多描述，所屬領(lǐng)域普通技術(shù)人員知曉申請(qǐng)日或者優(yōu)先權(quán)日之前發(fā)明所屬技術(shù)領(lǐng)域所有的普通技術(shù)知識(shí)，能夠獲知該領(lǐng)域中所有的現(xiàn)有技術(shù)，并且具有應(yīng)用該日期之前常規(guī)實(shí)驗(yàn)手段的能力，所屬領(lǐng)域普通技術(shù)人員可以在本申請(qǐng)給出的啟示下，結(jié)合自身能力完善并實(shí)施本方案，一些典型的公知結(jié)構(gòu)或者公知方法不應(yīng)當(dāng)成為所屬領(lǐng)域普通技術(shù)人員實(shí)施本申請(qǐng)的障礙。應(yīng)當(dāng)指出，對(duì)于本領(lǐng)域的技術(shù)人員來(lái)說(shuō)，在不脫離本發(fā)明結(jié)構(gòu)的前提下，還可以作出若干變形和改進(jìn)，這些也應(yīng)該視為本發(fā)明的保護(hù)范圍，這些都不會(huì)影響本發(fā)明實(shí)施的效果和專利的實(shí)用性。本申請(qǐng)要求的保護(hù)范圍應(yīng)當(dāng)以其權(quán)利要求的內(nèi)容為準(zhǔn)，說(shuō)明書中的具體實(shí)施方式等記載可以用于解釋權(quán)利要求的內(nèi)容。