帕金森状态的闭环神经刺激仿真系统的制作方法

文档序号:9929676阅读:428来源:国知局
帕金森状态的闭环神经刺激仿真系统的制作方法
【技术领域】
[0001] 本发明设及生物医学工程技术,特别是一种帕金森状态的闭环神经刺激仿真系 统。
【背景技术】
[0002] 帕金森症(Parkinson'S Disease,PD)是一种神经系统退行性疾病,主要临床表现 为静止性震颤、肌肉僵直、运动徐缓和姿势步态异常等运动障碍,对病人及家属的生活造成 了严重影响。研究表明,是由黑质致密部中多己胺能神经元缺失引起的,会导致基底核 (Basal Ganglia,BG)回路中神经核团间产生异常的同步振荡,运种振荡使得BG对丘脑 (化alamocodicalJC)核团的抑制性输入作用增强,从而降低了 TC中继感觉运动区皮层信 号的能力。随着电磁刺激技术的发展,深度脑刺激(Deep Brain Stimulation,DBS)已经成 为治疗晚期及具有抗药性的PD患者的重要方法。通过对底丘脑核(SubthaIamiC NucIeus, STN)、苍白球内侧(Globus Pallidus interna,GPi)或TC施加高频脉冲序列,能够实现对病 态神经活动的调节,恢复丘脑的中继功能。随着对DBS研究的深入,其缺点逐步凸显,闭环刺 激技术逐步成为PD疗法的前沿技术之一。
[0003] 受道德伦理的约束,不能在人体内反复进行试验W验证闭环方式的有效性。此时, 计算模型成为算法设计与预期生理现象之间的桥梁,因为通过模型能够反复进行设计并选 取最优的方法。当前,描述PD状态的模型主要包括放电速率模型、局部场电位模型、集群相 位动态模型和RT模型,运些模型在不同尺度上模拟了 PD的病态变化。考虑到PD的病灶区(BG 网络)的复杂非线性生理特性及不确定性,很难通过上述方法构建精确的生理学模型。但 是,如果不考虑BG网络的内部结构,将其看作一个黑箱,采用系统辨识的方法构建其功能 学模型,将大大简化研究过程。近年来,系统辨识在神经系统的建模中逐渐兴起,该方法是 基于实验数据来构建定量描述系统输入刺激-输出响应间映射关系的模型,为进一步研究 刺激的样式提供模型平台。
[0004] 神经元放电的历史依存性表明其在当前时刻的放电状态与过去时刻的放电状态 和当前及过去时刻的外部输入信号息息相关,而且运种关系一般是非线性的。因此,选择能 够对非线性系统进行辨识建模的离散时间Volterra级数,能够准确的模拟输入-输出间的 非线性关系。另外,考虑到当前输出与过去输出间的依赖关系,在传统Volterra级数中引入 自回归项,将过去时刻的输出信号经过阔值处理后作为Volterra级数的第二个输入,构建 非线性自回归Volterra级数即可模拟神经系统的电活动。其表达式如下:
[0005]
[0006] 其中ko,日表示0阶Volterra核函数,即在没有外部输入时的输出值;ki,o,k2,o表示I 阶和2阶外部输入自核函数;ko, 1,ko,2表示1阶和2阶自回归输入自核函数;ki, 1表示互函数。
[0007] 模型预测控制(Model Predictive ControLMPC)是一种基于优化的控制算法,在 工业过程中获得了广泛的应用。通过每个时域中目标函数最优来滚动求解控制信号作用于 当前系统;在目标函数中设及到的系统的未来行为,通过预测模型产生,线性系统的预测模 型主要为自回归滑动平均模型、非线性系统的预测模型则是上述介绍的Volterra级数模 型;通过引入参考轨迹设定值对参考轨迹进行柔滑,实现实时信息对系统未来行为的修正 作用,并保证过程的平稳性。因此,MPC主要包括:滚动优化、预测模型、反馈校正和参考轨 迹四个部分。相对于全程最优控制方法,运种方法的优势在于可W在控制过程中的每一个 采样时刻获得新的测量结果,并更新控制策略,使控制过程的每一个子区间均为最优控制, 运对于处理线性多变量系统的在线实时整定有着重要意义。
[000引现场可编程口阵列(Field Programmable Gate Array,FPGA)作为一种重要的硬 件技术,采用并行运算,计算速度快;同时兼具密度高、体积小、编程灵活、可重复配置、修改 参数简便、低成本、低功耗、高可靠性等优势;因此在数据采样控制和信号处理方面得到广 泛应用。另一方面,基于FPGA硬件技术进行神经元及神经元网络的计算和特性分析,可W在 真实时间尺度下运行,具有速度快、运算效率高、集成度高等优势,可W代替真实神经系统 进行实验,有效规避生理实验中的伦理问题和不可重复的问题,为科学研究提供了便利的 实验平台,因此在神经科学领域发挥着愈来愈重要的作用。
[0009] 关于PD状态的闭环神经刺激系统研究已经取得了满意的效果,但是现存的闭环控 制算法的设计都基于特定的生理学模型或动物实验,控制方法的普适性不高;而且,BG网络 非常复杂,难W构建精确的生理模型用于控制;现有级数多采用计算机进行运算,与FPGA相 比,计算速率和运算效率受到限制。

【发明内容】

[0010] 针对上述技术中存在的不足,本发明的目的是提供一种帕金森状态的闭环神经刺 激仿真系统,利用FPGA搭建虚拟的基底核-丘脑回路平台,与DA讨目连产生PD状态下的连续 电生理信号;运用自回归Volterra模型对基底核-丘脑回路的输入输出数据进行辨识,构建 回路的功能模型,并基于此模型设计非线性MPC控制策略,实现对基底核-丘脑回路的实时 闭环控制。
[0011] 为实现上述目的,本发明采用的技术方案是一种帕金森状态的闭环神经刺激仿真 系统,其中:该系统包括有相互连接的基底核-丘脑回路、DAC、ADC、非线性自回归Volterra 模型和非线性模型预测控制器包括由FPGA搭建的基底核-丘脑回路、DAC、ADC、非线性自回 归Volterra模型和非线性模型预测控制器。ADC分别接在基底核-丘脑回路的输入端和输出 端,用来采集基底核-丘脑回路的输入输出数据。
[0012] 本发明的效果是该系统实现了 W自回归Volterra建模和模型预测控制对未知模 型系统的分析、辨识与闭环控制,为神经系统闭环控制提供了一种有效方法。主要优点有: 1、W硬件技术构建虚拟神经系统,所设计的硬件仿真模型能够与真实生物神经元在时间尺 度上保持高度一致,其中忍片最大工作频率为200MHz,并行运算保证虚拟神经系统的膜电 位输出频率在Ims之内,满足真实神经元时间尺度要求,与传统的生理实验相比,避免了有 创式刺激对人体的损害,无需考虑活体实验的局限性与伦理限制;2、本方法中的非线性自 回归Volterra模型是数据驱动模型,建模过程不需要已知被控对象的精确生理结构,即可 实现对系统未来行为的准确预测;3、基于Volterra模型的非线性MPC控制策略,通过构建的 目标函数要求滚动地求解最优控制作用并更新当前控制的控制策略,通过每一步检测到的 实时的信息对未来行为的预测进行滚动修正;4、采用FPGA硬件基础进行实验,在FPGA忍片 间的数据传输速度可达480Mbits/s,可W充分发挥FPGA并行处理、运算速率快、运算精度高 等优点,使控制效果实现最优化。
【附图说明】
[0013] 图1为本发明的控制系统示意图;
[0014] 图2(a)为本发明的BG-TC回路示意图;
[001引图2(b)为本发明的BG-T徊路简化示意图;
[0016] 图3为本发明的自回归Volterra建模示意图。
[0017] 图中;
[001 引 1、基底核-丘脑回路 2、FPGA忍片 3、DACI 4、ADCI 5、ADCII 6、Volterra模型 7、 非线性模型预测控制器8、目标函数9、DACII 10、底丘脑核11、外侧苍白球核团12、内侧 苍白球13、纹状体14、基底核15、感觉运动区16、丘脑核团17、拉盖尔展开模块18、递 推最小二乘系数估计19、阔值处理
【具体实施方式】
[0019] 下面结合附图对本发明的帕金森状态的闭环神经刺激控制系统加 W说明。
[0020] 如图1所示,本发明的帕金森状态的闭环神经刺激控制系统,主要包括基底核-丘 脑回路1、DACI 3、ADCI 4、ADCII 5、Volterra模型6、非线性模型预测控制器7、目标函数8、 DACII 9九个部分组成。其设计思想是首先用FPGA2构建虚拟BG-TC回路仿真平台1,通过与 DACI相连,模拟神经系统产生在PD状态下的电生理信号,同时作为闭环控制系统的被控对 象;然后利用ADCI 4和ADCII 5对基底核-丘脑回路1的输入与输出生理信号分别进行采样, 得到输入数据序列x(t)和输出数据序列y(t); Volterra模型6是非线性自回归形式的 Volterra级数,根据采样得到的输入数据序列x(t)和输出数据序列y(t)对基底核-丘脑回 路1进行辨识;非线性MPC控制器7根据Volterra模型姆弁识得到的结果,通过滚动时域优化 目标函数8的方法不断更新控制策略,并改变非线性模型预测控制器7的参数,实时调整非 线性模型预测控制器7通过DACII 9作用于基底核-丘脑回路1的刺激信号,实现对虚拟BG-TC回路的实时闭环控制。
[0021] 本发明的帕金森状态的闭环神经刺激仿真系统结构是,该系统包括有相互连接的 基底核-丘脑回路1、DAC、ADC、非线性自回归Volterra模型6和非线性模型预测控制器7, DAC、ADC分别接在基底核-丘脑回路1的输入端和输出端,用来采集基底核-丘脑回路的输入 输出数据。
[0022] 所述的基底核-丘脑回路1是由FPGA忍片2构建的虚拟神经回路,与所述的DACK3) 相连,得到连续模拟大脑中产生的电生理信号;所述ADCI4的一端与DACI3相连,另一端与非 线性自回归Vol terra级数实现的Volterra模型6相连,对连续的生理输出数据进行采样,得 到Volterra辨识所用的输出序列y(t);所述的ADCII 5-端与输入信号相连,一端与 Vo 1 terra模型6相连,对连续的输入刺激数据进行采样,得到Vo 1 terra辨识所用的输出数据 序列y(t);所述的Volterra模型6与ADCI4、ADCII 5连接,获取基底核-丘脑回路1的输入数 据序列x(t)和输出数据序列y(t),并通过数据分析、模型结构选取、模型参数辨识及模型验 证,实现对基底核-丘脑回路1的建模;基于基底核-丘脑回路1的建模模型应用非
当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1