基于深度学习的经颅直流电个体化刺激靶点定位方法

本发明属于经颅直流电刺激，具体涉及一种基于深度学习的经颅直流电个体化刺激靶点定位方法。

背景技术：

1、经颅直流电刺激(transcranial direct current stimulation，tdcs)是重要的非侵入性脑刺激技术之一，通常通过在头皮表面施加微弱的直流电流来影响大脑皮层的兴奋性和抑制性，从而对大脑功能进行调节。tdcs可以通过在头皮上放置两个电极(阳极和阴极)来实现，电流的方向和强度均可根据使用需求进行灵活调节。

2、tdcs在作用时，会在大脑内产生一定的电场，从而引起皮层兴奋性的变化。电场的具体分布情况与个体头部体积、颅骨厚度和皮层厚度有关，因此对不同的患者进行相同的tdcs刺激，会产生不同的电场分布，进而引起疗效中的个体差异性。且不同的电极蒙太奇、不同的刺激电极位置均会导致不同的电流流过大脑。刺激电极位置(也即刺激靶点)的精准确定，对优化tdcs治疗的位置和刺激参数，进行tdcs个性化方案的定制至关重要。

3、传统的经颅直流电刺激调控的位置确定主要是通过佩戴10-20脑电定位帽，直接使用定位帽已经标记好的目标区域。而调控相应脑区时电极放置的具体位置主要通过前人经验获得。然而，由于存在个体解剖结构、年龄、性别等所导致的大脑形态和大小差异，使得使用标准10-20脑电定位帽进行固定位置的调控会存在个体差异，从而无法精准刺激到与某种疾病相关的感兴趣脑区。

4、之后，相关人员提出了可以在进行tdcs刺激前，通过逆电场仿真计算出针对特定靶点调控的精准tdcs电极位置以及电流大小。但该方法时间成本较高，每个被试大约需要4h，且对临床操作者的要求较高，临床应用的可行性不高。

技术实现思路

1、为了解决现有技术中存在的上述问题，本发明提供了一种基于深度学习的经颅直流电个体化刺激靶点定位方法、装置及系统。本发明要解决的技术问题通过以下技术方案实现：

2、第一方面，本发明提出了一种基于深度学习的经颅直流电个体化刺激靶点定位方法，包括：

3、获取个体解剖结构磁共振图像，并对个体解剖结构磁共振图像进行预处理，得到高质量的结构像；

4、对高质量的结构像进行tdcs逆电场仿真，得到逆电场仿真数据；逆电场仿真数据包括电场仿真分布图、tdcs电极位置以及对应的电流大小；

5、将个体解剖结构磁共振图像和逆电场仿真数据构建为深度学习数据集；

6、将深度学习数据集中的部分数据作为训练集对预先构建的深度学习网络进行训练，以便于利用训练好的深度学习网络获得经颅直流电个体化刺激靶点的位置及对应的电流信息。

7、第二方面，本发明提出了一种基于深度学习的经颅直流电个体化刺激靶点定位装置，用于实现本发明第一方面提供的基于深度学习的经颅直流电个体化刺激靶点定位方法，包括：

8、图像处理模块，用于获取个体解剖结构磁共振图像，并对个体解剖结构磁共振图像进行预处理，得到高质量的结构像；

9、仿真模块，对高质量的结构像进行tdcs逆电场仿真，得到逆电场仿真数据；逆电场仿真数据包括电场仿真分布图、tdcs电极位置以及对应的电流大小；

10、数据集构建模块，用于将个体解剖结构磁共振图像和逆电场仿真数据构建为深度学习数据集；

11、模型训练模块，用于将深度学习数据集中的部分数据作为训练集对预先构建的深度学习网络进行训练，以便于利用训练好的深度学习网络获得经颅直流电个体化刺激靶点的位置及对应的电流信息。

12、第三方面，本发明还提出了一种基于深度学习的经颅直流电个体化刺激系统，包括：

13、靶点定位装置，用于根据待刺激对象的个体解剖结构磁共振图像获得经颅直流电刺激靶点的位置及对应的电流信息；

14、刺激装置，用于根据经颅直流电刺激靶点的位置及对应的电流信息制定个性化调控方案，以对待刺激对象进行个体化经颅直流电刺激治疗；

15、其中，靶点定位装置包括本发明第二方面提供的基于深度学习的经颅直流电个体化刺激靶点定位装置。

16、本发明的有益效果：

17、本发明提出的一种基于深度学习的经颅直流电个体化刺激靶点定位方法，首先通过采集个体解剖结构磁共振图像并做预处理和逆电场仿真计算，得到逆电场仿真数据集；然后结合逆电场仿真数据和个体解剖结构磁共振图像进行深度学习训练，探索个体解剖结构磁共振图像与逆电场仿真结果之间的关系，得到可以对tdcs刺激靶点位置和电流进行快速精准预测的深度学习网络。该方法避免了现有方法中在进行tdcs精准定位前所需的个体化逆电场仿真定位的繁琐计算过程，节约了在进行tdcs治疗前精准定位的时间成本，通过使用深度学习构建基于个体解剖结构磁共振图像的tdcs精准靶点调控的预测网络模型，省略了临床操作者对于逆电场仿真技术学习的技术要求，增加了tdcs精准定位以及tdcs个性化方案定制在临床上应用的可行性，使得基于个体解剖结构的个体化tdcs方案具备现实意义。

18、以下将结合附图及实施例对本发明做进一步详细说明。

技术特征：

1.一种基于深度学习的经颅直流电个体化刺激靶点定位方法，其特征在于，包括：

2.根据权利要求1所述的基于深度学习的经颅直流电个体化刺激靶点定位方法，其特征在于，按照如下步骤对所述个体解剖结构磁共振图像进行预处理：

3.根据权利要求1所述的基于深度学习的经颅直流电个体化刺激靶点定位方法，其特征在于，对所述高质量的结构像进行tdcs逆电场仿真，得到逆电场仿真数据，具体包括：

4.根据权利要求3所述的基于深度学习的经颅直流电个体化刺激靶点定位方法，其特征在于，基于所述个体空间下的感兴趣靶点坐标对所述头模型的有限元文件进行逆电场仿真计算，具体包括：

5.根据权利要求4所述的基于深度学习的经颅直流电个体化刺激靶点定位方法，其特征在于，所述基于构建的头模型计算引线场矩阵，具体包括：

6.根据权利要求1所述的基于深度学习的经颅直流电个体化刺激靶点定位方法，其特征在于，所述深度学习网络采用基于注意力机制的改进unet网络模型；其中，所述改进unet网络模型包括对原始unet网络的每一层卷积增加一层残差连接的残差卷积层。

7.根据权利要求1所述的基于深度学习的经颅直流电个体化刺激靶点定位方法，其特征在于，在对预先构建的深度学习网络进行训练时，采用的损失函数为交叉熵损失函数。

8.根据权利要求1所述的基于深度学习的经颅直流电个体化刺激靶点定位方法，其特征在于，在得到训练好的深度学习网络之后，还包括：

9.一种基于深度学习的经颅直流电个体化刺激靶点定位装置，用于实现上述权利要求1-8任一项所述的基于深度学习的经颅直流电个体化刺激靶点定位方法，其特征在于，包括：

10.一种基于深度学习的经颅直流电个体化刺激系统，其特征在于，包括：

技术总结
本发明公开了一种基于深度学习的经颅直流电个体化刺激靶点定位方法，包括：获取个体解剖结构磁共振图像，并对个体解剖结构磁共振图像进行预处理，得到高质量的结构像；对高质量的结构像进行tDCS逆电场仿真，得到包括电场仿真分布图、tDCS电极位置以及对应的电流大小的逆电场仿真数据；将个体解剖结构磁共振图像和逆电场仿真数据构建为深度学习数据集；将深度学习数据集中的部分数据作为训练集对预先构建的深度学习网络进行训练，以便于利用训练好的网络获得经颅直流电个体化刺激靶点的位置及对应的电流信息。该方法可以实现tDCS刺激靶点位置的快速精准预测，节约了时间成本，增加了tDCS个性化方案定制在临床上应用的可行性。

技术研发人员：秦伟,张梦锴,程晨,宋肖宇,矫芸芸,褚昭洋
受保护的技术使用者：西安电子科技大学
技术研发日：
技术公布日：2024/2/25