闭环的脑控功能性电刺激系统的制作方法
【技术领域】
[0001] 本发明属于医疗器械领域，尤其涉及一种闭环的脑控功能性电刺激系统。
【背景技术】
[0002] 随着交通事故、跌倒等意外伤害的不断增加，脊髓损伤发病人数不断上升。据估 计，全球现有250万脊髓损伤患者，且每年新发生近13万例。功能性电刺激是一种临床上用 于恢复由脊椎损伤造成神经功能障碍的主要治疗方法，其通过电流刺激患者的肢体，使失 去运动功能的肢体能完成相应的动作。然而，目前，该方法只能通过预先设定的电刺激流程 对患者进行治疗，若治疗时间过长，可能会引起患者的不适，甚至出现肌肉劳损现象，并且 患者无法根据自己的意愿来完成相应的动作。
[0003] 传统的功能性电刺激的原理是：利用一定强度的低频脉冲电流，通过预先设定的 程序来刺激一组或多组肌肉，诱发肌肉运动或模拟正常的自主运动，以达到改善或恢复被 刺激肌肉或肌群功能的目的，属于一种被动的康复方法。
[0004] 所以现有技术提供的电刺激系统无法根据用户的意愿来完成电刺激。
【发明内容】
[0005] 本发明实施例的目的在于提供一种闭环的脑控功能性电刺激系统，该系统能够依 据用户的意愿来完成电刺激。
[0006] 本发明提供一种闭环的脑控功能性电刺激系统，所述系统包括:大脑运动皮层区 信号采集模块、信息控制模块、刺激器、肢体动作采集模块和大脑额叶信号采集模块;其中，
[0007] 信息控制模块包括:信号预处理子模块，模式识别子模块，命令控制子模块；
[0008] 信号预处理子模块，用于对大脑运动皮层区的信号进行滤波和波形整形，并将信 号传输到模式识别子模块；
[0009] 模式识别子模块，用于通过初始映射矩阵Mo和可调映射矩阵此对信号进行识别，判 断患者的运动意图；
[0010] 命令控制子模块，用于根据BP神经网络算法确定影响因子的权重，并利用遗传算 法优化影响因子的权重，生成该因子对应的刺激命令，将该刺激命令传输到刺激器中；
[0011] 肢体动作采集模块，用于采集肢体运动状态的数据，并将肢体运动状态的数据传 送到信息控制模块；
[0012] 大脑额叶信号采集模块，用于采集患者大脑额叶信号的数据，并将数据传输到信 息控制t吴块；
[0013] 信息控制模块，还用于依据反馈的肢体运动状态的数据和大脑额叶信号的数据评 价电流刺激效果，并根据评价结果自动修正模式识别子模块的可调映射矩阵Mu
[0014] 可选的，所述信号预处理子模块，具体用于当接收到大脑运动皮层区的信号后，首 先对大脑运动皮层区的信号进行低通滤波，然后对低通滤波后的信号进行波形整形，获取 信号的特性，所述信号的特性包括:信号的幅度、信号的脉宽、信号的尖峰数目，信号的上升 时间、信号的时间间隔，将所述信号的特性传输到所述模式识别子模块。
[0015]可选的，所述模式识别子模块，具体用于，
[001 6]设定影响因子矩阵T= { tl，t2，t3，t4，t5，t6，t7，t8，t9，tlQ，til，tl2，tl3，tl4，tl5，tl6， ti7，ti8，ti9，t2〇};其中，ti为幅度0-2 · 5mA，t2为幅度2 · 5-5mA，t3为幅度5-7 · 5mA，t4为幅度 7· 5mA以上，t5为脉宽0_50us，t6为脉宽50-100us，t7为脉宽 100-150us，，ts为 150us以上，t9为 尖峰数目1-2个，t1Q为尖峰数目3-4个，tn为尖峰数目5-6个，t 12为尖峰数目6个以上，t13为上 升时间0-5US，tl4为上升时间5-lOus，tl5为上升时间11-15us，tl6为上升时间15us以上，tl7为 时间间隔400-420US，ti8为时间间隔420-440US，ti9为时间间隔440-460US，t2Q为时间间隔 460us以上；
[0017]设定输出的肢体运动矩阵G:
[0019] 其中gmn下标m范围为从1到8，分别对应8种不同的肢体运动方向：上、下、左、右、上 左、上右、下左、下右;g mn下标η范围同样为从1到8,分别对应8种不同的肢体运动强度，从等 级1到等级8;
[0020] 确定输入的影响因子矩阵与输出的肢体运动矩阵的映射关系:两者的映射关系可 表示为:G=M〇 XMi X Τ，其中G为输出的肢体运动矩阵，Τ为输入的影响因子矩阵，Mo为初始的 映射矩阵，Mo= {moi，m〇2，m〇3，m〇4......，m〇n}，Mi为可自动调整的映射矩阵，且Mi= {mil，mi2， mi3,mi4......,min},
根据映射关系G=MoΧΜιXT计算G矩阵中每个元素的大 小，
则将G矩阵中每个元素进行归一化处理，并根据最大隶属原则，gl中的 最大值则为模式识别子模块对患者肢体运动的识别结果。
[0021 ]可选的，所述命令控制子模块具体用于，
[0022 ]设定输入的影响因子集:K = {ki，k2，k3，k4，k5，k6，k7，k8，kg，kio，kii，ki2，ki3，ki4，ki5， k16，kn，k18，k19，k2Q}，其中lu为模式识别子模块判定的结果，k 2为男性瘫痪患者，k3为女性瘫 痪患者，k4为幼儿瘫痪患者，k5为青年瘫痪患者，k 6为中年瘫痪患者，k7为老年瘫痪患者，k8为 左上臂瘫痪，k9为左前臂瘫痪，k 1Q为右上臂瘫痪，kn为右前臂瘫痪，k12为左小腿瘫痪，k13为 左大腿瘫痪，kl4为右小腿瘫痪，ki5为右大腿瘫痪，ki6为瘫痪时长小于1年，ki7为瘫痪时长1 年，kis为瘫痪时长2年，kig为瘫痪时长3年，k2〇为瘫痪时长大于3年；
[0023]采用BP神经网络算法来确定输入影响因子的权重，所述影响因子包括：性别、年 龄、瘫痪部位、瘫痪时长、患者运动意愿；
[0024]采用遗传算法对输入影响因子的权重进行优化；
[0025]设定输出命令集Y;
[0026] 其中，
[0027] γ = γ1χγ2χγ3χγ4
[0029] ￥:为信号的波形，yll为单相波形，yl2为双相电荷平衡波形，yl3为双相电荷不平 衡波形，yl4为双相电荷延迟平衡波形，yl5为双相电荷延迟不平衡波形dsSYi波形对应的 电流的幅值，Υ 3*Υ:波形信号的脉宽;Y4SYi波形信号的频率；
[0030] 确定输入影响因子集与输出命令集的关系中绝对影响系数；
[0033] 刺激命令 Y=K*Sij。
[0034] 可选的，所述刺激器，用于根据刺激命令产生相应的刺激电流。
[0035] 可选的，所述信息控制模块，具体用于根据肢体动作的偏差与患者对刺激效果的 满意程度之间的关系自动调整可调映射矩阵施;具体为：
[0036] 确定输入影响因子:输入影响因子主要是肢体动作采集模块所得到的肢体运动状 态数据与模式识别子模块所判定的肢体运动状态数据之间的偏差，包括运动方向角度的偏 差和运动强度的偏差，具体可表不为：U = {ui，U2，U3，U4，U5，U6，U7，U8，U9，U1Q，U11，U12，U13， U14，U15，U16}，其中U1表不方向角度偏差为0，U2表不方向角度偏差为小于10。，U3表不表不方 向角度偏差为小于30°，U4表示方向角度偏差为小于50°， U5表示方向角度偏差为小于70°，U6 表示方向角度偏差为小于90°，U7表示方向角度偏差为小于150°，U8表示方向角度偏差为大 于150°，u9表示运动强度等级偏差为0;u1Q表示运动强度等级偏差为l，un表示运动强度等级 偏差为2，u12表示运动强度等级偏差为3，u13表示运动强度等级偏差为4，u14表示运动强度等 级偏差为5，u 15表示运动强度等级偏差为6，u16表示运动强度等级偏差为6以上；
[0037]确定输出评价因子:输出评价因子主要是瘫痪患者对脑控功能性电刺激系统的刺 激效果的满意程度。数据主要