CN111870239B - 一种神经信号处理方法及装置 - Google Patents
一种神经信号处理方法及装置 Download PDFInfo
- Publication number
- CN111870239B CN111870239B CN202010885818.1A CN202010885818A CN111870239B CN 111870239 B CN111870239 B CN 111870239B CN 202010885818 A CN202010885818 A CN 202010885818A CN 111870239 B CN111870239 B CN 111870239B
- Authority
- CN
- China
- Prior art keywords
- signal
- nerve
- neural
- nerve signal
- reserved
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000001537 neural effect Effects 0.000 title claims abstract description 128
- 238000003672 processing method Methods 0.000 title abstract description 12
- 210000005036 nerve Anatomy 0.000 claims abstract description 331
- 238000004458 analytical method Methods 0.000 claims abstract description 57
- 238000000034 method Methods 0.000 claims abstract description 27
- 230000014759 maintenance of location Effects 0.000 claims description 30
- 238000000605 extraction Methods 0.000 claims description 16
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 238000001914 filtration Methods 0.000 claims description 4
- 239000003550 marker Substances 0.000 claims description 3
- 230000000717 retained effect Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 description 20
- 238000010586 diagram Methods 0.000 description 10
- 230000005540 biological transmission Effects 0.000 description 9
- 210000002569 neuron Anatomy 0.000 description 9
- 230000008569 process Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 210000004556 brain Anatomy 0.000 description 4
- 230000036982 action potential Effects 0.000 description 3
- 238000007917 intracranial administration Methods 0.000 description 3
- 210000004126 nerve fiber Anatomy 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 210000003050 axon Anatomy 0.000 description 2
- 238000013144 data compression Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 210000001787 dendrite Anatomy 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000002566 electrocorticography Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002513 implantation Methods 0.000 description 2
- 210000004761 scalp Anatomy 0.000 description 2
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 230000003511 endothelial effect Effects 0.000 description 1
- 230000001037 epileptic effect Effects 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 229910052744 lithium Inorganic materials 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008035 nerve activity Effects 0.000 description 1
- 239000002858 neurotransmitter agent Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Pathology (AREA)
- Medical Informatics (AREA)
- Physiology (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Psychiatry (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Power Engineering (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本申请涉及一种神经信号处理方法及装置,该方法包括:对神经信号集合中每个神经信号进行特征提取,得到神经信号集合对应的特征值集合;特征值集合包括每个神经信号的波峰特征;神经信号集合是通过神经电极采集得到的;根据神经信号分析端发送的无线通道选择信息和获取的无线通道与神经信号的对应关系,从神经信号集合中确定保留信号集合和待发送的神经信号集合;向神经信号分析端发送特征值集合和神经信号集合,以使神经信号分析端基于神经信号集合和特征值集合,确定保留信号集合。如此,可以实时处理大量数据,可以降低电路功耗。
Description
技术领域
本申请涉及神经科学技术领域,特别涉及一种神经信号处理方法及装置。
背景技术
神经电生理信号采集和处理技术是脑外科手术和神经科学最重要的一项技术,神经电生理信号可直观的反应神经的活动状态,基于神经电生理信号采集的颅内皮层电极脑电图(ECOG)被视为临床上癫痫病灶定位的“金标准”。
正常的成年人类大约有500亿个神经元(也被称为神经细胞),大脑约占五分之一。神经元与神经元之间通过神经递质(化学物质)传递信息,而神经元自身通过动作电位(Spike)变化将信息从轴突沿着神经纤维传到树突。在空间上,可传输动作电位的轴突、神经纤维、树突占据绝大部分空间;在时间上,动作电位在神经纤维上的最快速度可达120m/s。因此无论是从空间上还是从时间上,电生理信号都是最直观、最快捷反应神经活动的物理量。
神经信号的采集主要依靠各种各样的电极完成,如EEG皮层电极、ECoG颅内皮层电极、Utah电极、膜片钳电极等,这些电极在普遍存在采样通道数量过少的不足,临床上已经商用的电极中,数量最大为256通道;Neuralink研发的电极采集点也只有3072个,但与500亿级别的神经元相比,目前的电极采集点还远远不够。
限制神经电生理信号研究的最大障碍有两个:
需要保存的数据总量随采集点数量的增加而增加,现有的神经信号处理装置处理数据的能力不足;
采集点数量的增加导致处理电路的复杂性增加,进而导致功耗增加。以一千个电极点为例,假设每个电极点按照40kHz的数据采集电生理信号,采样精度为24bit,1千个电极点所产生的数据量为960Mb/s;一般每通道低噪放大器芯片和模拟-数字转换芯片的平均功耗为10mW,1千个电极点的采样电路的功耗将大于10W。一个1TB大小的固态硬盘,仅能保存8000s的数据;一个3000mAh的手机用锂电池,仅能工作1.2h。
发明内容
鉴于以上所述现有技术的不足,本申请实施例提供了一种神经信号处理方法及装置,可以实时处理大量数据,可以降低电路功耗。
一方面,本申请实施例提供了一种神经信号处理方法,包括:
对神经信号集合中每个神经信号进行特征提取,得到神经信号集合对应的特征值集合;特征值集合包括每个神经信号的波峰特征;神经信号集合是通过神经电极采集得到的;
根据神经信号分析端发送的无线通道选择信息和获取的无线通道与神经信号的对应关系,从神经信号集合中确定保留信号集合和待发送的神经信号集合;
向神经信号分析端发送特征值集合和神经信号集合,以使神经信号分析端基于神经信号集合和特征值集合,确定保留信号集合。
可选的,波峰特征包括波峰幅值、波峰时间和阈值与幅值之间的时间差;波峰幅值包括每个神经信号的第一个波峰对应的第一幅值;波峰时间包括出现第一幅值的第一幅值时间;阈值与幅值之间的时间差包括第一时间差和第二时间差;第一时间差为从出现阈值到出现第一幅值所经过的时间;第二时间差为从第一幅值时间开始,到再次出现阈值所经过的时间。
可选的,无线通道选择信息包括第一无线通道标记;对应关系包括多个无线通道标记和多个神经信号标记以及多个无线通道标记与多个神经信号标记之间的一一对应关系;多个神经信号标记包括神经信号集合中每个神经信号的标记;根据神经信号分析端发送的无线通道选择信息和获取的无线通道与神经信号的对应关系,从神经信号集合中确定保留信号集合和待发送的神经信号集合,包括:根据对应关系,确定第一无线通道标记对应的第一神经信号标记;根据第一神经信号标记,从神经信号集合中确定出待发送的神经信号集合和保留信号集合。
可选的,对获取的神经信号集合中每个神经信号进行特征提取,得到神经信号集合对应的特征值集合之后,根据神经信号处理模块发送的无线通道选择信息和获取的无线通道与神经信号的对应关系之前,还包括:将每个神经信号和特征值集合存储于存储区域。
可选的,对神经信号集合中每个神经信号进行特征提取之前,还包括获取神经信集合的步骤;获取神经信号集合,包括:通过神经电极采集多个神经信号;基于预设条件对多个神经信号进行滤波和放大处理,得到处理后的多个神经信号;对处理后的多个神经信号进行模数转换,得到神经信号集合。
另一方面,本申请实施例提供了一种神经信号处理方法,包括:
向神经信号采集端发送无线通道选择信息;
接收神经信号采集端发送的特征值集合和神经信号集合;特征值集合包括神经信号集合中每个神经信号的波峰特征和神经信号采集端未发送的保留信号集合中每个保留信号的波峰特征;神经信号集合和保留信号集合是神经信号采集端通过神经电极采集得到的;
基于神经信号集合和特征值集合,确定保留信号集合。
可选的,基于神经信号集合和特征值集合,确定保留信号集合,包括:基于特征值集合和预设条件,从神经信号集合中确定出保留信号集合对应的参考信号集合;将参考信号集合进行变形处理,得到保留信号集合。
可选的,基于特征值集合和预设条件,从神经信号集合中确定出保留信号集合对应的参考信号集合,包括:针对保留信号集合中每个保留信号:将处于保留信号的第一幅值时间预设范围内,且与保留信号的第一幅值正负相同的波峰特征对应的神经信号确定为保留信号的参考信号。
另一方面,本申请实施例提供了一种神经信号处理装置,包括:
提取模块,用于对神经信号集合中每个神经信号进行特征提取,得到神经信号集合对应的特征值集合;特征值集合包括每个神经信号的波峰特征;神经信号集合是通过神经电极采集得到的;
确定模块,用于根据神经信号分析端发送的无线通道选择信息和获取的无线通道与神经信号的对应关系,从神经信号集合中确定保留信号集合和待发送的神经信号集合;
发送模块,用于向神经信号分析端发送特征值集合和神经信号集合,以使神经信号分析端基于神经信号集合和特征值集合,确定保留信号集合。
另一方面,本申请实施例提供了一种神经信号处理装置,包括:
发送模块,用于向神经信号采集端发送无线通道选择信息;
接收模块,用于接收神经信号采集端发送的特征值集合和神经信号集合;特征值集合包括神经信号集合中每个神经信号的波峰特征和神经信号采集端未发送的保留信号集合中每个保留信号的波峰特征;神经信号集合和保留信号集合是神经信号采集端通过神经电极采集得到的;
确定模块,用于基于神经信号集合和特征值集合,确定保留信号集合。
本申请实施例提供的一种神经信号处理方法及装置具有如下有益效果:
通过对神经信号集合中每个神经信号进行特征提取,得到神经信号集合对应的特征值集合;特征值集合包括每个神经信号的波峰特征;神经信号集合是通过神经电极采集得到的;根据神经信号分析端发送的无线通道选择信息和获取的无线通道与神经信号的对应关系,从神经信号集合中确定保留信号集合和待发送的神经信号集合;向神经信号分析端发送特征值集合和神经信号集合,以使神经信号分析端基于神经信号集合和特征值集合,确定保留信号集合。如此,可以实时处理大量数据,可以降低电路功耗。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的一种应用场景的示意图;
图2是本申请实施例提供的一种神经信号处理方法的流程示意图;
图3是本申请实施例提供的一种神经信号的示意图;
图4是本申请实施例提供的一种参考信号和保留信号的示意图;
图5是本申请实施例提供的一种神经信号处理装置的结构示意图;
图6是本申请实施例提供的一种预处理模块的结构示意图;
图7是本申请实施例提供的一种神经信号处理装置的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或服务器不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
请参阅图1,图1是本申请实施例提供的一种应用场景的示意图,包括神经信号采集端101和神经信号分析端102,神经信号采集端101和神经信号分析端102之间无线连接;神经信号采集端101包括神经电极1011;神经电极1011与生物体接触,记录或干预生物体神经活动状态的电生理信号,下文简称神经信号;神经信号采集端101主要将记录的神经信号通过无线发送至神经信号分析端102,再由神经信号分析端102进行后续的分析和处理。
神经信号采集端101通过神经电极1011采集得到神经信号集合,再对神经信号集合中每个神经信号进行特征提取,得到神经信号集合对应的特征值集合;特征值集合包括每个神经信号的波峰特征;
当需要神经信号分析端102对神经信号集合进行分析和处理时,神经信号分析端102向神经信号采集端101发送无线通道选择信息;
神经信号采集端101根据接收的无线通道选择信息和获取的无线通道与神经信号的对应关系,从神经信号集合中确定保留信号集合和待发送的神经信号集合;神经信号采集端101向神经信号分析端102发送特征值集合和(待发送的)神经信号集合;即,神经信号采集端101只发送原始神经信号集合中的部分神经信号,将其余的神经信号作为保留信号缓存或保存于神经信号采集端101;
神经信号分析端102基于接收到的神经信号集合和特征值集合,确定神经信号采集端101未发送的保留信号集合,如此,得到完整的原始神经信号集合。
可选的,神经信号分析端102可以包括移动终端、计算机终端、服务器或者类似的运算装置。
可选的,神经信号采集端101与神经信号分析端102之间的无线工作频段可以包括2.4GHz~2.5GHz、5GHz~6GHz和0.1THz~10THz。
本申请实施例中,通过神经信号采集端101和神经信号分析端102,进行神经信号的特征值提取、无线传输、信号还原,解决了现有技术中实时处理大量数据能力差的问题;一方面,通过神经信号采集端101对神经信号集合中每个神经信号进行特征提取,基于无线通道选择信息从神经信号集合中确定出待发送的神经信号集合,只将确定的待发送的神经信号集合以及特征值集合发送至神经信号分析端102,其数据量相较于现有需要发送全部神经信号集合到处理端的数据量有大幅度的减小,且计算量相较于现有的数据压缩方案也有一定程度的下降,因此,可以降低在采集大量神经信号的同时实时传输信号所产生的功耗;另一方面,神经信号分析端102基于特征值集合来确定神经信号采集端101未发送的保留信号集合,神经信号采集端101无需发送全部的神经信号集合,如此,解决了在无线带宽较窄、无法实时传输大量数据的情况下,现有神经信号采集***无法实时传输完整数据的问题。
以下介绍本申请一种神经信号处理方法的具体实施例,图2是本申请实施例提供的一种神经信号处理方法的流程示意图,本说明书提供了如实施例或流程图的方法操作步骤,但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。在实际中的***或服务器产品执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。具体的如图2所示,该方法可以包括:
S201:神经信号采集端对神经信号集合中每个神经信号进行特征提取,得到神经信号集合对应的特征值集合;特征值集合包括每个神经信号的波峰特征;神经信号集合是通过神经电极采集得到的。
本申请实施例中,神经信号采集端通过神经电极采集得到神经信号集合,神经信号集合指的是在同一采样时间段内不同电极采集点采集的神经信号集合;其中,神经电极按照电极植入方式的不同,可以分为非植入式(可穿戴)的电极、半植入式的电极或者植入式的电极;按照植入部位的不同,神经电极可以用于采集脑电信号、心电信号或者肌电信号。
一种可选的实施方式中,神经信号采集端可以设置多个神经电极,多个神经电极可以并行采样,多个神经电极覆盖的电极采集点数量可以达到50至50万。
一种可选的实施方式中,获取神经信集合的步骤包括:通过神经电极采集多个神经信号;基于预设条件对多个神经信号进行滤波和放大处理,得到处理后的多个神经信号;对处理后的多个神经信号进行模数转换,得到神经信号集合。
具体的,神经电极可以包括头皮层电极、颅内皮层电极、单神经元电极和四探针电极中任一种,因此,采集的多个神经信号可以包括头皮电信号(EEG)、颅内皮层电信号(ECoG)、深部脑电信号和Spike神经动作电位信号中任一种。
具体的,神经信号集合中每个神经信号均为神经元产生的频率范围在0.1Hz~10kHz之间的电压信号。神经信号集合的采样频率为1kHz~100kHz之间可调、采样精度为8bit~24bit可调。
具体的,上述预设条件中带通范围可以从0~40Hz中确定,基于不同的带通范围对不同的多个神经信号进行滤波处理;例如,针对采集的Spike信号,预设条件中带通范围可以设置为0.1kHz~10kHz。
具体的,上述预设条件中放大倍率可以根据实际情况,在保证图形不失真的情况下,将放大倍率设置为当前允许的最大值。
具体的,对处理后的多个神经信号进行模数转换,可以方便数据存储;模数转换的精度可以根据实际需要进行设置,模数转换的精度越小,则转换速度越快、数据量越小,但准确性越差;模数转换的精度越大,则转换速度越慢、数据量越大,但准确性越好。
本申请实施例中,利用神经信号为交流信号的特点,且神经信号的重要信息主要位于波峰和波谷位置,因此,通过神经信号采集端对神经信号集合中每个神经信号进行特征提取,得到神经信号集合对应的特征值集合;特征值集合包括每个神经信号的波峰特征。
一种可选的实施方式中,神经信号采集端对神经信号集合中每个神经信号进行特征提取可以参考现有的特征提取算法或机器学习模型来实现。
一种可选的实施方式中,提取的波峰特征包括波峰幅值、波峰时间和阈值与幅值之间的时间差;波峰幅值包括每个神经信号的第一个波峰对应的第一幅值;波峰时间包括出现第一幅值的第一幅值时间;阈值与幅值之间的时间差包括第一时间差和第二时间差;第一时间差为从出现阈值到出现第一幅值所经过的时间;第二时间差为从第一幅值时间开始,到再次出现阈值所经过的时间。需要说明的是,为了便于理解和说明,本申请实施例中将波谷统称为波峰,波峰特征实际不仅包括波峰位置的特征也包括波谷位置特征;波峰特征包括一个或多个波峰的特征,因此,波峰幅值不仅包括每个神经信号的第一个波峰对应的第一幅值,还可以包括每个神经信号的第二个波峰对应的第二幅值、第三个波峰对应的第三幅值……同理,波峰时间和阈值与幅值之间的时间差的数量也根据每个神经信号具体的波峰或波谷数量来确定。
下面通过一个具体的例子对波峰特征的具体内容进行说明。请参阅图3,图3是本申请实施例提供的一种神经信号的波形示意图,假设在某采样时间内某电极采集点采集的神经信号如图3所示,该神经信号包括两个波峰:该采样时间内的第一个波峰P1和第二个波峰P2;神经信号采集端对该神经信号进行特征提取,可以得到的波峰特征一方面包括:P1对应的第一幅值a1、出现第一幅值a1的第一幅值时间t1、阈值与幅值之间的时间差b1和c1;其中,b1为第一时间差,指的是从出现阈值Vth到出现第一幅值a1所经过的时间;c1为第二时间差,指的是从第一幅值时间t1开始,到再次出现阈值Vth所经过的时间;另一方面还包括:P1对应的第二幅值a2、出现第二幅值a2的第二幅值时间t2、阈值与幅值之间的时间差b2和c2;其中,b2为第一时间差,指的是从出现阈值-Vth到出现第二幅值a2所经过的时间;c2为第二时间差,指的是从第二幅值时间t2开始,到再次出现阈值-Vth所经过的时间;此处,阈值Vth的大小可以根据神经信号的满量程Vrms来确定,Vth在满量程Vrms的5%~95%之间,具体参数可以根据实际情况设定。
本申请实施例中,神经信号采集端有两种模式可供选择:高性能模式和低性能模式;根据功能的必要性,低性能模式将部分功能进行空置以进一步降低功耗。
一种可选的实施方式中,对获取的神经信号集合中每个神经信号进行特征提取,得到神经信号集合对应的特征值集合之后,还可以将每个神经信号和特征值集合存储于神经信号采集端的存储区域。
具体的,在高性能模式下,神经信号采集端先将每个神经信号和特征值集合缓存于神经信号采集端的缓存区域,再存储于神经信号采集端的存储区域;而在低性能模式下,只将每个神经信号和特征值集合进行缓存,不进行存储,如此,可以进一步降低功耗。
S203:神经信号分析端向神经信号采集端发送无线通道选择信息。
S205:神经信号采集端根据神经信号分析端发送的无线通道选择信息和获取的无线通道与神经信号的对应关系,从神经信号集合中确定保留信号集合和待发送的神经信号集合。
本申请实施例中,通过神经信号分析端实时观察神经信号采集端传输过来的神经信号,由于神经信号分析端与神经信号采集端之间的无线带宽较窄,现有技术中神经信号采集端将实时采集的神经信号集合全部传输至神经信号处理短,不仅造成无线通道拥堵,导致传输速度慢,也导致了神经信号采集端功耗高的问题。因此,本申请通过在神经信号分析端生成无线通道选择信息,该无线通道选择信息是从当前所有可选的无线通道中选择出来的部分无线通道;神经信号采集端存储有无线通道与神经信号的对应关系,根据该对应关系神经信号采集端将该部分无线通道对应的神经信号集合确定为待发送的神经信号集合,而将其余的作为保留信号集合,不发送至神经信号分析端。如此,本申请可以在保留所有神经信号有效信息的前提下减小传输的数据量,相较于现有技术,可以降低神经信号采集端的功耗,可以提升传输速率,从而可以提高神经信号处理效率。
一种可选的实施方式中,无线通道选择信息包括第一无线通道标记;对应关系包括多个无线通道标记和多个神经信号标记以及多个无线通道标记与多个神经信号标记之间的一一对应关系;多个神经信号标记包括神经信号集合中每个神经信号的标记。其中,第一无线通道标记的数量可以是一个或多个。
一种可选的根据神经信号分析端发送的无线通道选择信息和获取的无线通道与神经信号的对应关系,从神经信号集合中确定保留信号集合和待发送的神经信号集合的实施方式中,包括:根据对应关系,确定第一无线通道标记对应的第一神经信号标记;根据第一神经信号标记,从神经信号集合中确定出待发送的神经信号集合和保留信号集合。
具体的,神经信号分析端与神经信号采集端之间的无线传输通道数目可以是1~1000;需要压缩数据量的通道占所有通道数量的90%~99.99%,即无线通道选择信息对应的第一无线通道标记的数量可以是1~100个。在不同的采样周期内,无线传输的通道可任意指定,并可自由切换;例如,某采样周期内第一无线通道标记为1~10这十个,可以人为这十个无线通道对应的神经信号集合的质量好坏,并把质量不好的通道屏蔽掉,例如判断标记为6~8对应的神经信号质量差,则在下一采样周期内,可将第一无线通道标记更改为1~5、9~15这12个通道。每个采样周期内无需将神经信号采集端采集的所有神经信号发送至神经信号分析端,如此,可以提升无线传输速率,神经信号分析端与神经信号采集端之间的无线传输速度最高可达20Gbps。
S207:神经信号采集端向神经信号分析端发送特征值集合和神经信号集合。
S209:神经信号分析端根据接收的神经信号集合和特征值集合,确定保留信号集合。
本申请实施例中,神经信号采集端向神经信号分析端发送特征值集合和神经信号集合,特征值集合包括神经信号集合中每个神经信号的波峰特征和神经信号采集端未发送的保留信号集合中每个保留信号的波峰特征;神经信号分析端接收特征值集合和神经信号集合,然后基于神经信号集合和特征值集合,确定神经信号采集端未发送的保留信号集合。
一种可选的基于神经信号集合和特征值集合,确定保留信号集合的实施方式中,包括:基于特征值集合和预设条件,从神经信号集合中确定出保留信号集合对应的参考信号集合;将参考信号集合进行变形处理,得到保留信号集合。
一种可选的基于特征值集合和预设条件,从神经信号集合中确定出保留信号集合对应的参考信号集合的实施方式中,包括:针对保留信号集合中每个保留信号:将处于保留信号的第一幅值时间预设范围内,且与保留信号的第一幅值正负相同的波峰特征对应的神经信号确定为保留信号的参考信号。其中,预设时间范围可以从1μs~10ms中取值。
具体的,如图4所示,针对保留信号集合中每个保留信号,神经信号分析端只接收到该保留信号的波峰特征,包括第一幅值a1、出现第一幅值a1的第一幅值时间t1、阈值与幅值之间的时间差b1和c1;具体解释可以参考上文,这里不再赘述;假设a1为正数,t1为2μs,此处时间均是基于当前采样周期计算的;神经信号分析端根据预设条件从接收到的神经信号集合中找到该保留信号的参考信号(图4中用实线示意),此处预设条件针对的是波峰特征,预设时间范围为1μs,即最终确定的参考信号的第一幅值时间t2是大于1μs且小于2μs或者大于2μs且小于3μs的,同时参考信号对应的第一幅值a2也为正数;然后,将该参考信号进行变形处理,例如当t2大于1μs且小于2μs时,将参考信号向右平移,直至参考信号的第一幅值时间t2为2μs,同时使参考信号的第一幅值a2等于a1、阈值与幅值之间的时间差b2和c2分别等于b1和c1,即使得参考信号的波峰特征与要保留信号的波峰特征一致,得到变形后的波形即为保留信号(图4中用虚线示意)。
本申请实施例还提供了一种神经信号处理装置,图5是本申请实施例提供的一种神经信号处理装置的结构示意图,如图5所示,该装置包括:
提取模块501,用于对神经信号集合中每个神经信号进行特征提取,得到神经信号集合对应的特征值集合;特征值集合包括每个神经信号的波峰特征;神经信号集合是通过神经电极采集得到的;
确定模块502,用于根据神经信号分析端发送的无线通道选择信息和获取的无线通道与神经信号的对应关系,从神经信号集合中确定保留信号集合和待发送的神经信号集合;
发送模块503,用于向神经信号分析端发送特征值集合和神经信号集合,以使神经信号分析端基于神经信号集合和特征值集合,确定保留信号集合。
一种可选的实施方式中,神经信号处理装置还包括预处理模块504;如图6所示,预处理模块504具体可以包括多个放大器(LNA)、数据选择器(MUX)和模数转换器(ADC);多个放大器的输入端与神经电极连接,输出端与数据选择器的输入端连接;数据选择器的输出端与模数转换器的输入端连接。
一种可选的实施方式中,如图6所示,神经信号处理装置还包括缓存器和存储器;根据功能的必要性,将存储器的功能进行空置,可以实现低性能模式,可以进一步降低功耗。
一种可选的实施方式中,如图6所示,神经信号处理装置还包括现场可编程逻辑门阵列(Field Programmable Gate Array,FPGA)、利用FPGA的硬件可编程功能,对芯片进行编程,使其可以使用多个放大器、数据选择器和模数转换器来实现放大、采样和模数转换功能,实现对采集的神经信号集合进行特征提取以及确定待发送的神经信号集合的功能,以及利用外部缓存器和存储器进行数据缓存和保存工作。
本申请实施例还提供了一种神经信号处理装置,图7是本申请实施例提供的一种神经信号处理装置的结构示意图,如图7所示,该装置包括:
发送模块701,用于向神经信号采集端发送无线通道选择信息;
接收模块702,用于接收神经信号采集端发送的特征值集合和神经信号集合;特征值集合包括神经信号集合中每个神经信号的波峰特征和神经信号采集端未发送的保留信号集合中每个保留信号的波峰特征;神经信号集合和保留信号集合是神经信号采集端通过神经电极采集得到的;
确定模块703,用于基于神经信号集合和特征值集合,确定保留信号集合。
一种可选的实施方式中,确定模块703具体用于:针对保留信号集合中每个保留信号:将处于保留信号的第一幅值时间预设范围内,且与保留信号的第一幅值正负相同的波峰特征对应的神经信号确定为保留信号的参考信号;将参考信号集合进行变形处理,得到保留信号集合。
本申请实施例中,神经信号采集端包括如图5所示的神经信号处理装置,神经信号分析端包括如图7所示的神经信号处理装置。
本申请实施例中的装置与方法实施例基于同样地申请构思。
综上,本申请实施例提供的一种神经信号处理方法及装置,通过在神经信号采集端利用神经信号特征提取技术实现原始数据的压缩以便于大量电极点同时采集并实时保存传输数据,在神经信号分析端利用特征值和部分通道的原始信号,将其他被压缩数据的通道的信号还原;且神经信号采集端基于同一神经信号处理装置可以实现低功耗模式和高性能模式之间切换,能够达到以下技术效果:
1.支持的采样通道数量为50至50万,目前没有设备支持这么高的采样通道,且可并行工作,采样频率为1kHz~100kHz之间可调,采样精度为8bit~24bit可调;
2.支持在低工作模式下神经电生理信号的特征值提取、无线传输、信号还原,可以解决采样通道量增加造成的数据保存问题;
3.支持高性能和低功耗模式切换,可以解决采样通道增加造成的功耗增加问题;
4.相较于现有的数据压缩方案,复杂程度低且计算量小。
需要说明的是:上述本申请实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于设备实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本申请的较佳实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (8)
1.一种神经信号处理方法,其特征在于,包括:
对神经信号集合中每个神经信号进行特征提取,得到所述神经信号集合对应的特征值集合;所述特征值集合包括所述每个神经信号的波峰特征;所述神经信号集合是通过神经电极采集得到的;
根据神经信号分析端发送的无线通道选择信息和获取的无线通道与神经信号的对应关系,从所述神经信号集合中确定保留信号集合和待发送的神经信号集合;所述保留信号集合中每个保留信号的波峰特征包括所述保留信号对应的第一幅值和第一幅值时间;
向所述神经信号分析端发送所述特征值集合和所述神经信号集合,以使所述神经信号分析端针对所述保留信号集合中每个保留信号:将处于所述保留信号的第一幅值时间预设范围内,且与所述保留信号的第一幅值正负相同的波峰特征对应的神经信号确定为所述保留信号的参考信号;以及以使所述神经信号分析端将所述保留信号集合对应的参考信号集合进行变形处理,得到所述保留信号集合。
2.根据权利要求1所述的方法,其特征在于,所述波峰特征包括波峰幅值、波峰时间和阈值与幅值之间的时间差;
所述波峰幅值包括所述每个神经信号的第一个波峰对应的第一幅值;
所述波峰时间包括出现所述第一幅值的第一幅值时间;
所述阈值与幅值之间的时间差包括第一时间差和第二时间差;所述第一时间差为从出现阈值到出现所述第一幅值所经过的时间;所述第二时间差为从所述第一幅值时间开始,到再次出现所述阈值所经过的时间。
3.根据权利要求1所述的方法,其特征在于,所述无线通道选择信息包括第一无线通道标记;所述对应关系包括多个无线通道标记和多个神经信号标记以及所述多个无线通道标记与所述多个神经信号标记之间的一一对应关系;所述多个神经信号标记包括所述神经信号集合中每个神经信号的标记;
所述根据神经信号分析端发送的无线通道选择信息和获取的无线通道与神经信号的对应关系,从所述神经信号集合中确定保留信号集合和待发送的神经信号集合,包括:
根据所述对应关系,确定所述第一无线通道标记对应的第一神经信号标记;
根据所述第一神经信号标记,从所述神经信号集合中确定出所述待发送的神经信号集合和所述保留信号集合。
4.根据权利要求1所述的方法,其特征在于,对获取的神经信号集合中每个神经信号进行特征提取,得到所述神经信号集合对应的特征值集合之后,根据神经信号处理模块发送的无线通道选择信息和获取的无线通道与神经信号的对应关系之前,还包括:
将所述每个神经信号和所述特征值集合存储于存储区域。
5.根据权利要求1所述的方法,其特征在于,所述对神经信号集合中每个神经信号进行特征提取之前,还包括获取所述神经信号集合的步骤;
所述获取所述神经信号集合,包括:
通过所述神经电极采集多个神经信号;
基于预设条件对所述多个神经信号进行滤波和放大处理,得到处理后的多个神经信号;
对所述处理后的多个神经信号进行模数转换,得到所述神经信号集合。
6.一种神经信号处理方法,其特征在于,包括:
向神经信号采集端发送无线通道选择信息;
接收所述神经信号采集端发送的特征值集合和神经信号集合;所述特征值集合包括所述神经信号集合中每个神经信号的波峰特征和所述神经信号采集端未发送的保留信号集合中每个保留信号的波峰特征;所述神经信号集合和所述保留信号集合是所述神经信号采集端通过神经电极采集得到的;
基于所述神经信号集合和所述特征值集合,确定所述保留信号集合,包括:针对所述保留信号集合中每个保留信号:将处于所述保留信号的第一幅值时间预设范围内,且与所述保留信号的第一幅值正负相同的波峰特征对应的神经信号确定为所述保留信号的参考信号;将所述保留信号集合对应的参考信号集合进行变形处理,得到所述保留信号集合。
7.一种神经信号处理装置,其特征在于,包括:
提取模块,用于对神经信号集合中每个神经信号进行特征提取,得到所述神经信号集合对应的特征值集合;所述特征值集合包括所述每个神经信号的波峰特征;所述神经信号集合是通过神经电极采集得到的;
确定模块,用于根据神经信号分析端发送的无线通道选择信息和获取的无线通道与神经信号的对应关系,从所述神经信号集合中确定保留信号集合和待发送的神经信号集合;所述保留信号集合中每个保留信号的波峰特征包括所述保留信号对应的第一幅值和第一幅值时间;
发送模块,用于向所述神经信号分析端发送所述特征值集合和所述神经信号集合,以使所述神经信号分析端针对所述保留信号集合中每个保留信号:将处于所述保留信号的第一幅值时间预设范围内,且与所述保留信号的第一幅值正负相同的波峰特征对应的神经信号确定为所述保留信号的参考信号;以及以使所述神经信号分析端将所述保留信号集合对应的参考信号集合进行变形处理,得到所述保留信号集合。
8.一种神经信号处理装置,其特征在于,包括:
发送模块,用于向神经信号采集端发送无线通道选择信息;
接收模块,用于接收所述神经信号采集端发送的特征值集合和神经信号集合;所述特征值集合包括所述神经信号集合中每个神经信号的波峰特征和所述神经信号采集端未发送的保留信号集合中每个保留信号的波峰特征;所述神经信号集合和所述保留信号集合是所述神经信号采集端通过神经电极采集得到的;
确定模块,用于基于所述神经信号集合和所述特征值集合,确定所述保留信号集合;
以及用于针对所述保留信号集合中每个保留信号:将处于所述保留信号的第一幅值时间预设范围内,且与所述保留信号的第一幅值正负相同的波峰特征对应的神经信号确定为所述保留信号的参考信号;将所述保留信号集合对应的参考信号集合进行变形处理,得到所述保留信号集合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010885818.1A CN111870239B (zh) | 2020-08-28 | 2020-08-28 | 一种神经信号处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010885818.1A CN111870239B (zh) | 2020-08-28 | 2020-08-28 | 一种神经信号处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111870239A CN111870239A (zh) | 2020-11-03 |
CN111870239B true CN111870239B (zh) | 2024-06-04 |
Family
ID=73199729
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010885818.1A Active CN111870239B (zh) | 2020-08-28 | 2020-08-28 | 一种神经信号处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111870239B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103505197A (zh) * | 2012-06-26 | 2014-01-15 | 中国科学院电子学研究所 | 神经信号检测器 |
US10517540B1 (en) * | 2018-08-06 | 2019-12-31 | Hi Llc | Systems and methods to reduce data and complexity in neural signal processing chain |
CN111079767A (zh) * | 2019-12-22 | 2020-04-28 | 浪潮电子信息产业股份有限公司 | 一种用于分割图像的神经网络模型及其图像分割方法 |
CN111160458A (zh) * | 2019-12-29 | 2020-05-15 | 浪潮电子信息产业股份有限公司 | 一种图像处理***及其卷积神经网络 |
-
2020
- 2020-08-28 CN CN202010885818.1A patent/CN111870239B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103505197A (zh) * | 2012-06-26 | 2014-01-15 | 中国科学院电子学研究所 | 神经信号检测器 |
US10517540B1 (en) * | 2018-08-06 | 2019-12-31 | Hi Llc | Systems and methods to reduce data and complexity in neural signal processing chain |
CN111079767A (zh) * | 2019-12-22 | 2020-04-28 | 浪潮电子信息产业股份有限公司 | 一种用于分割图像的神经网络模型及其图像分割方法 |
CN111160458A (zh) * | 2019-12-29 | 2020-05-15 | 浪潮电子信息产业股份有限公司 | 一种图像处理***及其卷积神经网络 |
Non-Patent Citations (1)
Title |
---|
基于压缩感知的神经电信号测量方法设计;张玉玺;樊文贵;王俊;;太赫兹科学与电子信息学报(06);874-878 * |
Also Published As
Publication number | Publication date |
---|---|
CN111870239A (zh) | 2020-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108681396B (zh) | 基于脑-肌电双模态神经信号的人机交互***及其方法 | |
WO2018214529A1 (zh) | 一种肌电信号采集方法及装置 | |
CN105212923A (zh) | 一种穿戴式脑电采集器 | |
CN100998503A (zh) | 自动识别与消除脑电信号中眼动干扰的方法 | |
CN202654544U (zh) | 基于肌电反馈的神经肌肉康复仪 | |
CN107928666B (zh) | 一种去除脑电信号中头皮肌电伪迹的穿戴采集装置 | |
CN104257380A (zh) | 一种脑电图采集处理*** | |
CN114795243A (zh) | 具有多通道脑电采集与脑电刺激功能的便携式脑机装置 | |
WO2018214531A1 (zh) | 用于可穿戴装置的数据传输方法及设备 | |
CN109893132A (zh) | 一种表面肌电信号采集*** | |
CN111870239B (zh) | 一种神经信号处理方法及装置 | |
CN113940690A (zh) | 一种峰电位无线检测*** | |
CN106843509B (zh) | 一种脑机接口*** | |
CN102824169A (zh) | 基于体信道传输技术的植入式神经信号记录*** | |
CN211484564U (zh) | 肌电信号采集器及肌电信号采集*** | |
CN109846498B (zh) | 用于精神状态监测的穿戴式装置及监测数据的采集方法 | |
CN209826721U (zh) | 一种超微型无线电生理信号采集处理*** | |
CN105078427A (zh) | 一种体表生理信号监测***与方法 | |
CN106102575A (zh) | 一种肌电信号采集装置 | |
CN102649003B (zh) | 基于肌电反馈刺激的恒流刺激电路 | |
CN205795686U (zh) | 可穿戴式多通道无线皮层脑电检测装置 | |
CN114098768A (zh) | 基于动态阈值和EasyTL的跨个体表面肌电信号手势识别方法 | |
CN211066609U (zh) | 一种人体表面肌电信号监测装置 | |
Chang et al. | Microcontroller implementation of low-power compression for wearable biosignal transmitter | |
Aghagolzadeh et al. | An implantable VLSI architecture for real time spike sorting in cortically controlled brain machine interfaces |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |