用于训练神经疾病检测算法的计算机程序、编程植入式神经刺激装置的方法及其计算机程序制造方法及图纸

本发明专利技术涉及用于训练神经疾病检测算法的计算机程序，该神经疾病检测算法要用于在具有目标电极布置的植入式神经刺激装置中进行神经疾病检测，该计算机程序包括以下步骤：a)在执行计算机程序的计算机中输入EEG数据，EEG数据由来自至少一个患者的至少一个EEG使用具有多个电极通道的电极系统来记录，b)基于EEG数据中包括的和/或计算机中输入的神经疾病识别标签，在EEG数据中识别与神经疾病对应的神经活动，c)在EEG数据中，从可用电极通道中选择电极通道的子组，这取决于c1)所识别的神经活动和/或c2)目标电极布置的特征数据，d)通过仅使用所选择的电极通道的子组的EEG数据来训练神经疾病检测算法。经疾病检测算法。经疾病检测算法。

【技术实现步骤摘要】
【国外来华专利技术】用于训练神经疾病检测算法的计算机程序、编程植入式神经刺激装置的方法及其计算机程序
[0001]本专利技术涉及用于训练神经疾病检测算法的计算机程序，该神经疾病检测算法例如用于在具有目标电极布置的植入式神经刺激装置中进行癫痫发作检测。该计算机程序也称为训练计算机程序。本专利技术还涉及使用这样的训练计算机程序对植入式神经刺激装置进行编程的方法，以及涉及用于从EEG数据中检测神经疾病的神经疾病检测算法或分类器形式的计算机程序，该神经疾病检测算法或分类器已经由这样的训练计算机程序训练和/或正在由这样的训练计算机程序训练。该计算机程序也称为神经疾病检测计算机程序。本专利技术还涉及运行这样的神经疾病检测计算机程序的神经刺激装置。本专利技术还涉及用于使用运行这样的神经疾病检测计算机程序的神经刺激装置来治疗神经疾病的方法。
[0002]尽管在药物治疗的发展方面取得了进展，但相当大一部分癫痫患者对抗癫痫药物治疗具有抗药性。由于这些患者中仅少数是手术候选人，因此需要创新的治疗方法。用于这些患者的替选治疗概念是在癫痫发作的早期阶段中应用电刺激以中断癫痫发作在脑部的扩散。这可以使用闭环系统来实现，其中，通过一组电极来记录脑电活动，并且用癫痫发作检测器来连续地或间歇地监测脑电活动，癫痫发作检测器经由相同或不同的电极来触发对癫痫发作区(SOZ)的电刺激。
[0003]因此，需要可靠且节能的癫痫发作检测器。本专利技术的目的是为该需求提供解决方案。
[0004]本专利技术的实施方式是一种用于训练神经疾病检测算法的计算机程序，该神经疾病检测算法要用于例如在具有目标电极布置的植入式神经刺激装置中进行癫痫发作检测，该计算机程序包括以下步骤：
[0005]a)在执行计算机程序的计算机中输入EEG数据，EEG数据由来自至少一个患者的至少一个侵入性和/或非侵入性EEG使用具有多个电极通道的记录电极系统(例如使用10
‑
20EEG电极系统或10
‑
10EEG电极系统或任何其他高密度EEG电极系统)来记录，
[0006]b)基于EEG数据中包括的和/或计算机中输入的神经疾病识别标签，在EEG数据中识别与神经疾病对应的神经活动，
[0007]c)在EEG数据中，从可用电极通道中选择电极通道的子组，这取决于：
[0008]c1)所识别的神经活动和/或
[0009]c2)目标电极布置的特征数据，
[0010]d)通过仅使用所选择的电极通道的子组的EEG数据来训练神经疾病检测算法。
[0011]由神经活动识别的神经疾病可以是癫痫发作、中风、神经性疼痛、痴呆、帕金森、耳鸣、失语或任何其他特定的神经事件。在下文中，癫痫发作的示例主要用于描述本专利技术。然而，这也应涵盖其他类型的神经事件。
[0012]本专利技术允许神经疾病检测算法最佳地适于“真实”电极配置(即，目标电极布置的模式)。以该方式，神经疾病检测算法可以最佳地适应于患者的个人神经疾病发作模式和植入电极的个人EEG记录位点，在这些位点处可以预期对神经事件的最佳检测。目标电极布置可以只包括记录电极，记录电极在神经刺激装置中用于记录来自患者的EEG信号。一种可能
是，目标电极布置可以只包括刺激电极，刺激电极在神经刺激装置中用于向患者输出刺激信号。另一种可能是，目标电极布置可以包括记录电极和刺激电极的组合。在某些情况下，目标电极布置的电极中的一个、多个或全部可以用于记录EEG信号和输出刺激信号这两个目的，使得它们是组合的记录电极和刺激电极。
[0013]通常，由计算机执行计算机程序的步骤。然而，本专利技术还涉及包括上述步骤和/或以下步骤的方法。在运行训练计算机程序之前必须限定目标电极布置。例如，目标电极布置的特征数据可以输入或编程在训练计算机程序中。目标电极的特征数据可以包括目标电极布置的电极的位置、尺寸、和/或配置的几何数据。通常，用于训练的EEG数据包括每个记录电极通道和每个患者随时间的多个测量结果。训练计算机程序可能需要一些另外的手动输入，这取决于包括在计算机程序中输入的EEG数据集的细节。例如，EEG数据可能已经使用识别诸如癫痫发作活动的神经疾病的时间和/或位置的信息来标记或标注。而且，可以手动输入识别神经疾病的时间和/或位置的信息。在训练步骤中，神经疾病检测算法在EEG数据中执行对神经活动的检测，并且在训练过程中将神经疾病检测算法的检测结果与标记信息进行比较。基于比较的结果，递归地优化神经疾病检测算法的参数，直到实现神经疾病检测算法的足够的检测水平。
[0014]根据本专利技术的实施方式，从可用电极通道中选择同所识别的与神经疾病对应的神经活动的位置最接近的电极通道。这允许患者的预期神经活动与目标电极布置的电极位置的最佳的空间关联性。
[0015]根据本专利技术的实施方式，从可用电极通道中选择具有与目标电极布置的电极最接近的几何匹配的电极通道。以该方式，使用目标电极布置的电极的神经疾病检测可以被优化到表现为与使用相对复杂的10
‑
20EEG电极系统或10
‑
10EEG电极系统的神经疾病检测相当的水平，而不需要目标电极布置中如此多数目的电极。
[0016]根据本专利技术的实施方式，目标电极布置的电极是以伪拉普拉斯(pseudo
‑
Laplacian)模式布置的。这允许高度局部化的EEG记录。通过伪拉普拉斯配置，将显著减少来自肌肉活动或运动的伪影和/或外部信号噪声，从而改善了神经疾病检测。
[0017]根据本专利技术的实施方式，从可用电极通道中选择以伪拉普拉斯模式布置的电极通道。这允许所选择的电极通道与伪拉普拉斯模式的目标电极布置的模式的紧密匹配。在伪拉普拉斯模式中，所选择的电极通道包括中心电极和围绕中心电极的至少两个外周电极(circumferential electrode)。
[0018]根据本专利技术的实施方式，步骤d)包括以下步骤：
[0019]d1)计算所选择的电极通道的子组的EEG数据的线性组合，例如，计算表示双极电极通道或四极电极通道的线性组合，
[0020]d2)通过使用所计算的EEG数据的线性组合来训练神经疾病检测算法。
[0021]以该方式，通过这样的计算步骤可以生成其他的虚拟电极通道。这允许电极模式的空间信号分辨率的细化，而不需要其他的硬件电极通道。
[0022]根据本专利技术的实施方式，从可用电极通道中选择正好5个电极通道。这允许所选择的电极通道与也具有五个电极的目标电极布置的最佳匹配。
[0023]根据本专利技术的实施方式，计算机程序包括神经疾病检测算法的至少两个训练周期：
[0024]e)在第一训练周期中，使用一个或更多个患者的EEG数据完成神经疾病检测算法的一般训练，
[0025]f)在第二训练周期中，仅使用将应用神经疾病检测算法的患者的EEG数据以及/或者使用具有与将应用神经疾病检测算法的患者类似的神经疾病发作模式的其他患者的EEG数据，完成神经疾病检测算法的特定于患者的训练。
[0026]以该方式，可以进一步优化和加快本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于训练神经疾病检测算法的计算机程序，所述神经疾病检测算法要用于在具有目标电极布置的植入式神经刺激装置中进行神经疾病检测，所述计算机程序包括以下步骤：a)在执行所述计算机程序的计算机中输入EEG数据，所述EEG数据由来自至少一个患者的至少一个EEG使用具有多个电极通道的电极系统来记录，b)基于所述EEG数据中包括的和/或所述计算机中输入的神经疾病识别标签，在所述EEG数据中识别与神经疾病对应的神经活动，c)在所述EEG数据中，从可用电极通道中选择电极通道的子组，这取决于：c1)所识别的神经活动和/或c2)所述目标电极布置的特征数据，d)通过仅使用所选择的电极通道的子组的EEG数据来训练神经疾病检测算法。2.根据权利要求1所述的计算机程序，其中，从所述可用电极通道中选择同所识别的与所述神经疾病对应的神经活动的位置最接近的电极通道。3.根据前述权利要求中任一项所述的计算机程序，其中，从所述可用电极通道中选择具有与所述目标电极布置的电极最接近的几何匹配的电极通道。4.根据前述权利要求中任一项所述的计算机程序，其中，从所述可用电极通道中选择以伪拉普拉斯模式布置的电极通道。5.根据前述权利要求中任一项所述的计算机程序，其中，步骤d)包括以下步骤：d1)计算所选择的电极通道的子组的EEG数据的线性组合，例如，计算表示双极电极通道或四极电极通道的线性组合，d2)通过使用所计算的EEG数据的线性组合来训练所述神经疾病检测算法。6.根据前述权利要求中任一项所述的计算机程序，其中，从所述可用电极通道中选择正好5个电极通道。7.根据前述权利要求中任一项所述的计算机程序，其中，所述神经疾病检测算法是人工智能算法，例如，随机森林、支持向量机、多层感知器、卷积神经网络、长短期记忆网络。8.根据前述权利要求中任一项所述的计算机程序，其中，所述计算机程序包括所述神经疾病检测算法的至少两个训练周期：e)在第一训练周期中，使用一个或更多个患者的EEG数据完成所述神经疾病检测算法的一般训练，f)在第二训练周期中，仅使用将应用所述...

【专利技术属性】
技术研发人员：法罗赫，
申请(专利权)人：普雷塞斯股份有限公司，
类型：发明
国别省市：