【技术实现步骤摘要】
技术介绍
1、本文公开的主题涉及深部脑刺激dbs，并且更具体地涉及用于深部脑刺激的基于深度学习的自动参数优化和治疗系统。
2、深部脑刺激(dbs)用于治疗致残性神经症状和精神疾病。通过手术植入的电极，该手术使用神经刺激器向脑递送电刺激。取决于正在治疗的病症，电极可用于靶向脑内的某些区域或组织，或者可靶向控制运动、调节异常脉冲或情绪等的脑区域。例如，在后一种情况下，电刺激可用于中断引起震颤和/或其他神经症状的异常神经信号。在过去的20年中，由于dbs治疗，超过100,000例帕金森氏病、特发性震颤、肌张力障碍和强迫症患者已经观察到显著的症状缓解。然而，接受dbs治疗的患者数量与可进行dbs治疗的患者数量相比相对较小。现在越来越多的证据表明：患有慢性疼痛、创伤后应激障碍、抑郁症和肥胖症的患者也可以从dbs治疗中获益。
3、尽管dbs的历史很长，但其基本原理和机制仍不清楚。特别地，对脑如何响应于不同的dbs参数(诸如，电极触点选择、刺激方向、频率、电流/电压和脉冲宽度)的理解是有限的。虽然运动障碍(例如帕金森氏病)提供即时的临床反馈，但是用dbs治疗的几种其他神经障碍(例如肌张力障碍、成瘾、抑郁等)无法提供实时反馈机制来让临床医生决定：dbs是否具有其预期效果，或刺激参数对于每一位患者而言是否是最优的。在帕金森氏病患者体内观察到的即时临床反馈是有用的，但是dbs参数优化目前仍然经由主观患者观察结果来确定，因为在当前护理标准级dbs优化方案中缺乏优化患者的可测量生物标志物。因此，可以最大程度减轻患者症状的最优d
技术实现思路
1、下文示出了本文所公开的某些实施方案的概述。应当理解，提供这些方面仅仅是为了向读者提供这些特定实施方案的简要概述，并且这些方面并非旨在限制本公开的范围。实际上，本公开可涵盖下文可能未示出的各个方面。
2、在一个实施方案中，提供了一种用于优化受试者的dbs参数的系统。该系统包括编码处理器可执行例程的存储器。该系统还包括处理器，该处理器被配置为访问存储器并且执行处理器可执行例程，其中例程在由处理器执行时使处理器自动执行动作。这些动作包括：获得受试者的脑的功能性磁共振成像(mri)数据，该数据在用dbs系统利用第一组dbs参数对脑进行dbs期间利用mri系统采集。这些动作也包括：由功能性mri数据生成功能性mri响应图。这些动作还包括：利用基于自动编码器的无监督神经网络，从功能性mri响应图中提取出受试者专属特征。这些动作继而还包括：利用基于深度学习的dbs参数分类模型，基于受试者专属特征，确定第一组dbs参数是否是针对受试者的最优dbs参数。这些动作另外还包括：当第一组dbs参数不是最优dbs参数时，利用基于深度学习的dbs参数预测模型，基于受试者专属特征，预测对受试者而言是最优dbs参数的第二组dbs参数。
3、在另一实施方案中，提供了一种用于优化受试者的dbs参数的计算机实现方法。该方法包括：经由处理器，自动获得受试者的脑的功能性mri数据，该数据在用dbs系统利用第一组dbs参数对脑进行dbs期间利用mri系统采集。该方法也包括：经由处理器，由功能性mri数据自动生成功能性mri响应图。该方法还包括：经由处理器，利用基于自动编码器的无监督神经网络，从功能性mri响应图中自动提取出受试者专属特征。该方法继而还包括：经由处理器，利用基于深度学习的dbs参数分类模型，基于受试者专属特征，自动确定第一组dbs参数是否是针对受试者的最优dbs参数。该方法另外还包括：当第一组dbs参数不是最优dbs参数时，经由处理器，利用基于深度学习的dbs参数预测模型，基于受试者专属特征，自动预测对受试者而言是最优dbs参数的第二组dbs参数。
4、在另一实施方案中，一种非暂态计算机可读介质，该计算机可读介质包括处理器可执行代码，该处理器可执行代码在由处理器执行时使处理器自动执行动作。这些动作包括：获得受试者的脑的功能性mri数据，该数据在用dbs系统利用第一组dbs参数对脑进行dbs期间利用mri系统采集。这些动作也包括：由功能性mri数据生成功能性mri响应图。这些动作还包括：利用基于自动编码器的无监督神经网络，从功能性mri响应图中提取出受试者专属特征。这些动作继而还包括：利用基于深度学习的dbs参数分类模型，基于受试者专属特征，确定第一组dbs参数是否是针对受试者的最优dbs参数。这些动作另外还包括：当第一组dbs参数不是最优dbs参数时，利用基于深度学习的dbs参数预测模型，基于受试者专属特征，预测对受试者而言是最优dbs参数的第二组dbs参数。
本文档来自技高网...【技术保护点】
1.一种用于优化受试者的深部脑刺激(DBS)参数的系统，
2.根据权利要求1所述的系统，其中所述例程在由所述处理器执行时使所述处理器自动执行以下操作：
3.根据权利要求2所述的系统，其中所述例程在由所述处理器执行时使所述处理器自动执行以下操作：当所述第二组DBS参数是所述最优DBS参数时，维持所述第二组DBS参数，以供所述DBS系统在所述受试者的脑的DBS期间利用。
4.根据权利要求1所述的系统，其中所述例程在由所述处理器执行时使所述处理器自动将所述第二组DBS参数输入到所述DBS系统中，以在所述受试者的脑的DBS期间利用。
5.根据权利要求1所述的系统，其中所述受试者专属特征是具有生理和神经功能意义的本征向量。
6.根据权利要求1所述的系统，其中所述基于深度学习的DBS参数分类模型和所述基于深度学习的DBS参数预测模型各自由不同于所述基于自动编码器的无监督神经网络的相应深度学习网络架构进行训练。
7.根据权利要求1所述的系统，其中从所述功能性MRI响应图中提取出受试者专属特征在不指定关注区域(ROI)且不进
8.根据权利要求1所述的系统，还包括所述DBS系统，其中所述DBS系统被配置为被控制以利用DBS参数将多个DBS信号中的每个信号发送到手术植入所述受试者的脑的一个或多个区域内的一个或多个电极。
9.一种用于优化受试者的深部脑刺激(DBS)参数的计算机实现方法，包括自动执行以下操作：
10.根据权利要求9所述的计算机实现方法，还包括自动执行以下操作：
11.根据权利要求10所述的计算机实现方法，还包括：当所述第二组DBS参数是所述最优DBS参数时，经由所述处理器，自动维持所述第二组DBS参数，以供所述DBS系统在所述受试者的脑的DBS期间利用。
12.根据权利要求9所述的计算机实现方法，还包括：经由所述处理器，自动将所述第二组DBS参数输入到所述DBS系统中，以在所述受试者的脑的DBS期间利用。
13.根据权利要求9所述的计算机实现方法，其中所述受试者专属特征是具有生理和神经功能意义的本征向量。
14.根据权利要求9所述的计算机实现方法，其中所述基于深度学习的DBS参数分类模型和所述基于深度学习的DBS参数预测模型各自由不同于所述基于自动编码器的无监督神经网络的相应深度学习网络架构进行训练。
15.根据权利要求9所述的计算机实现方法，其中从所述功能性MRI响应图中提取出受试者专属特征在不指定关注区域(ROI)且不进行任何基于ROI的归一化的情况下发生。
16.一种非暂态计算机可读介质，所述计算机可读介质包括处理器可执行代码，所述处理器可执行代码在由处理器执行时使所述处理器自动执行以下操作：
17.根据权利要求16所述的非暂态计算机可读介质，其中所述处理器可执行代码在由所述处理器执行时使所述处理器自动执行以下操作：
18.根据权利要求17所述的非暂态计算机可读介质，其中所述处理器可执行代码在由所述处理器执行时使所述处理器：当所述第二组DBS参数是所述最优DBS参数时，自动维持所述第二组DBS参数，以供所述DBS系统在所述受试者的脑的DBS期间利用。
19.根据权利要求16所述的非暂态计算机可读介质，其中所述处理器可执行代码在由所述处理器执行时使所述处理器自动将所述第二组DBS参数输入到所述DBS系统中，以在所述受试者的脑的DBS期间利用。
20.根据权利要求16所述的非暂态计算机可读介质，其中从所述功能性MRI响应图中提取出受试者专属特征在不指定关注区域(ROI)且不进行任何基于ROI的归一化的情况下发生。
...【技术特征摘要】
1.一种用于优化受试者的深部脑刺激(dbs)参数的系统，
2.根据权利要求1所述的系统，其中所述例程在由所述处理器执行时使所述处理器自动执行以下操作：
3.根据权利要求2所述的系统，其中所述例程在由所述处理器执行时使所述处理器自动执行以下操作：当所述第二组dbs参数是所述最优dbs参数时，维持所述第二组dbs参数，以供所述dbs系统在所述受试者的脑的dbs期间利用。
4.根据权利要求1所述的系统，其中所述例程在由所述处理器执行时使所述处理器自动将所述第二组dbs参数输入到所述dbs系统中，以在所述受试者的脑的dbs期间利用。
5.根据权利要求1所述的系统，其中所述受试者专属特征是具有生理和神经功能意义的本征向量。
6.根据权利要求1所述的系统，其中所述基于深度学习的dbs参数分类模型和所述基于深度学习的dbs参数预测模型各自由不同于所述基于自动编码器的无监督神经网络的相应深度学习网络架构进行训练。
7.根据权利要求1所述的系统，其中从所述功能性mri响应图中提取出受试者专属特征在不指定关注区域(roi)且不进行任何基于roi的归一化的情况下发生。
8.根据权利要求1所述的系统，还包括所述dbs系统，其中所述dbs系统被配置为被控制以利用dbs参数将多个dbs信号中的每个信号发送到手术植入所述受试者的脑的一个或多个区域内的一个或多个电极。
9.一种用于优化受试者的深部脑刺激(dbs)参数的计算机实现方法，包括自动执行以下操作：
10.根据权利要求9所述的计算机实现方法，还包括自动执行以下操作：
11.根据权利要求10所述的计算机实现方法，还包括：当所述第二组dbs参数是所述最优dbs参数时，经由所述处理器，自动维持所述第二组dbs参数，以供所述dbs系统在所述受试者的脑的...
【专利技术属性】
技术研发人员：A·阿贾拉，邱建伟，J·加里甘尼斯，R·马达范，德斯蒙德·特克·本·杨，托马斯·郭法·福，A·M·洛扎诺，A·布泰，J·格尔曼，
申请(专利权)人：通用电气精准医疗有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。