【技术实现步骤摘要】
本申请涉及信号处理领域，特别是涉及脑深部电刺激信号伪迹去除方法、系统和存储介质。
技术介绍
1、脑深部电刺激（deep brain stimulation，简称dbs）是一种神经调控方法，通过在脑内特定区域植入刺激电极并施加电刺激，实现对于异常脑电活动的调控。经过将近40年的发展，dbs已经在治疗帕金森氏症、原发性震颤等疾病中得到了广泛的应用，在药物难治性癫痫、强迫症以及抑郁症的治疗中也展现了良好的前景。在进行dbs过程中，利用各类传感器捕获的神经活动信号对于揭示疾病治疗背后的机制至关重要。这些神经活动信号包括局部场电位、群锋电位或单个神经元的放电活动（锋电位信号）。然而，由于电刺激本身强度较大，传感器所记录的信号中极容易出现刺激伪迹。
2、在研究dbs的作用效果与机制时，常需要分析单个神经元放电模式的变化。在dbs中，由记录电极采集到的电信号本质上是局部神经活动引起的非常微弱的电位变化，其采集到的单个神经元锋电位信号幅度通常在300微伏以下，而dbs使用的电流刺激强度在0.3毫安左右，可以产生超过十几毫伏的刺激伪迹，远远大于神经元锋电位信号的幅度。因此，在对记录电极采集到的信号进行分析前，通常需要进行去除刺激伪迹的处理。
3、目前最常使用也最为简单的刺激伪迹去除方法是线性插值法，即，将刺激伪迹段的数据用伪迹前后两点之间线性插值得到的值取代。这种方法的问题在于，线性插值的数据段有时不能与原信号平稳衔接，易引入较大的电压波动，这种波动在经过高通滤波后会呈现为类似神经元锋电位的波动，造成神经元锋电位信号的误检
4、针对相关技术中存在去伪迹技术导致单个神经元锋电位信号检出的准确性低的问题，目前还没有提出有效的解决方案。
技术实现思路
1、在本实施例中提供了一种脑深部电刺激信号伪迹去除方法、系统和存储介质，以解决相关技术中去伪迹技术导致单个神经元锋电位信号检出的准确性低的问题。
2、第一个方面，在本实施例中提供了一种脑深部电刺激信号伪迹去除方法，包括：
3、获取原始脑电信号，原始脑电信号为对生物体进行脑深部电刺激采集得到；
4、将原始脑电信号与预设的检测阈值进行对比，得到刺激伪迹的起始位置，根据起始位置得到待处理信号，其中，待处理信号包含经过脑深部电刺激产生的伪迹；
5、将待处理信号输入至目标深度学习模型中进行去伪迹处理，得到预测信号；
6、将预测信号替换原始脑电信号中的待处理信号，得到目标脑深部电刺激信号。
7、在其中的一些实施例中，在将原始脑电信号与预设的检测阈值进行对比，得到刺激伪迹的起始位置，根据起始位置得到待处理信号之前，还包括：
8、对原始脑电信号进行一阶差分，得到第一信号；
9、根据第一信号计算得到预设的检测阈值。
10、在其中的一些实施例中，将原始脑电信号与预设的检测阈值进行对比，得到刺激伪迹的起始位置，根据起始位置得到待处理信号，包括：
11、将第一信号中的数据点的值与预设的检测阈值进行对比，得到刺激伪迹的起始位置；
12、基于刺激伪迹的起始位置和预设的刺激伪迹的长度，得到初始待处理信号；
13、基于初始待处理信号和预设的时间段，得到待处理信号。
14、在其中的一些实施例中，将第一信号中的数据点的值大于预设的检测阈值的位置作为刺激伪迹的起始位置。
15、在其中的一些实施例中，目标深度学习模型的训练过程包括：
16、获取训练脑电信号，其中，训练脑电信号为未经过脑深部电刺激，且不含伪迹的信号；
17、对训练脑电信号进行连续切分，得到分段训练脑电信号；
18、提取分段训练脑电信号中各段脑电信号的特征值；
19、对各段脑电信号的特征值进行动态遮盖处理，得到部分遮盖特征值集合；
20、将部分遮盖特征值集合输入至深度学习模型进行特征预测，得到预测训练脑电信号；
21、根据预测训练脑电信号和训练脑电信号的损失函数值进行迭代处理，直至达到预设的迭代次数完成深度学习模型的训练，得到目标深度学习模型。
22、在其中的一些实施例中，采用时间卷积网络提取分段训练脑电信号中各段脑电信号的特征值。
23、在其中的一些实施例中，在将部分遮盖特征值集合输入至深度学习模型进行特征训练，得到预测训练脑电信号之前，还包括：
24、将部分遮盖特征值集合进行位置编码后再输入至深度学习模型进行特征训练，得到预测训练脑电信号。
25、第二个方面，在本实施例中提供了一种脑深部电刺激信号伪迹去除系统，包括：
26、信号获取模块，用于获取原始脑电信号，原始脑电信号为对生物体进行脑深部电刺激采集得到；
27、信号检测模块，用于将原始脑电信号与预设的检测阈值进行对比，得到刺激伪迹的起始位置，根据起始位置得到待处理信号，其中，待处理信号包含经过脑深部电刺激产生的伪迹；
28、信号预测模块，用于将待处理信号输入至目标深度学习模型中进行去伪迹处理，得到预测信号；
29、信号替换模块，用于将预测信号替换原始脑电信号中的待处理信号，得到目标脑深部电刺激信号。
30、第三个方面，在本实施例中提供了一种电子装置，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一个方面所述的脑深部电刺激信号伪迹去除方法。
31、第四个方面，在本实施例中提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述第一个方面所述的脑深部电刺激信号伪迹去除方法。
32、与相关技术相比，在本实施例中提供的脑深部电刺激信号伪迹去除方法，通过获取原始脑电信号，原始脑电信号为对生物体进行脑深部电刺激采集得到；将原始脑电信号与预设的检测阈值进行对比，得到刺激伪迹的起始位置，根据起始位置得到待处理信号，其中，待处理信号包含经过脑深部电刺激产生的伪迹；将待处理信号输入至目标深度学习模型中进行去伪迹处理，得到预测信号；将预测信号替换原始脑电信号中的待处理信号，得到目标脑深部电刺激信号，解决了相关技术中由于去伪迹技术导致的单个神经元锋电位信号检出准确性低的问题。
33、本申请的一个或多个实施例的细节在以下附图和描述中提出，以使本申请的其他特征、目的和优点更加简明易懂。
本文档来自技高网...【技术保护点】
1.一种脑深部电刺激信号伪迹去除方法，其特征在于，包括：
2.根据权利要求1所述的脑深部电刺激信号伪迹去除方法，其特征在于，在所述将所述原始脑电信号与预设的检测阈值进行对比，得到刺激伪迹的起始位置，根据所述起始位置得到待处理信号之前，所述方法还包括：
3.根据权利要求2所述的脑深部电刺激信号伪迹去除方法，其特征在于，所述将所述原始脑电信号与预设的检测阈值进行对比，得到刺激伪迹的起始位置，根据所述起始位置得到待处理信号，包括：
4.根据权利要求3所述的脑深部电刺激信号伪迹去除方法，其特征在于，将所述第一信号中的数据点的值大于所述预设的检测阈值的位置作为所述刺激伪迹的起始位置。
5.根据权利要求1所述的脑深部电刺激信号伪迹去除方法，其特征在于，所述目标深度学习模型的训练过程包括：
6.根据权利要求5所述的脑深部电刺激信号伪迹去除方法，其特征在于，采用时间卷积网络提取所述分段训练脑电信号中各段脑电信号的特征值。
7.根据权利要求5所述的脑深部电刺激信号伪迹去除方法，其特征在于，在将所述部分遮盖特征值集合输入至深度学
8.一种脑深部电刺激信号伪迹去除系统，其特征在于，包括：
9.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行权利要求1至权利要求7中任一项所述的脑深部电刺激信号伪迹去除方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至权利要求7中任一项所述的脑深部电刺激信号伪迹去除方法的步骤。
...【技术特征摘要】
1.一种脑深部电刺激信号伪迹去除方法，其特征在于，包括：
2.根据权利要求1所述的脑深部电刺激信号伪迹去除方法，其特征在于，在所述将所述原始脑电信号与预设的检测阈值进行对比，得到刺激伪迹的起始位置，根据所述起始位置得到待处理信号之前，所述方法还包括：
3.根据权利要求2所述的脑深部电刺激信号伪迹去除方法，其特征在于，所述将所述原始脑电信号与预设的检测阈值进行对比，得到刺激伪迹的起始位置，根据所述起始位置得到待处理信号，包括：
4.根据权利要求3所述的脑深部电刺激信号伪迹去除方法，其特征在于，将所述第一信号中的数据点的值大于所述预设的检测阈值的位置作为所述刺激伪迹的起始位置。
5.根据权利要求1所述的脑深部电刺激信号伪迹去除方法，其特征在于，所述目标深度学习模型的训练过程包括：
6.根据权...
【专利技术属性】
技术研发人员：王兆祥，袁月，戴晶帼，郑重，崔健，张瑜，张军阳，蒋田仔，
申请(专利权)人：之江实验室，
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。