[go: up one dir, main page]

CN117898744B - 脑电数据分析装置、第二设备、数据采集及处理系统 - Google Patents

脑电数据分析装置、第二设备、数据采集及处理系统 Download PDF

Info

Publication number
CN117898744B
CN117898744B CN202410171757.0A CN202410171757A CN117898744B CN 117898744 B CN117898744 B CN 117898744B CN 202410171757 A CN202410171757 A CN 202410171757A CN 117898744 B CN117898744 B CN 117898744B
Authority
CN
China
Prior art keywords
eeg
frequency band
eeg signal
power
spectral density
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
Application number
CN202410171757.0A
Other languages
English (en)
Other versions
CN117898744A (zh
Inventor
王志燕
涂毅恒
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Psychology of CAS
Original Assignee
Institute of Psychology of CAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Institute of Psychology of CAS filed Critical Institute of Psychology of CAS
Priority to CN202410171757.0A priority Critical patent/CN117898744B/zh
Publication of CN117898744A publication Critical patent/CN117898744A/zh
Application granted granted Critical
Publication of CN117898744B publication Critical patent/CN117898744B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A61B5/372—Analysis of electroencephalograms
    • A61B5/374—Detecting the frequency distribution of signals, e.g. detecting delta, theta, alpha, beta or gamma waves
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A61B5/37—Intracranial electroencephalography [IC-EEG], e.g. electrocorticography [ECoG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A61B5/377—Electroencephalography [EEG] using evoked responses
    • A61B5/383—Somatosensory stimuli, e.g. electric stimulation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4848—Monitoring or testing the effects of treatment, e.g. of medication
    • 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
    • A61B5/7253—Details of waveform analysis characterised by using transforms
    • A61B5/7257—Details of waveform analysis characterised by using transforms using Fourier transforms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/10—Pre-processing; Data cleansing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2131—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on a transform domain processing, e.g. wavelet transform

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • General Health & Medical Sciences (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Medical Informatics (AREA)
  • Pathology (AREA)
  • Theoretical Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Psychiatry (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychology (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Mathematical Physics (AREA)
  • Signal Processing (AREA)
  • Child & Adolescent Psychology (AREA)
  • Developmental Disabilities (AREA)
  • Educational Technology (AREA)
  • Hospice & Palliative Care (AREA)
  • Physiology (AREA)
  • Social Psychology (AREA)
  • Neurosurgery (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本公开涉及数据处理领域，提出一种脑电数据分析装置、第二设备、数据采集及处理系统。所述装置包括：信号获取模块，用于获取N个时间段内采集的目标对象的脑电数据，预处理模块，用于对脑电数据进行处理得到每个时间段对应的一路脑电信号；功率谱密度确定模块，用于确定每一路脑电信号在每一预设频段的功率谱密度；评估模块，用于选择第一频段和M个时间段，根据M个时间段对应的M路脑电信号在第一频段的功率谱密度的变化情况，评估目标对象接受深部脑刺激治疗的效果。本公开实施例的脑电数据分析装置可以获取接受DBS治疗后的MDD患者的脑电数据并加以分析，客观评估MDD患者接受DBS治疗后的效果，使得评估结果的准确度更高。

Description

脑电数据分析装置、第二设备、数据采集及处理系统
技术领域
本公开涉及数据处理领域，尤其涉及一种脑电数据分析装置、第二设备、数据采集及处理系统。
背景技术
重度抑郁障碍(major depressive disorder，MDD)是全球范围内造成残疾和死亡的主要原因之一。标准治疗方法(如抗抑郁药物、心理治疗)对大约30％的MDD患者无效，属于难治性抑郁(treatment resistant depression，TRD)。深部脑刺激(deep brainstimulation，DBS)是一种有希望用于治疗MDD的新方法，该方法需要通过手术方式在患者的特定脑区域植入电极，通过电极将深部脑刺激信号输入脑区域对神经活动进行调节来治疗MDD。选取的脑区域可包括皮层下扣带回、伏隔核、内囊前肢、内侧前脑束和缰核等脑区域。然而，受患者群体异质性、设备复杂性以及手术程序、刺激参数变异性等多重影响，采用DBS治疗MDD的效果波动较大。
此外，目前临床上采用汉密尔顿抑郁量表作为评估MDD患者的严重程度及后续治疗方案的标准。医生通过谈话方式判断MDD患者过去两周的精神状况后，结合汉密尔顿抑郁量表对MDD患者的心理状态进行主观评估，受患者评估时的生理状态、抑郁污名化等因素的影响，很难客观体现患者的心理状态，因此准确度的波动比较大。如何客观评估MDD患者接受DBS治疗后的效果，提高评估结果的准确度，成为本领域的研究热点。
发明内容
有鉴于此，本公开提出了一种脑电数据分析装置、第二设备、数据采集及处理系统，本公开实施例的脑电数据分析装置可以获取接受DBS治疗后的MDD患者的脑电数据并加以分析，客观评估MDD患者接受DBS治疗后的效果，使得评估结果的准确度更高。
根据本公开的一方面，提供了一种脑电数据分析装置，所述装置包括：信号获取模块，用于获取N个时间段内采集的目标对象的脑电数据，所述目标对象在同一时间段内保持深部脑刺激治疗前、中、后中的一种的状态不变，所述目标对象在所述N个时间段中的至少一个时间段内是深部脑刺激治疗中/后的状态，N≥2，N是整数；预处理模块，用于对每个时间段内采集的脑电数据进行处理得到每个时间段对应的一路脑电信号；功率谱密度确定模块，用于确定每一路脑电信号在每一预设频段的功率谱密度；评估模块，用于根据每一路脑电信号在每一预设频段的功率谱密度选择满足第一预设条件的第一频段，并从所述N个时间段中选择满足第二预设条件的M个时间段，根据M个时间段对应的M路脑电信号在第一频段的功率谱密度的变化情况，评估所述目标对象接受深部脑刺激治疗的效果，2≤M≤N，M是整数。
在一种可能的实现方式中，所述第一预设条件包括：所述第一频段的功率谱密度在不同路脑电信号之间的变化程度，相比于其他预设频段的功率谱密度的变化程度更大。
在一种可能的实现方式中，所述第二预设条件包括：所述目标对象在所述M个时间段中的至少一个时间段内是深部脑刺激治疗中/后的状态。
在一种可能的实现方式中，所述根据M个时间段对应的M路脑电信号在第一频段的功率谱密度的变化情况，评估所述目标对象接受深部脑刺激治疗的效果，包括：对M个时间段进行分组，得到K组时间段，每组时间段包括两个时间段，所述目标对象在每组时间段中的至少一个时间段内是深部脑刺激治疗中/后的状态，K≥1，K是整数；根据每组时间段对应的两路脑电信号在第一频段的功率谱密度的差值，确定每组时间段对应的功率谱密度变化指标；将大于第一阈值的功率谱密度变化指标确定为第一类型的功率谱密度变化指标，将小于或等于第一阈值的功率谱密度变化指标确定为第二类型的功率谱密度变化指标；在第一类型和第二类型的功率谱密度变化指标的数量之比大于第二阈值时，确定所述目标对象接受深部脑刺激治疗后康复的概率大于复发的概率；在第二类型和第一类型的功率谱密度变化指标的数量之比大于第二阈值时，确定所述目标对象接受深部脑刺激治疗后康复的概率大于复发的概率；在第一类型和第二类型的功率谱密度变化指标的数量之比小于或等于第二阈值，且第二类型和第一类型的功率谱密度变化指标的数量之比小于或等于第二阈值时，确定所述目标对象接受深部脑刺激治疗后康复的概率小于复发的概率。
在一种可能的实现方式中，所述确定每一路脑电信号在每一预设频段的功率谱密度，包括：对每一路脑电信号进行快速傅里叶变换，确定每一路脑电信号在每一预设频段的功率；对每一路脑电信号在每一预设频段的功率进行功率谱密度分析，确定每一路脑电信号在每一预设频段的标准化的功率谱密度。
在一种可能的实现方式中，所述预处理模块还用于将所述一路脑电信号切分为多段脑电信号；所述确定每一路脑电信号在每一预设频段的功率谱密度，包括：对每一段脑电信号进行快速傅里叶变换，确定每一段脑电信号在每一预设频段的功率；对属于同一路脑电信号的多段脑电信号在相同预设频段的功率求平均值，作为该路脑电信号在该预设频段的功率；对每一路脑电信号在每一预设频段的功率进行功率谱密度分析，确定每一路脑电信号在每一预设频段的标准化的功率谱密度。
在一种可能的实现方式中，所述预处理模块还用于将所述一路脑电信号切分为多段脑电信号；所述确定每一路脑电信号在每一预设频段的功率谱密度，包括：对每一段脑电信号进行快速傅里叶变换，确定每一段脑电信号在每一预设频段的功率；对每一段脑电信号在每一预设频段的功率进行功率谱密度分析，确定每一段脑电信号在每一预设频段的标准化的功率谱密度；对属于同一路脑电信号的多段脑电信号在相同预设频段的标准化的功率谱密度求平均值，作为该路脑电信号在该预设频段的标准化的功率谱密度。
在一种可能的实现方式中，所述脑电数据由第一设备的电极采集，所述电极对应目标对象的一个脑区域，所述N个时间段内采集的目标对象的脑电数据包括同一脑区域的脑电数据。
在一种可能的实现方式中，所述电极在每个时间段内采集的脑电数据包括多个通道的脑电数据，所述对每个时间段内采集的脑电数据进行处理得到每个时间段对应的一路脑电信号，包括：对每个时间段内采集的多个通道的脑电数据作差，得到该时间段对应的一路脑电信号。
根据本公开的另一方面，提供了一种第二设备，包括以上任一项所述的脑电数据分析装置。
根据本公开的另一方面，提供了一种数据采集及处理系统，包括第一设备以及以上所述的第二设备，所述第一设备向目标对象发出深部脑刺激信号，并从目标对象处采集脑电数据输出至所述第二设备。
根据本公开的另一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述脑电数据分析装置。
根据本公开的另一方面，提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为在执行所述存储器存储的指令时，实现上述脑电数据分析装置。
根据本公开的另一方面，提供了一种计算机程序产品，包括计算机可读代码，或者承载有计算机可读代码的非易失性计算机可读存储介质，当所述计算机可读代码在电子设备的处理器中运行时，所述电子设备中的处理器执行上述脑电数据分析装置。
根据本公开实施例的脑电数据分析装置，通过信号获取模块获取N个时间段内采集的目标对象的脑电数据，目标对象在N个时间段中的至少一个时间段内是深部脑刺激治疗中/后的状态，N≥2，N是整数，使得获取到的脑电数据中包括目标对象接收深部脑刺激治疗中/后采集的脑电数据，因此基于采集到的脑电数据评估目标对象接受深部脑刺激治疗的效果时准确度得以保证；目标对象在同一时间段内保持深部脑刺激治疗前、中、后中的一种的状态不变，使得数据处理方式更简单。通过预处理模块对每个时间段内采集的脑电数据进行处理得到每个时间段对应的一路脑电信号，通过功率谱密度确定模块确定每一路脑电信号在每一预设频段的功率谱密度，因此同一预设频段的功率谱密度在不同时间段(不同脑电信号中)的变化与目标对象接受深部脑刺激治疗的效果有关联；评估模块根据每一路脑电信号在每一预设频段的功率谱密度选择满足第一预设条件的第一频段，并从N个时间段中选择满足第二预设条件的M个时间段，根据M个时间段对应的M路脑电信号在第一频段的功率谱密度的变化情况，可以评估目标对象接受深部脑刺激治疗的效果。目标对象可以是MDD患者，因此本公开实施例的脑电数据分析装置可以客观评估MDD患者接受DBS治疗后的效果，使得评估结果的准确度更高。
根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面，并且用于解释本公开的原理。
图1示出根据本公开实施例的脑电数据分析装置的示例性应用场景。
图2示出根据本公开实施例的脑电数据分析装置的结构的示意图。
图3示出根据本公开实施例的功率谱密度确定模块响应于完整脑电信号的示例性工作流程。
图4示出根据本公开实施例的功率谱密度确定模块响应于切分后的脑电信号的一种示例性工作流程。
图5示出根据本公开实施例的预处理模块对单个时间段对应的脑电数据进行切分的一个示例。
图6示出根据本公开实施例的功率谱密度确定模块响应于切分后的脑电信号的另一种示例性工作流程。
图7示出根据本公开实施例的评估模块评估目标对象接受深部脑刺激治疗的效果的一个示例。
图8示出根据本公开实施例的数据采集及处理系统的结构的示意图。
图9示出根据本公开实施例的第二设备1900的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
图1示出根据本公开实施例的脑电数据分析装置的示例性应用场景。
如图1所示，该应用场景中可包括第一设备、第二设备和第三设备。其中第二设备可以和第三设备有线通信，第一设备可以和第二设备无线通信。
第一设备可包括脉冲发生器1、延长导线2和电极3，电极3可植入目标对象(如MDD患者)的头部的某个脑区域。延长导线2的一端可连接电极3，另一端可连接脉冲发生器1。脉冲发生器1每次开机后会持续不断地产生深部脑刺激信号，深部脑刺激信号经延长导线2传输到电极3，电极3可将深部脑刺激信号输出至其植入的脑区域，对目标对象进行治疗。
假设电极3植入目标对象体的时间点作为脉冲发生器第1次进入关机状态的时间点。脉冲发生器第1次进入关机状态和第1次进入开机状态的时间间隔内，可以认为目标对象处于接受深部脑刺激治疗前的状态。在脉冲发生器第i次进入开机状态和第i+1进入关机状态的时间间隔内，可以认为目标对象处于接受深部脑刺激治疗中的状态。脉冲发生器第i次进入关机状态和第i次进入开机状态的时间间隔内，可以认为目标对象处于接受深部脑刺激治疗后的状态，i是大于1的整数。
电极3植入目标对象体内后，就能够采集到目标对象的脑电数据。为了数据处理方便，可以人为对数据采集方式进行控制，使得电极3可采集N个时间段的目标对象的脑电数据(N≥2，N是整数)，目标对象在同一时间段内保持深部脑刺激治疗前、中、后中的一种的状态不变，并且目标对象在数据采集的N个时间段中的至少一个时间段内是深部脑刺激治疗中/后的状态。进一步地，可以选择在目标对象处于安静状态时进行数据采集，降低目标对象的动作对于脑电数据的影响。
例如可以在脉冲发生器第1次进入关机状态和第1次进入开机状态的时间间隔内的某个时间段采集一次目标对象的脑电数据(也即深部脑刺激治疗前的脑电数据)，之后第i次进入开机状态和第i+1进入关机状态的时间间隔内的某个时间段都采集一次目标对象的脑电数据(也即深部脑刺激治疗中的脑电数据)，第i次进入关机状态和第i次进入开机状态的时间间隔内的某个时间段也都采集一次目标对象的脑电数据(也即深部脑刺激治疗后的脑电数据)。
每个时间段的时长可设置为相同(如5min以上)或不同，本公开对此不作限制。
本领域技术人员应理解，数据采集方式还可以有更多选择，例如可以在第i次进入开机状态和第i+1进入关机状态的时间间隔内的两个时间段采集两次目标对象的脑电数据，只要使得目标对象在同一时间段内保持深部脑刺激治疗前、中、后中的一种的状态不变，且目标对象在数据采集的N个时间段中的至少一个时间段内是深部脑刺激治疗中/后的状态即可，本公开实施例对于数据采集方式不作限制。
第一设备还可设置有蓝牙模块(未示出)。蓝牙模块可以将电极3采集到的脑电数据传输给第三设备。第三设备可与第二设备相连接，第三设备接收到脑电数据后可自动传输给第二设备。
第二设备可部署本公开实施例的脑电数据分析装置，脑电数据分析装置对脑电数据进行分析处理，评估目标对象接受深部脑刺激治疗的效果，并将评估结果传输给第三设备，由第三设备进行显示。其中评估结果可指示目标对象接受深部脑刺激治疗后复发与康复的可能性。
本领域技术人员应理解，如果第二设备本身具备显示功能，应用场景中也可以不设置第三设备，使用第二设备接收电极3采集到的脑电数据并进行分析处理，评估目标对象接受深部脑刺激治疗的效果，并显示评估结果即可，本公开实施例对于应用场景中是否包括第三设备不作限制。
图2示出根据本公开实施例的脑电数据分析装置的结构的示意图。
如图2所示，在一种可能的实现方式中，脑电数据分析装置包括：
信号获取模块，用于获取N个时间段内采集的目标对象的脑电数据，目标对象在同一时间段内保持深部脑刺激治疗前、中、后中的一种的状态不变，目标对象在N个时间段中的至少一个时间段内是深部脑刺激治疗中/后的状态，N≥2，N是整数；
预处理模块，用于对每个时间段内采集的脑电数据进行处理得到每个时间段对应的一路脑电信号；
功率谱密度确定模块，用于确定每一路脑电信号在每一预设频段的功率谱密度；
评估模块，用于根据每一路脑电信号在每一预设频段的功率谱密度选择满足第一预设条件的第一频段，并从N个时间段中选择满足第二预设条件的M个时间段，根据M个时间段对应的M路脑电信号在第一频段的功率谱密度的变化情况，评估目标对象接受深部脑刺激治疗的效果，2≤M≤N，M是整数。
举例来说，信号获取模块可以和第三设备通信，并从第三设备处获取到由第一设备上的电极在N个时间段内采集的目标对象的脑电数据。数据采集方式的示例可以参见图1的相关描述。在图2的示例中，N个时间段可包括时间段A、时间段B、时间段C、时间段D、时间段E。时间段A可以是脉冲发生器第1次进入关机状态和第1次进入开机状态的时间间隔内的时间段，时间段A内采集的目标对象的脑电数据是深部脑刺激治疗前的脑电数据。时间段B可以是脉冲发生器第1次进入开机状态和第2次进入关机状态的时间间隔内的时间段，时间段D可以是脉冲发生器第2次进入开机状态和第3次进入关机状态的时间间隔内的时间段，时间段B和时间段D内采集的目标对象的脑电数据是深部脑刺激治疗中的脑电数据。时间段C可以是脉冲发生器第2次进入关机状态和第2次进入开机状态的时间间隔内的时间段，时间段E可以是脉冲发生器第3次进入关机状态和第3次进入开机状态的时间间隔内的时间段，时间段C和时间段E内采集的目标对象的脑电数据是深部脑刺激治疗后的脑电数据。
信号获取模块可以将脑电数据传输给预处理模块。示例性地，每个时间段内采集的脑电数据可包括多个通道的脑电数据。预处理模块可以针对每个时间段对应的多个通道的脑电数据处理得到每个时间段对应的一路脑电信号。由于预处理模块接收的是N个时间段内采集的目标对象的脑电数据，因此预处理模块可以得到与N个时间段分别对应的N路脑电信号。如图2所示，在N个时间段包括时间段A、时间段B、时间段C、时间段D、时间段E时，N路脑电信号可包括5路脑电信号，分别是脑电信号A0，脑电信号B0，脑电信号C0，脑电信号D0、脑电信号E0。采集得到多个通道的脑电数据的示例性方式，以及将多个通道的脑电数据处理成为一路脑电信号的示例性方式，可以参见后文的相关描述。
可选地，预处理模块还可以对每个时间段对应的一路脑电信号进行滤波，保留有用的频段(如1Hz-100Hz)。然后去除滤波后的脑电信号中的伪迹(包括运动伪迹、刺激伪迹等)。
可选地，预处理模块也可以先对脑电数据进行滤波、去除伪迹之后，再对多个通道的脑电数据进行处理得到一路脑电信号。本公开实施例对于滤波步骤和去除伪迹步骤和脑电数据到脑电信号的转换步骤的具体执行顺序不作限制。
预处理模块可以将处理得到的脑电信号输出给功率谱密度确定模块。根据脑电信号所包括的数据量大小，可以选择将脑电信号完整输出，也可以选择将脑电信号切分为多段后输出，本公开实施例对于预处理模块输出脑电信号的方式不作限制。
脑电数据和脑电信号都是时间-功率的二维数据。功率谱密度确定模块可以将脑电信号转换为频率-功率谱密度的二维数据，从而确定每一路脑电信号在每一预设频段的功率谱密度。根据脑电信号是否进行了切分，功率谱密度确定模块将脑电信号转换为频率-功率谱密度的二维数据的方式可以不同，示例性的转换方式可以参见后文的相关描述。
预设频段可以根据应用场景需求设置，例如可包括alpha频段(8Hz-13Hz)、beta频段(14Hz-30Hz)、delta频段(0.5Hz-3Hz)和theta频段(4Hz-7Hz)。如图2所示，在脑电信号包括脑电信号A0，脑电信号B0，脑电信号C0，脑电信号D0、脑电信号E0时，确定的功率谱密度可包括：
脑电信号A0在alpha频段的功率谱密度A0-alpha、在beta频段的功率谱密度A0-beta、在delta频段的功率谱密度A0-delta、在theta频段的功率谱密度A0-theta；
脑电信号B0在alpha频段的功率谱密度B0-alpha、在beta频段的功率谱密度B0-beta、在delta频段的功率谱密度B0-delta、在theta频段的功率谱密度B0-theta；
脑电信号C0在alpha频段的功率谱密度C0-alpha、在beta频段的功率谱密度C0-beta、在delta频段的功率谱密度C0-delta、在theta频段的功率谱密度C0-theta；
脑电信号D0在alpha频段的功率谱密度D0-alpha、在beta频段的功率谱密度D0-beta、在delta频段的功率谱密度D0-delta、在theta频段的功率谱密度D0-theta；
脑电信号E0在alpha频段的功率谱密度E0-alpha、在beta频段的功率谱密度E0-beta、在delta频段的功率谱密度E0-delta、在theta频段的功率谱密度E0-theta。
本领域技术人员应理解，预设频段还可以包括更多设置方式，只要是脑电信号转换为频率-功率谱密度的二维数据后能够出现的频段即可，本公开实施例对预设频段的具体设置方式不作限制。
功率谱密度确定模块可以将功率谱密度传输至评估模块。评估模块可以根据每一路脑电信号在每一预设频段的功率谱密度选择满足第一预设条件的第一频段，并从N个时间段中选择满足第二预设条件的M个时间段(2≤M≤N，M是整数)。第一预设条件和第二预设条件的示例可以参见后文的相关描述。功率谱密度确定模块可以根据M个时间段对应的M路脑电信号在第一频段的功率谱密度的变化情况，评估目标对象接受深部脑刺激治疗的效果。后文中以第一频段可以是theta频段、M个时间段是时间段A、时间段B、时间段C、时间段E为例介绍了示例性的评估方式。
本领域技术人员应理解，上述信号获取模块、预处理模块、功率谱密度确定模块、评估模块可以是软件模块也可以是硬件模块。作为软件模块时，各模块功能可以由处理器实现。作为硬件模块时，各模块可以拆分为更多的硬件单元，任意两个或者更多的模块也可以整合成一个更大的模块，本公开实施例对于脑电信号分析装置所包括的各模块的具体实现方式不作限制。
根据本公开实施例的脑电数据分析装置，通过信号获取模块获取N个时间段内采集的目标对象的脑电数据，目标对象在N个时间段中的至少一个时间段内是深部脑刺激治疗中/后的状态，N≥2，N是整数，使得获取到的脑电数据中包括目标对象接收深部脑刺激治疗中/后采集的脑电数据，因此基于采集到的脑电数据评估目标对象接受深部脑刺激治疗的效果时准确度得以保证；目标对象在同一时间段内保持深部脑刺激治疗前、中、后中的一种的状态不变，使得数据处理方式更简单。通过预处理模块对每个时间段内采集的脑电数据进行处理得到每个时间段对应的一路脑电信号，通过功率谱密度确定模块确定每一路脑电信号在每一预设频段的功率谱密度，因此同一预设频段的功率谱密度在不同时间段(不同脑电信号中)的变化与目标对象接受深部脑刺激治疗的效果有关联；评估模块根据每一路脑电信号在每一预设频段的功率谱密度选择满足第一预设条件的第一频段，并从N个时间段中选择满足第二预设条件的M个时间段，根据M个时间段对应的M路脑电信号在第一频段的功率谱密度的变化情况，可以评估目标对象接受深部脑刺激治疗的效果。目标对象可以是MDD患者，因此本公开实施例的脑电数据分析装置可以客观评估MDD患者接受DBS治疗后的效果，使得评估结果的准确度更高。
在一种可能的实现方式中，脑电数据由第一设备的电极采集，电极对应目标对象的一个脑区域，N个时间段内采集的目标对象的脑电数据包括同一脑区域的脑电数据。
举例来说，脑电设备可以由第一设备的电极来采集。电极可以对应于目标对象的一个脑区域，如皮层下扣带回、伏隔核、内囊前肢、内侧前脑束和缰核等，本公开实施例对于电极具体对应何种脑区域不作限制。N个时间段内采集的目标对象的脑电数据可以包括同一脑区域的脑电数据。在此情况下，根据M个时间段对应的M路脑电信号在第一频段的功率谱密度的变化情况，评估目标对象接受深部脑刺激治疗的效果时，脑电数据的采集位置对评估效果的影响最小。
在一种可能的实现方式中，电极在每个时间段内采集的脑电数据包括多个通道的脑电数据，
对每个时间段内采集的脑电数据进行处理得到每个时间段对应的一路脑电信号，包括：
对每个时间段内采集的多个通道的脑电数据作差，得到该时间段对应的一路脑电信号。
举例来说，如果第一设备包括一个电极，那么该电极在每个时间段内采集的脑电数据可包括多个通道的脑电数据。预处理模块可以对每个时间段内采集的多个通道的脑电数据中的任意两个通道的脑电数据作差，得到该时间段对应的一路脑电信号。以时间段A为例，假设电极包括2个通道，使用时间段A内采集的第1通道的脑电数据减去时间段A内采集的第2通道的脑电数据，即可得到时间段A对应的脑电信号A0。其他时间段对应的脑电信号的获取方式与时间段A相类似，在此不再赘述。
又例如，可以为每个通道预设对应的权值，预处理模块可以对每个时间段内采集的多个通道的脑电数据进行加权求和，得到一路脑电信号。只要是现有技术可以实现的、将多个通道的脑电数据处理为一路脑电信号的方式都可以使用，本公开对于多个通道的脑电数据处理得到一路脑电信号的具体实现方式不作限制。
本领域技术人员应理解，实际应用中，如果脑区域足够大、电极足够小，第一设备也可以包括多个电极，每个电极可以设置至少一个通道。只要使得采集到的脑电数据可以包括多个通道的脑电数据即可，本公开实施例对于第一设备的电极个数、每个电极的通道个数不作限制。
通过这种方式，使得第一设备上电极的设置方式更灵活。
图3示出根据本公开实施例的功率谱密度确定模块响应于完整脑电信号的示例性工作流程。
如图3所示，在一种可能的实现方式中，确定每一路脑电信号在每一预设频段的功率谱密度，包括：
步骤S31，对每一路脑电信号进行快速傅里叶变换，确定每一路脑电信号在每一预设频段的功率；
步骤S32，对每一路脑电信号在每一预设频段的功率进行功率谱密度分析，确定每一路脑电信号在每一预设频段的标准化的功率谱密度。
举例来说，脑电信号(时间-功率的二维数据)到功率谱密度(频率-功率谱密度的二维数据)的转换，可以通过快速傅里叶变换和功率谱密度分析来实现。如果一路脑电信号的数据量较小，那么对完整的一路脑电信号进行快速傅里叶变换和功率谱密度分析较为简单，预处理模块可以不对脑电信号进行切分，输出完整的脑电信号到功率谱密度确定模块。在功率谱密度确定模块中，可以直接对每一路完整的脑电信号进行快速傅里叶变换，确定每一路脑电信号在每一预设频段的功率。在此情况下，每一路脑电信号都先被转换成频率-功率的二维数据。
在此基础上，再对每一路脑电信号在每一预设频段的功率(也即频率-功率的二维数据)进行功率谱密度分析(可以使用pwelch函数、周期图法等)，确定每一路脑电信号在每一预设频段的功率谱密度(也即频率-功率谱密度的二维数据)。进一步地，可以对确定的功率谱密度进行标准化处理(可以使用归一法、占比法等)，得到每一路脑电信号在每一预设频段的标准化的功率谱密度。
本领域技术人员应理解，功率谱密度分析和标准化处理也可以采用现有技术的其他方法来实现，本公开对此不作限制。
通过这种方式，使得预处理模块的数据处理成本更低、数据处理效率更高。
图4示出根据本公开实施例的功率谱密度确定模块响应于切分后的脑电信号的一种示例性工作流程。
如图4所示，在一种可能的实现方式中，预处理模块还用于将一路脑电信号切分为多段脑电信号；
确定每一路脑电信号在每一预设频段的功率谱密度，包括：
步骤S41，对每一段脑电信号进行快速傅里叶变换，确定每一段脑电信号在每一预设频段的功率；
步骤S42，对属于同一路脑电信号的多段脑电信号在相同预设频段的功率求平均值，作为该路脑电信号在该预设频段的功率；
步骤S43，对每一路脑电信号在每一预设频段的功率进行功率谱密度分析，确定每一路脑电信号在每一预设频段的标准化的功率谱密度。
举例来说，如果一路脑电信号的数据量较大，那么对完整的一路脑电信号进行快速傅里叶变换和功率谱密度分析较为复杂，影响功率谱密度确定模块的数据处理成本和效率。因此预处理模块可以将一路脑电信号切分为多段脑电信号，输出多段脑电信号到功率谱密度确定模块。
切分的方式可以根据应用场景需求进行设置，例如设置为间隔预设时间(如2s-30s)切分一次。本公开实施例对于脑电信号的切分方式不作限制。
本领域技术人员应理解，在实际应用中，也可以设置为由功率谱密度确定模块完成脑电信号的切分，或者增加一个新模块用于完成脑电信号的切分，本公开实施例对于切分步骤的执行主体不作限制。
本领域技术人员应理解，在实际应用中，切分的对象也可以设置为多个通道的脑电数据，每个通道的脑电数据被切分为多段脑电数据之后，再对相对应的多段脑电数据相减得到一段脑电信号。图5示出根据本公开实施例的预处理模块对单个时间段对应的脑电数据进行切分的一个示例。
如图5所示，假设某个时间段采集的脑电数据包括X个通道的脑电数据(T1-TX)。预处理模块可对X个通道的脑电数据分别滤波，得到滤波后的X个通道的脑电数据(T11-TX1)。再去除滤波后的脑电数据中的伪迹，得到去除伪迹后的X个通道的脑电数据(T12-TX2)。再将去除伪迹后的每个通道的脑电数据切分为3份，得到3X段脑电数据(T121、T122、T123、T221、T222、T223、……、TX21、TX22、TX23)。最后对T121、T221、……、TX21相减得到一段脑电信号TT1，对T122、T222、……、TX22相减得到一段脑电信号TT2，对T123、T223、……、TX23相减得到一段脑电信号TT3。X个通道的脑电数据得到的一路脑电信号可包括脑电信号TT1、TT2、TT3。
本公开实施例对于预处理模块得到多段脑电信号的具体方式不作限制。为了描述清楚，在下文中以切分的对象是脑电信号作为示例。
在功率谱密度确定模块中，可以直接对每一段脑电信号进行快速傅里叶变换，确定每一段脑电信号在每一预设频段的功率。在此情况下，每一段脑电信号都先被转换成频率-功率的二维数据。假设脑电信号A0被切分为2段脑电信号A01和A02，则脑电信号A0经快速傅里叶变换后可得到2份频率-功率的二维数据(分别与脑电信号A01和A02对应)。每份频率-功率的二维数据中可包括与多个预设频段分别对应的功率。
之后，可以对属于同一路脑电信号的多段脑电信号在相同预设频段的功率求平均值，作为该路脑电信号在该预设频段的功率。例如对于脑电信号A01和脑电信号A02在alpha频段的功率求平均值可得到脑电信号A0在alpha频段的功率，脑电信号A01和脑电信号A02在beta频段的功率求平均值可得到脑电信号A0在beta频段的功率。以此类推，可得到脑电信号A0在alpha频段、beta频段、delta频段和theta频段的功率，相当于将傅里叶变换后得到的2份频率-功率的二维数据融合成1份频率-功率的二维数据。
之后，可以对每一路脑电信号在每一预设频段的功率进行功率谱密度分析，确定每一路脑电信号在每一预设频段的标准化的功率谱密度。对每一路脑电信号在每一预设频段的功率进行功率谱密度分析的示例性方式在上文中已经描述过，在此不再赘述。
多段脑电信号的快速傅里叶变换可以并行完成，通过这种方式使得功率谱密度确定模块的数据处理效率更高。
图6示出根据本公开实施例的功率谱密度确定模块响应于切分后的脑电信号的另一种示例性工作流程。
如图6所示，在一种可能的实现方式中，预处理模块还用于将一路脑电信号切分为多段脑电信号；
确定每一路脑电信号在每一预设频段的功率谱密度，包括：
步骤S61，对每一段脑电信号进行快速傅里叶变换，确定每一段脑电信号在每一预设频段的功率；
步骤S62，对每一段脑电信号在每一预设频段的功率进行功率谱密度分析，确定每一段脑电信号在每一预设频段的标准化的功率谱密度；
步骤S63，对属于同一路脑电信号的多段脑电信号在相同预设频段的标准化的功率谱密度求平均值，作为该路脑电信号在该预设频段的标准化的功率谱密度。
举例来说，预处理模块输出多段脑电信号到功率谱密度确定模块的前提下，在功率谱密度确定模块中，可以直接对每一段脑电信号进行快速傅里叶变换，确定每一段脑电信号在每一预设频段的功率。在此情况下，每一段脑电信号都先被转换成频率-功率的二维数据。假设脑电信号A0被切分为2段脑电信号A01和A02，则脑电信号A0经快速傅里叶变换后可得到2份频率-功率的二维数据(分别与脑电信号A01和A02对应)。每份频率-功率的二维数据中可包括与多个预设频段分别对应的功率。
之后，可以对每一段脑电信号在每一预设频段的功率进行功率谱密度分析，确定每一段脑电信号在每一预设频段的标准化的功率谱密度。其示例性实现方式与上文中对每一路脑电信号在每一预设频段的功率进行功率谱密度分析类似，将一路脑电信号替换为一段脑电信号即可。此时2份频率-功率的二维数据可被转换成2份频率-功率谱密度的二维数据(分别与脑电信号A01和A02对应)。每份频率-功率谱密度的二维数据中可包括与多个预设频段分别对应的功率谱密度。
之后，可以对属于同一路脑电信号的多段脑电信号在相同预设频段的标准化的功率谱密度求平均值，作为该路脑电信号在该预设频段的标准化的功率谱密度。例如脑电信号A01和脑电信号A02在alpha频段的标准化的功率谱密度求平均值可得到脑电信号A0在alpha频段的标准化的功率谱密度，脑电信号A01和脑电信号A02在beta频段的标准化的功率谱密度求平均值可得到脑电信号A0在beta频段的标准化的功率谱密度。以此类推，可得到脑电信号A0在alpha频段、beta频段、delta频段和theta频段的标准化的功率谱密度，相当于将功率谱密度分析后得到的2份频率-功率谱密度的二维数据融合成1份频率-功率谱密度的二维数据。
对多段脑电信号在每一预设频段的功率进行功率谱密度分析可以并行完成，通过这种方式使得功率谱密度确定模块的数据处理效率更高，且使得预处理模块对一路脑电信号进行分段的情况下、功率谱密度确定模块的数据处理方式更灵活。
下面介绍本公开实施例的第一预设条件的示例。
在一种可能的实现方式中，第一预设条件包括：第一频段的功率谱密度在不同路脑电信号之间的变化程度，相比于其他预设频段的功率谱密度的变化程度更大。
举例来说，设置第一预设条件的目的可以是从多个预设频段中选择出适合用来比较不同路脑电信号差异的第一频段。因此第一预设条件可以设置为：第一频段的功率谱密度在不同路脑电信号之间的变化程度，相比于其他预设频段的功率谱密度的变化程度更大。
下面结合图2所示的5路脑电信号(脑电信号A0、脑电信号B0、脑电信号C0、脑电信号D0、脑电信号E0)和功率谱密度介绍第一预设条件的实现方式的两个示例。
在一个示例中，第一频段的功率谱密度在不同路脑电信号之间的变化程度相比于其他预设频段的功率谱密度的变化程度更大，可以指从所有脑电信号中任意选择两路脑电信号，第一频段的功率谱密度在选择出的这两路脑电信号之间的变化程度，相比于其他预设频段的功率谱密度在选择出的这两路脑电信号之间的变化程度更大。
例如，假设选择出的两路脑电信号分别是脑电信号D0和脑电信号E0。alpha频段的功率谱密度在脑电信号D0和脑电信号E0之间的变化程度可以是(E0-alpha)-(D0-alpha)。beta频段的功率谱密度在脑电信号D0和脑电信号E0之间的变化程度可以是(E0-beta)-(D0-beta)。delta频段的功率谱密度在脑电信号D0和脑电信号E0之间的变化程度可以是(E0-delta)-(D0-delta)。theta频段的功率谱密度在脑电信号D0和脑电信号E0之间的变化程度可以是(E0-theta)-(D0-theta)。
进一步地，对各频段的功率谱密度在脑电信号D0和脑电信号E0之间的变化程度进行比较，确定功率谱密度在脑电信号D0和脑电信号E0之间之间的变化程度最大的频段，作为第一频段。例如对(E0-alpha)-(D0-alpha)、(E0-beta)-(D0-beta)、(E0-delta)-(D0-delta)、(E0-theta)-(D0-theta)进行比较后，确定最大值是(E0-theta)-(D0-theta)时，则theta频段可作为第一频段。
在另一个示例中，第一频段的功率谱密度在不同路脑电信号之间的变化程度相比于其他预设频段的功率谱密度的变化程度更大，可以指第一频段的功率谱密度在不同路脑电信号之间的变化程度的最大值，大于其他预设频段的功率谱密度在不同路脑电信号之间的变化程度的最大值。
例如，从频段的角度来看，存在5路脑电信号和4个预设频段时，对于任意预设频段的功率谱密度，其在不同路脑电信号之间的变化程度最少有1种结果(在任意两路脑电信号之间的变化程度都相同)，最多可能有10种不同结果(在任意两路脑电信号之间的变化程度都不同)。因此，针对任意预设频段的功率谱密度，可以先确定出其在不同路脑电信号之间的变化程度的最大值。
例如alpha频段的功率谱密度在不同路脑电信号之间的变化程度的最大值可以是(B0-alpha)-(A0-alpha)。beta频段的功率谱密度在不同路脑电信号之间的变化程度的最大值可以是(D0-beta)-(B0-beta)。delta频段的功率谱密度在不同路脑电信号之间的变化程度的最大值可以是(E0-delta)-(B0-delta)。theta频段的功率谱密度在不同路脑电信号之间的变化程度的最大值可以是(D0-theta)-(A0-theta)。
进一步地，对各频段的功率谱密度在不同路脑电信号之间的变化程度的最大值进行比较，确定功率谱密度在不同路脑电信号之间的变化程度最大的频段，作为第一频段。例如对(B0-alpha)-(A0-alpha)、(D0-beta)-(B0-beta)、(E0-delta)-(B0-delta)、(D0-theta)-(A0-theta)进行比较后，确定(D0-theta)-(A0-theta)最大时，则theta频段可作为第一频段。
本领域技术人员应理解，第一预设条件还可以有更多的实现方式，只要选择出的第一频段是适合用来比较不同路脑电信号差异的频段即可，本公开实施例对于第一预设条件的具体实现方式不作限制。
下面介绍本公开实施例的第二预设条件的示例。
在一种可能的实现方式中，第二预设条件包括：目标对象在M个时间段中的至少一个时间段内是深部脑刺激治疗中/后的状态。
举例来说，设置第二预设条件的目的可以是从N个时间段中选择出适合用来比较不同路脑电信号差异的M个时间段。而分析脑电数据的目的在于评估目标对象接受深部脑刺激治疗的效果，因此如果在评估时使用的都是目标对象接受深部脑刺激治疗前采集的数据，那么评估结果实际上与深部脑刺激治疗是无关的，评估就会失去意义。因此第二预设条件可以设置为：目标对象在M个时间段中的至少一个时间段内是深部脑刺激治疗中/后的状态。在此情况下，M路脑电信号中至少一路脑电信号与深部脑刺激治疗的效果有关，保证评估结果的准确度。
下面介绍本公开实施例的评估模块根据M个时间段对应的M路脑电信号在第一频段的功率谱密度的变化情况，评估目标对象接受深部脑刺激治疗的效果的示例性方法。
在一种可能的实现方式中，根据M个时间段对应的M路脑电信号在第一频段的功率谱密度的变化情况，评估目标对象接受深部脑刺激治疗的效果，包括：
对M个时间段进行分组，得到K组时间段，每组时间段包括两个时间段，目标对象在每组时间段中的至少一个时间段内是深部脑刺激治疗中/后的状态，K≥1，K是整数；
根据每组时间段对应的两路脑电信号在第一频段的功率谱密度的差值，确定每组时间段对应的功率谱密度变化指标；
将大于第一阈值的功率谱密度变化指标确定为第一类型的功率谱密度变化指标，将小于或等于第一阈值的功率谱密度变化指标确定为第二类型的功率谱密度变化指标；
在第一类型和第二类型的功率谱密度变化指标的数量之比大于第二阈值时，确定所述目标对象接受深部脑刺激治疗后康复的概率大于复发的概率；
在第二类型和第一类型的功率谱密度变化指标的数量之比大于第二阈值时，确定所述目标对象接受深部脑刺激治疗后康复的概率大于复发的概率；
在第一类型和第二类型的功率谱密度变化指标的数量之比小于或等于第二阈值，且第二类型和第一类型的功率谱密度变化指标的数量之比小于或等于第二阈值时，确定所述目标对象接受深部脑刺激治疗后康复的概率小于复发的概率。
图7示出根据本公开实施例的评估模块评估目标对象接受深部脑刺激治疗的效果的一个示例。如图7所示，假设评估模块选择出的第一频段是theta频段，选择出的M个时间段是时间段A、时间段B、时间段C、时间段E。
首先可以对M个时间段进行分组，得到K组时间段，每组时间段包括两个时间段，目标对象在每组时间段中的至少一个时间段内是深部脑刺激治疗中/后的状态(K≥1，K是整数)。参见图2的相关描述，时间段A可以是脉冲发生器第1次进入关机状态和第1次进入开机状态的时间间隔内的时间段，时间段A内采集的目标对象的脑电数据是深部脑刺激治疗前的脑电数据。时间段B可以是脉冲发生器第1次进入开机状态和第2次进入关机状态的时间间隔内的时间段，时间段B内采集的目标对象的脑电数据是深部脑刺激治疗中的脑电数据。时间段C可以是脉冲发生器第2次进入关机状态和第2次进入开机状态的时间间隔内的时间段，时间段E可以是脉冲发生器第3次进入关机状态和第3次进入开机状态的时间间隔内的时间段，时间段C和时间段E内采集的目标对象的脑电数据是深部脑刺激治疗后的脑电数据。则进行分组时，可以分成2组时间段，第1组时间段包括时间段A和时间段B，第二组时间段包括时间段C和时间段E。
应注意的是，K≥2时，任意两组时间段是不完全相同的时间段。即，任意两组时间段最多包括一个相同的时间段。
根据每组时间段对应的两路脑电信号在第一频段的功率谱密度的差值，可以确定每组时间段对应的功率谱密度变化指标。其中差值可以是在后时间段对应的一路脑电信号在第一频段的功率谱密度减去在前时间段对应的一路脑电信号在第一频段的功率谱密度得到。则如图7所示，第1组时间段对应的功率谱密度变化指标可以等于(B0-theta)-(A0-theta)。第2组时间段对应的功率谱密度变化指标可以等于(E0-theta)-(C0-theta)。
可以理解的是，如果深部脑刺激治疗有效，目标对象正在康复中，那么随着时间的增加，功率谱密度的变化方式应该趋于稳定，例如持续变大、持续变小、或者保持不变。反之，如果随着时间的增加，功率谱密度总是在变大和变小之间反复波动，那么可以认为深部脑刺激治疗效果不佳，目标对象的疾病(如抑郁)可能复发。
因此，可以预先设置一个第一阈值(例如0)，可以将大于第一阈值的功率谱密度变化指标确定为第一类型(A)的功率谱密度变化指标，将小于或等于第一阈值的功率谱密度变化指标确定为第二类型(B)的功率谱密度变化指标。在此情况下，如果大部分功率谱密度变化指标都是第一类型(A)的功率谱密度变化指标，或大部分功率谱密度变化指标都是第二类型(B)的功率谱密度变化指标，就可以认为功率谱密度的变化方式是趋于稳定的。
可以再设置一个第二阈值(例如2)，并计算第一类型和第二类型的功率谱密度变化指标的数量之比、第二类型和第一类型的功率谱密度变化指标的数量之比。如果其中一个比值大于第二阈值，可以确定目标对象接受深部脑刺激治疗后康复的概率大于复发的概率，评估结果可以是康复中。在图7的示例中，第1组时间段对应的功率谱密度变化指标和第2组时间段对应的功率谱密度变化指标都是第一类型(2A)时，第一类型和第二类型的功率谱密度变化指标的数量之比可以是无穷大，大于第二阈值，评估结果可以是康复中。第1组时间段对应的功率谱密度变化指标和第2组时间段对应的功率谱密度变化指标都是第二类型时(2B)，第二类型和第一类型的功率谱密度变化指标的数量之比可以是无穷大，大于第二阈值，评估结果可以是康复中。
如果两个比值都小于或等于第二阈值，可以确定目标对象接受深部脑刺激治疗后康复的概率小于复发的概率，评估结果可以是可能复发。在图7的示例中，第1组时间段对应的功率谱密度变化指标是第一类型、第2组时间段对应的功率谱密度变化指标是第二类型，或者，第1组时间段对应的功率谱密度变化指标是第二类型、第2组时间段对应的功率谱密度变化指标是第一类型(1A1B)时，第一类型和第二类型的功率谱密度变化指标的数量之比、第二类型和第一类型的功率谱密度变化指标的数量之比都是1，小于第二阈值，评估结果可以是可能复发。
通过这种方式，使得对目标对象接受深部脑刺激治疗后康复的效果的评估结果具备更高的可信度。
本领域技术人员应理解，第一阈值和第二阈值可以根据应用场景需求设置，本公开实施例对于第一阈值和第二阈值的具体取值方式不作限制。
本领域技术人员应理解，根据M个时间段对应的M路脑电信号在第一频段的功率谱密度的变化情况，评估目标对象接受深部脑刺激治疗的效果还可以有更多方式，例如也可以设置为数值大于第一阈值的功率谱密度变化指标占全部的功率谱密度变化指标的比例大于一定阈值等等，只要评估结果能够客观体现目标对象接受深部脑刺激治疗的效果即可，本公开实施例对于根据M个时间段对应的M路脑电信号在第一频段的功率谱密度的变化情况，评估目标对象接受深部脑刺激治疗的效果具体使用何种方式不作限制。
本公开还提供一种第二设备，包括以上所述的脑电数据分析装置。
本公开还提供一种数据采集及处理系统，图8示出根据本公开实施例的数据采集及处理系统的结构的示意图。
如图8所示，数据采集及处理系统包括第一设备以及以上所述的第二设备，所述第一设备向目标对象发出深部脑刺激信号，并从目标对象处采集脑电数据输出至所述第二设备。第二设备上的脑电数据分析装置对脑电数据进行分析，评估目标对象接受深部脑刺激治疗的效果。
第一设备的结构的示意图可以参见图1，第二设备的结构的示意图可以参见图2。
示例性地，第一设备和第二设备之间还可以通过第三设备进行通信，数据采集及处理系统的结构的示意可参见图1。只要数据采集及处理系统包括第一设备及第二设备即可，本公开实施例对于数据采集及处理系统是否还包括更多的设备不作限制。
本公开实施例还提出一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述脑电数据分析装置。计算机可读存储介质可以是易失性或非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为在执行所述存储器存储的指令时，实现上述脑电数据分析装置。
本公开实施例还提供了一种计算机程序产品，包括计算机可读代码，或者承载有计算机可读代码的非易失性计算机可读存储介质，当所述计算机可读代码在电子设备的处理器中运行时，所述电子设备中的处理器执行上述脑电数据分析装置。
图9示出根据本公开实施例的第二设备1900的框图。例如，第二设备1900可以被提供为一服务器或终端设备。参照图9，第二设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如脑电数据分析装置中的各模块对应的指令。此外，处理组件1922被配置为执行指令，以实现脑电数据分析装置中的各模块。
第二设备1900还可以包括一个电源组件1926被配置为执行第二设备1900的电源管理，一个有线或无线网络接口1950被配置为将第二设备1900连接到网络，和一个输入输出接口1958(I/O接口)。第二设备1900可以操作基于存储在存储器1932的操作系统，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由第二设备1900的处理组件1922执行以实现上述各模块。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (9)

1.一种脑电数据分析装置，其特征在于，所述装置包括：
信号获取模块，用于获取N个时间段内采集的目标对象的脑电数据，所述目标对象在同一时间段内保持深部脑刺激治疗前、中、后中的一种的状态不变，所述目标对象在所述N个时间段中的至少一个时间段内是深部脑刺激治疗中/后的状态，N≥2，N是整数；
预处理模块，用于对每个时间段内采集的脑电数据进行处理得到每个时间段对应的一路脑电信号；
功率谱密度确定模块，用于确定每一路脑电信号在每一预设频段的功率谱密度；
评估模块，用于根据每一路脑电信号在每一预设频段的功率谱密度选择满足第一预设条件的第一频段，并从所述N个时间段中选择满足第二预设条件的M个时间段，根据M个时间段对应的M路脑电信号在第一频段的功率谱密度的变化情况，评估所述目标对象接受深部脑刺激治疗的效果，2≤M≤N，M是整数；
所述第一预设条件包括：所述第一频段的功率谱密度在不同路脑电信号之间的变化程度，相比于其他预设频段的功率谱密度的变化程度更大；
所述第二预设条件包括：所述目标对象在所述M个时间段中的至少一个时间段内是深部脑刺激治疗中/后的状态。
2.根据权利要求1所述的装置，其特征在于，所述根据M个时间段对应的M路脑电信号在第一频段的功率谱密度的变化情况，评估所述目标对象接受深部脑刺激治疗的效果，包括：
对M个时间段进行分组，得到K组时间段，每组时间段包括两个时间段，所述目标对象在每组时间段中的至少一个时间段内是深部脑刺激治疗中/后的状态，K≥1，K是整数；
根据每组时间段对应的两路脑电信号在第一频段的功率谱密度的差值，确定每组时间段对应的功率谱密度变化指标；
将大于第一阈值的功率谱密度变化指标确定为第一类型的功率谱密度变化指标，将小于或等于第一阈值的功率谱密度变化指标确定为第二类型的功率谱密度变化指标；
在第一类型和第二类型的功率谱密度变化指标的数量之比大于第二阈值时，确定所述目标对象接受深部脑刺激治疗后康复的概率大于复发的概率；
在第二类型和第一类型的功率谱密度变化指标的数量之比大于第二阈值时，确定所述目标对象接受深部脑刺激治疗后康复的概率大于复发的概率；
在第一类型和第二类型的功率谱密度变化指标的数量之比小于或等于第二阈值，且第二类型和第一类型的功率谱密度变化指标的数量之比小于或等于第二阈值时，确定所述目标对象接受深部脑刺激治疗后康复的概率小于复发的概率。
3.根据权利要求1所述的装置，其特征在于，所述确定每一路脑电信号在每一预设频段的功率谱密度，包括：
对每一路脑电信号进行快速傅里叶变换，确定每一路脑电信号在每一预设频段的功率；
对每一路脑电信号在每一预设频段的功率进行功率谱密度分析，确定每一路脑电信号在每一预设频段的标准化的功率谱密度。
4.根据权利要求1所述的装置，其特征在于，所述预处理模块还用于将所述一路脑电信号切分为多段脑电信号；
所述确定每一路脑电信号在每一预设频段的功率谱密度，包括：
对每一段脑电信号进行快速傅里叶变换，确定每一段脑电信号在每一预设频段的功率；
对属于同一路脑电信号的多段脑电信号在相同预设频段的功率求平均值，作为该路脑电信号在该预设频段的功率；
对每一路脑电信号在每一预设频段的功率进行功率谱密度分析，确定每一路脑电信号在每一预设频段的标准化的功率谱密度。
5.根据权利要求1所述的装置，其特征在于，所述预处理模块还用于将所述一路脑电信号切分为多段脑电信号；
所述确定每一路脑电信号在每一预设频段的功率谱密度，包括：
对每一段脑电信号进行快速傅里叶变换，确定每一段脑电信号在每一预设频段的功率；
对每一段脑电信号在每一预设频段的功率进行功率谱密度分析，确定每一段脑电信号在每一预设频段的标准化的功率谱密度；
对属于同一路脑电信号的多段脑电信号在相同预设频段的标准化的功率谱密度求平均值，作为该路脑电信号在该预设频段的标准化的功率谱密度。
6.根据权利要求1所述的装置，其特征在于，所述脑电数据由第一设备的电极采集，所述电极对应目标对象的一个脑区域，所述N个时间段内采集的目标对象的脑电数据包括同一脑区域的脑电数据。
7.根据权利要求6所述的装置，其特征在于，所述电极在每个时间段内采集的脑电数据包括多个通道的脑电数据，
所述对每个时间段内采集的脑电数据进行处理得到每个时间段对应的一路脑电信号，包括：
对每个时间段内采集的多个通道的脑电数据作差，得到该时间段对应的一路脑电信号。
8.一种第二设备，其特征在于，包括权利要求1-7中任一项所述的脑电数据分析装置。
9.一种数据采集及处理系统，其特征在于，包括第一设备以及权利要求8所述的第二设备，所述第一设备向目标对象发出深部脑刺激信号，并从目标对象处采集脑电数据输出至所述第二设备。
CN202410171757.0A 2024-02-06 2024-02-06 脑电数据分析装置、第二设备、数据采集及处理系统 Active CN117898744B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410171757.0A CN117898744B (zh) 2024-02-06 2024-02-06 脑电数据分析装置、第二设备、数据采集及处理系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410171757.0A CN117898744B (zh) 2024-02-06 2024-02-06 脑电数据分析装置、第二设备、数据采集及处理系统

Publications (2)

Publication Number Publication Date
CN117898744A CN117898744A (zh) 2024-04-19
CN117898744B true CN117898744B (zh) 2024-07-16

Family

ID=90694631

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410171757.0A Active CN117898744B (zh) 2024-02-06 2024-02-06 脑电数据分析装置、第二设备、数据采集及处理系统

Country Status (1)

Country Link
CN (1) CN117898744B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101529429A (zh) * 2005-01-12 2009-09-09 艾斯柏克特医疗系统股份有限公司 预测心理和神经障碍治疗期间的不利事件的系统和方法
CN110114115A (zh) * 2016-10-25 2019-08-09 脑路有限公司 用于预测治疗结果的设备及方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101529429A (zh) * 2005-01-12 2009-09-09 艾斯柏克特医疗系统股份有限公司 预测心理和神经障碍治疗期间的不利事件的系统和方法
CN110114115A (zh) * 2016-10-25 2019-08-09 脑路有限公司 用于预测治疗结果的设备及方法

Also Published As

Publication number Publication date
CN117898744A (zh) 2024-04-19

Similar Documents

Publication Publication Date Title
Wu et al. Automatic epileptic seizures joint detection algorithm based on improved multi-domain feature of cEEG and spike feature of aEEG
EP2391265B1 (en) Method and device for probabilistic objective assessment of brain function
CA2939790C (en) Method for assessing brain function and portable automatic brain function assessment apparatus
EP3011895B1 (en) Determining cognitive load of a subject from electroencephalography (EEG) signals
AU2012284246B2 (en) Systems and methods for the physiological assessment of brain health and the remote quality control of EEG systems
US9477813B2 (en) Method and device for multimodal neurological evaluation
CN107252314B (zh) 用于多模式神经评估的设备
US20210196182A1 (en) Quantifying motor function using eeg signals
Mucarquer et al. Improving EEG muscle artifact removal with an EMG array
WO2013063053A1 (en) Method of building classifiers for real-time classification of neurological states
CN118797560B (zh) 一种基于脑机接口的生成电刺激信号的方法及相关设备
JP2025011123A (ja) 脳波（ｅｅｇ）の非線形性の変化に基づく発作検出システム及び方法
Arif et al. Design of EEG data acquisition system based on Raspberry Pi 3 for acute ischemic stroke identification
CN117898744B (zh) 脑电数据分析装置、第二设备、数据采集及处理系统
CN113729624A (zh) 意识水平测定方法及计算机程序
Kumaravel et al. Hyperparameter selection for reliable EEG denoising using ASR: A benchmarking study
Paithane et al. Electroencephalogram signal analysis using wavelet transform and support vector machine for human stress recognition
Plechawska-Wojcik et al. Classifying cognitive workload based on brain waves signal in the arithmetic tasks' study
CN113197545A (zh) 基于图注意力残差网络与焦点损失的癫痫检测系统
Buragohain et al. DBCIE: A database for brain-computer interface using electrophysiological signal
RU2781740C1 (ru) Способ детектирования состояния глубокого сна
Rambhia et al. Classification of mental arithmetic states using single electrode
CN108742606B (zh) 昏迷病人预后评价装置
Trigui et al. Research Article SSVEP Enhancement Using Moving Average Filter Controlled by Phase Features
Soni et al. Automated Epilepsy Detection System Based On Tertiary Wavelet Model (TWM) Techniques

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