[发明专利]用于使用机器学习来操纵声学刺激的设备的系统和方法

权利要求书

1.一种设备，包括：

传感器，所述传感器被配置成检测来自人的大脑的信号；和

多个换能器，每个换能器被配置成向大脑施加声学信号，其中，使用根据来自从大脑检测到的先前信号的数据训练得到的统计模型选择所述多个换能器之一。

2.根据权利要求1所述的设备，包括：

处理器，所述处理器与所述传感器和所述多个换能器通信，所述处理器被编程为：

提供来自从大脑检测到的第一信号的数据作为经训练的统计模型的输入，以获得指示神经障碍症状的第一预测强度的输出；和

基于所述症状的第一预测强度，在第一方向上选择所述多个换能器中的一个传输第一指令，以施加第一声学信号。

3.根据权利要求2所述的设备，其中，所述处理器被编程为：

提供来自从大脑检测到的第二信号的数据作为所述经训练的统计模型的输入，以获得指示所述神经障碍症状的第二预测强度的输出；

响应于所述第二预测强度小于所述第一预测强度，在所述第一方向上选择所述多个换能器中的一个传输第二指令，以施加第二声学信号；以及

响应于所述第二预测强度大于所述第一预测强度，在与所述第一方向相反或不同的方向上选择所述多个换能器中的一个传输所述第二指令，以施加所述第二声学信号。

4.根据权利要求1所述的设备，其中，所述统计模型包括深度学习网络。

5.根据权利要求4所述的设备，其中，所述深度学习网络包括：

深度卷积神经网络DCNN，用于将数据编码到n维表示空间；和

循环神经网络RNN，用于通过观察所述表示空间随时间的改变来计算检测分数，其中，所述检测分数指示所述神经障碍症状的预测强度。

6.根据权利要求1所述的设备，其中，从人的电子健康记录访问从大脑检测到的先前信号的数据。

7.根据权利要求1所述的设备，其中，所述传感器包括脑电图EEG传感器，并且其中，所述信号包括EEG信号。

8.根据权利要求1所述的设备，其中，所述换能器包括超声换能器，并且其中，所述声学信号包括超声信号。

9.根据权利要求8所述的设备，其中，所述超声信号具有100kHz至1MHz之间的频率、0.001cm³至0.1cm³之间的空间分辨率，和/或通过空间峰值脉冲平均强度测量的1至100瓦特/平方厘米之间的功率密度。

10.根据权利要求8所述的设备，其中，所述超声信号具有低功率密度，并且当被施加于大脑时对组织基本上无破坏性。

11.根据权利要求1所述的设备，其中，所述传感器和所述换能器以无创方式布置在人的头部上。

12.根据权利要求1所述的设备，其中，所述声学信号抑制神经障碍的症状。

13.根据权利要求11所述的设备，其中，所述神经障碍包括中风、帕金森病、偏头痛、震颤、额颞痴呆、外伤性脑损伤、抑郁、焦虑、阿尔茨海默病、痴呆、多发性硬化、精神分裂症、脑损伤、神经变性、中枢神经系统CNS疾病、脑病、亨廷顿病、自闭症、注意力缺陷多动障碍ADHD、肌萎缩侧索硬化ALS以及脑震荡中的一种或多种。

14.根据权利要求11所述的设备，其中，所述症状包括发作。

15.根据权利要求1所述的设备，其中，所述信号包括电信号、机械信号、光信号和/或红外信号。