[发明专利]基于机器学习的深度脑刺激电极阵列优化系统

摘要

本发明提供一种基于机器学习的深度脑刺激电极阵列优化系统，利用ANSYS软件仿真深度脑刺激电极阵列，并根据神经影像数据构建三维的神经组织电导模型，然后通过有限元分析求解特定组织位置的刺激电场强度；将刺激电场结合时变的脉冲序列作用于NERUON软件仿真的帕金森病灶区的单神经元多间室模型及神经网络模型，寻找电极附近神经元被影响的空间范围；应用机器学习分类算法寻找有效特征并进行分类建模，实现依据帕金森疾病的刺激靶点特征选择刺激配置的优化。有益效果是将机器学习分类算法应用于生理信号特征的分类建模，提出了深度脑刺激电极阵列最优刺激配置的方案，有效地解决传统临床应用中的反复试验方法存在的耗时久、不能得到最优刺激配置的缺陷。

主权项

1.一种基于机器学习的深度脑刺激电极阵列优化系统，其特征是：该系统包括有相互连接的电极阵列仿真模块(1)、三维神经组织电导模型(2)、生理模型(3)、机器学习分类算法(4)、电极配置与有效特征的关系数据库(5)以及方法验证(6)；电极阵列仿真模块(1)在三维神经组织电导模型(2)的不同空间位置产生不同强度的刺激电场，刺激电场的大小通过ANSYS的有限元求解方法得到；将不同区域的刺激电场强度分别与生理模型(3)结合，分析生理模型(3)电活动的变化，应用神经元活化区域及网络活动改变表征电极阵列仿真模块(1)的作用效果；应用机器学习分类算法(4)对生理模型(3)电活动变化的特征进行提取、分类建模，实现对电极阵列仿真模块(1)效果的定量评估；遍历电极阵列仿真模块(1)所有的电极阵列配置模式，得到生理模型(3)的不同电活动变化，经由机器学习分类算法(4)搭建电极配置与有效特征的关系数据库(5)；方法验证(6)的过程是指通过对帕金森疾病的刺激靶点的特征进行提取后，在电极配置与有效特征的关系数据库(5)寻找与特征匹配的电极阵列配置模式，然后将选定的刺激作用于帕金森疾病的刺激靶点，通过刺激靶点电活动的变化的分析，验证此方案的有效性。