[发明专利]基于神经流形的脑电分级与预后FPGA解码系统

权利要求书

1.一种基于神经流形的脑电分级与预后FPGA解码系统，包括用于进行脑电活动记录的脑电采集装置，FPGA解码计算装置，液晶可触摸显示屏和刺激装置；其特征在于，FPGA解码计算装置中包括有流形提取程序，该流形提取程序过程是：

设定重构误差、神经流形维数，初始神经元连接权重W、LIF神经元的参数τ；

获取预处理后的脑电采集装置采集脑电活动信号EEG，记为原始EEG，输入到第一个LIF-RNN模型中，第一个LIF-RNN模型输出神经流形z，再连接第二个LIF-RNN模型，输出重构EEG，每个LIF-RNN模型均为由LIF神经元模型组成的RNN网络，对两个网络同时训练，训练目标是使重构EEG与原始EEG误差最小，当训练过程中的误差大于设定的重构误差，则按照先固定LIF神经元参数，再调整W，然后再固定W调整LIF神经元参数的规则对两个网络参数进行更新，在每次更新的LIF神经元参数和神经元连接权重条件下重新输入两个网络，计算下一次迭代的重构EEG，直至训练过程中的误差小于重构误差停止迭代；

所述LIF-RNN模型为：

其中，W_ij为第i个神经元和第j个神经元的连接权重；τ_m是LIF神经元的膜时间常数，表示衰减到静息状态的时间，u_rest是静息膜电位，x_i是第i个神经元的电流变量，Δu是当前时刻和上一时刻的膜电位差，x₀是该神经元的初始电流变量，字母上的“.”表示求导。

2.根据权利要求1所述的解码系统，其特征在于，两个网络输入输出层神经元个数不同，第一个LIF-RNN模型，输入层神经元个数为脑电活动记录的维数是64，隐含层神经元个数为500，输出层神经元个数与设定的神经流形维数相等；第二个LIF-RNN模型，输入层神经元个数与设定的神经流形维数相等，隐含层神经元个数为500，输出层神经元个数为64。

3.根据权利要求1所述的解码系统，其特征在于，所述FPGA解码计算装置包括流形提取子系统，认知优化参数计算子系统，脑电分级处理子系统和脑电预后评估处理子系统，流形提取子系统包括脑电预处理模块，存储模块和流形提取模块，流形提取模块中嵌入流形提取程序；认知优化参数计算子系统，脑电分级处理子系统和脑电预后评估处理子系统各包括一个微处理器；

认知优化参数计算子系统的微处理器中设置有最优刺激参数评估规则为：最优刺激参数通过定义一个损失函数进行评估，当损失函数小于显示屏设定的流形对比阈值时，刺激优化结束：损失函数的计算公式为式(1)：

式中，S为所有对角元素都为1的单位矩阵，用来选择一个状态子集的约束；β是惩罚因子，是指输入惩罚对损失函数的重要性；N指的是求取流形选取的数据量；u是外部输入量；x_n为目标流形，x⁽ⁿ⁾为实际流形；

外部刺激装置为刺激电极，上述的u＝δ×I×log(w)×(Δt)其中，δ是自由参数，用来调节刺激参数单位，默认为1；I是刺激强度，通过调节电流来实现，默认以毫安为单位；w是指以赫兹为单位的刺激频率；Δt是指当前刺激持续时间，以毫秒为单位；

脑电分级处理子系统的微处理器中设置脑电分级规则为：通过计算实际神经流形与设定流形的差异值进行评估，差值计算公式为式(2)：

式中，S为所有对角元素都为1的单位矩阵，用来选择一个状态子集的约束；N指的是求取流形选取的数据量；x_n为目标流形，x⁽ⁿ⁾为实际流形；本系统中定义脑电根据流形差值分为1-6级；

脑电预后评估处理子系统的微处理器中设置脑电预后评估规则为：通过计算迭代计算相邻时间段差异值变化进行评估，计算公式为式(3)：

上述的式中S为所有对角元素都为1的单位矩阵，用来选择一个状态子集的约束；N指的是求取流形选取的数据量；x_n为目标流形，x⁽ⁿ⁾为实际流形；本系统中定义预后评估分为好转(0.9)，稳定(0.9-1.1)和加重(1.1)三种情况。