大邱庆北科学技术院开发分离脑信号的人工智能技术……步态预测性能从0.54至0.79提升至0.98
还捕捉到脑深部电刺激引发的信号变化……有望用于个性化治疗

仅凭脑信号预测帕金森病患者将迈出哪只脚的准确度大幅提升。此前,传统分析方法的预测性能为0.54至0.79;采用人工智能后,这一数值提高至0.98。这是通过去除脑电信号中的背景信号,并精确分析与运动相关的信号实现的。预计未来该技术还可用于个性化帕金森病治疗,根据患者状况调节电刺激。


大邱庆北科学技术院(DGIST)27日表示,该校电气电子计算机工程系教授Choi Jiung研究团队与国立金乌工科大学、高丽大学、韩国脑研究院合作,开发出一种名为“NONOS”的深度学习技术,可将脑信号中的背景信号与节律分离。

脑信号节律分析中现有技术与拟议技术的对比示意图。现有分析方法无法充分去除脑电背景信号,或会遗漏瞬时变化。NONOS直接提取并去除背景信号,以较高的时间精度分析脑电的振荡成分。研究团队供图

脑信号节律分析中现有技术与拟议技术的对比示意图。现有分析方法无法充分去除脑电背景信号,或会遗漏瞬时变化。NONOS直接提取并去除背景信号,以较高的时间精度分析脑电的振荡成分。研究团队供图

View original image

去除脑电中的背景信号……捕捉瞬时变化


脑部产生的电信号中,既有以固定周期重复出现的“节律(振荡成分)”,也混有叠加在其下的“背景信号(非振荡成分)”。这类似于在许多人交谈的咖啡馆里,只挑出某一个人的声音来听。


对帕金森病患者而言,每秒振荡数十次的“β波”尤为重要。β波过度活跃与动作迟缓症状有关,因此可作为分析患者运动状态或治疗效果变化的指标。


问题在于,传统分析方法可能会把背景信号的变化误判为β波的变化。其他去除背景信号的分析方法也会将一段时间内的信号汇总处理,因此容易遗漏短暂发生的变化。


研究团队开发的NONOS利用了脑信号中的背景成分会随着频率升高而以固定形式衰减这一特性。人工智能会识别并去除背景信号,只保留节律成分。借助这一方法,研究团队在保持时间分辨率的同时,也能分析脑电信号的瞬时变化。


步态预测性能提升……个性化电刺激治疗可期


研究团队分析帕金森病患者的实际脑信号后发现,预测患者将迈出哪只脚的性能达到0.98,高于传统分析方法的0.54至0.79。


在模拟帕金森病的小鼠实验中,研究团队也发现了差异。实施通过向脑部施加电刺激进行治疗的脑深部电刺激术后,β波强度急剧下降。传统分析方法难以确认这一变化,而NONOS则敏锐地捕捉到了这一变化。

研究团队合影。(左起)DGIST教授Choi Jiung、国立金乌工科大学教授Kim Hanjun、DGIST电气电子计算机工程系硕博连读生Kim Jinmo。DGIST供图

研究团队合影。(左起)DGIST教授Choi Jiung、国立金乌工科大学教授Kim Hanjun、DGIST电气电子计算机工程系硕博连读生Kim Jinmo。DGIST供图

View original image

脑深部电刺激术通过植入脑内的电极传递电刺激,以缓解帕金森病症状。越准确地掌握患者的脑部状态,就越有助于提供适当的刺激。


不过,此次研究仅验证了这项脑信号分析技术的性能,尚未证明其能够提高患者的实际治疗效果,也尚未开发到可在脑植入式设备中实时运行的程度。研究团队计划今后降低运算量,将其发展为能够实时分析的技术。


DGIST教授Choi Jiung表示:“我们证明了能够在不损失时间分辨率的情况下,将脑信号中的节律与背景信号分离。”他还表示:“如果未来能够将这项技术发展到可在脑植入式设备中实时运行的程度,将有助于提高个性化脑深部电刺激治疗的准确性,根据患者状况调节电刺激。”



国立金乌工科大学教授Kim Hanjun、高丽大学教授Jin Gyeonghwan、韩国脑研究院博士Ra Jongcheol研究团队也参与了此次研究。研究成果已发表于神经影像学领域国际学术期刊《NeuroImage》。


本报道由人工智能(AI)翻译技术生成。

版权所有 © 阿视亚经济。未经许可不得转载,禁止用于AI训练及使用。

不容错过的热点