本發(fā)明屬于神經(jīng)科學(xué)領(lǐng)域，特別涉及一種基于機器學(xué)習(xí)的步進搜尋式人工神經(jīng)電極定位方法。

背景技術(shù)：

1、近年來，腦機接口技術(shù)在腦科學(xué)、神經(jīng)科學(xué)、生物科學(xué)、信息科學(xué)和醫(yī)學(xué)等領(lǐng)域的迅速發(fā)展。腦機接口技術(shù)又稱腦機融合感知技術(shù)，是一種建立在人或動物腦與計算機或其他電子設(shè)備之間完成大腦與外界信息交互的全新控制技術(shù)，已廣泛應(yīng)用于神經(jīng)科學(xué)研究、癱瘓患者運動康復(fù)、身份安全驗證、虛擬現(xiàn)實交互和學(xué)習(xí)障礙克服等場景。侵入式人工神經(jīng)電極是腦機接口的典型代表，其工作植入過程中對神經(jīng)元的精準(zhǔn)定位，對腦電信號的采集具有至關(guān)重要作用，直接影響大腦與外部設(shè)備之間的通信質(zhì)量。侵入式人工神經(jīng)電極的傳統(tǒng)定位方法主要基于隨機搜尋式策略，即利用微驅(qū)動器控制神經(jīng)電極在目標(biāo)腦區(qū)中隨機上下搜尋神經(jīng)元，從而捕獲腦電信號。傳統(tǒng)定位方法存在精度差、效率低、搜尋范圍不夠徹底、搜尋過程中可能會破壞神經(jīng)元并對腦組織造成損害等難題。為解決上述難題，本發(fā)明提出了一種步進搜尋式人工神經(jīng)電極定位新方法。該方法的基本思想是，微驅(qū)動器采用步進搜尋法控制高密度探針型神經(jīng)微電極陣列中的每根電極獨立步進檢測神經(jīng)元信號，利用機器學(xué)習(xí)算法評估判斷神經(jīng)元信號質(zhì)量，進而生成反饋信號及驅(qū)動信號循環(huán)反饋控制壓電微驅(qū)動器的執(zhí)行動作，實現(xiàn)電極陣列對神經(jīng)元細(xì)胞的快速精準(zhǔn)定位，從而實現(xiàn)多腦區(qū)、大規(guī)模和高精度的腦電信號測量。該方法具有定位精度高、準(zhǔn)確度好、搜尋速度快、范圍大、安全性佳的顯著優(yōu)勢。

技術(shù)實現(xiàn)思路

1、（一）要解決的技術(shù)問題

2、本發(fā)明要解決的技術(shù)問題是提供一種人工神經(jīng)電極定位方法，以克服現(xiàn)有技術(shù)在定位神經(jīng)元過程中所存在的定位精度低、準(zhǔn)確度差、搜尋速度慢、搜尋范圍不全、對腦組織有損傷風(fēng)險等缺陷。

3、（二）技術(shù)方案

4、為了達到上述目的，本發(fā)明提供了一種基于機器學(xué)習(xí)的步進搜尋式人工神經(jīng)電極定位方法，所述方法主要包括微驅(qū)動器控制與執(zhí)行模塊、信號采集與處理模塊、機器學(xué)習(xí)模型分析與判別模塊三個部分，具體實施步驟如下：

5、s1：中控芯片將數(shù)字反饋信號轉(zhuǎn)換為模擬信號；

6、s2：所述模擬信號經(jīng)芯片預(yù)處理后生成驅(qū)動信號；

7、s3：微驅(qū)動器在驅(qū)動信號激勵下驅(qū)控人工神經(jīng)電極陣列中的每根電極執(zhí)行相應(yīng)獨立目標(biāo)動作；

8、s4：微驅(qū)動器以步進搜尋式定位方法驅(qū)控多根電極植入小鼠的目標(biāo)腦區(qū)進行神經(jīng)元搜尋定位與信號采集；

9、s5：將采集到的神經(jīng)元信號經(jīng)預(yù)處理芯片濾波、整流和放大，并進行模數(shù)轉(zhuǎn)換將神經(jīng)元信號轉(zhuǎn)換成數(shù)據(jù)；

10、s6：將所述數(shù)據(jù)輸入集成學(xué)習(xí)模型；

11、s7：利用集成學(xué)習(xí)模型對神經(jīng)元信號質(zhì)量進行實時判別，并將判別結(jié)果結(jié)合預(yù)設(shè)采集信號時長t0、目標(biāo)區(qū)域總行程h0等狀態(tài)參數(shù)一起生成數(shù)字反饋信號，最后傳遞給中控芯片進行下一個控制循環(huán)。

12、優(yōu)選地，步驟s2中，所述模擬信號壓電疊堆驅(qū)動芯片與線圈電流芯片放大后分別成為壓電疊堆與線圈的驅(qū)動信號。

13、優(yōu)選地，步驟s4中，利用微驅(qū)動器可以靈活獨立驅(qū)控多根電極運動的優(yōu)勢，可實現(xiàn)電極陣列中的每根電極在目標(biāo)腦區(qū)內(nèi)同時步進搜尋神經(jīng)元，所述電極的神經(jīng)元定位具體過程如下：電極以大步距?h1快速植入目標(biāo)腦區(qū)，并以腦區(qū)神經(jīng)元尺度δh為步長向下步進搜尋，若電極定位到有效的神經(jīng)元，則電極保持原位進行神經(jīng)元信號采集，若采集時間t小于試驗預(yù)設(shè)采集信號時長t0，則電極保持原位采集神經(jīng)元信號，反之代表已完成預(yù)設(shè)時長的信號采集任務(wù)，電極向上連續(xù)步進直至退出目標(biāo)腦區(qū)；若電極未成功定位到有效的神經(jīng)元，則每一步判斷是否走完目標(biāo)區(qū)域總行程h0，若步進行程h小于目標(biāo)區(qū)域總行程h0，則電極繼續(xù)向下步進搜尋，反之代表已完成預(yù)設(shè)總行程的神經(jīng)元搜尋定位任務(wù)，電極向上連續(xù)步進直至退出目標(biāo)腦區(qū)；若目標(biāo)腦區(qū)內(nèi)的特定腦區(qū)無神經(jīng)元，電極步進搜尋目標(biāo)區(qū)域總行程h0后未定位到有效的神經(jīng)元，則電極向上連續(xù)步進直至退出目標(biāo)腦區(qū)。

14、優(yōu)選地，步驟s6中，所述集成學(xué)習(xí)模型已在整個控制循環(huán)前基于神經(jīng)元信號特征訓(xùn)練并構(gòu)建，具體包括以下步驟：

15、a：獲取神經(jīng)元信號樣本數(shù)據(jù)；

16、b：對所述獲取到的神經(jīng)元信號樣本數(shù)據(jù)進行增益預(yù)處理得到多個訓(xùn)練樣本，形成訓(xùn)練樣本集；

17、c：將訓(xùn)練樣本集按照比例進行劃分，其中70%用于生成模型訓(xùn)練的訓(xùn)練集，30%用于生成模型測試的測試集；

18、d：通過所述訓(xùn)練集對深度殘差收縮神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，并保存得到訓(xùn)練后的深度殘差收縮神經(jīng)網(wǎng)絡(luò)模型，再將所述訓(xùn)練集和測試集輸入到所述訓(xùn)練后的深度殘差收縮神經(jīng)網(wǎng)絡(luò)模型中進行特征提取，由此得到新訓(xùn)練集和新測試集；

19、e：通過所述新訓(xùn)練集對集成學(xué)習(xí)模型進行重復(fù)訓(xùn)練從而獲得訓(xùn)練后的集成學(xué)習(xí)模型，通過所述訓(xùn)練后的集成學(xué)習(xí)模型對所述新測試集中的神經(jīng)元信號特征進行測試，以此判斷模型的準(zhǔn)確性，通過反復(fù)調(diào)整參數(shù)與優(yōu)化模型參數(shù)，最終構(gòu)建基于神經(jīng)元信號特征的集成學(xué)習(xí)模型。

20、優(yōu)選地，步驟b中，所述增益預(yù)處理包括缺失數(shù)據(jù)處理過程和標(biāo)準(zhǔn)化處理過程。

21、優(yōu)選地，步驟d中，所述深度殘差收縮神經(jīng)網(wǎng)絡(luò)是在深度殘差神經(jīng)網(wǎng)絡(luò)基礎(chǔ)上增加了注意力機制和軟閾值化。

22、進一步地，所述深度殘差收縮神經(jīng)網(wǎng)絡(luò)總體包括一個卷積層、一定數(shù)量的殘差收縮模塊、一個批標(biāo)準(zhǔn)化、一個relu激活函數(shù)、一個全局均值池化層和一個全連接輸出層。每個殘差收縮模塊就是將殘差模式下的注意力機制中的“重新加權(quán)”替換成“軟閾值化”，包括批標(biāo)準(zhǔn)化、卷積層、池化層、軟閾值化模塊、注意力機制模塊和全連接層；其中，軟閾值化函數(shù)起到了非線性的作用，通過將其嵌入到子網(wǎng)絡(luò)中，可以實現(xiàn)對軟閾值化的自動設(shè)定。

23、更進一步地，在數(shù)據(jù)訓(xùn)練時，首先將神經(jīng)元信號特征數(shù)據(jù)輸入卷積層進行處理，然后經(jīng)過一定數(shù)量的殘差收縮模塊，在每個殘差收縮模塊中先對處理后的神經(jīng)元信號特征數(shù)據(jù)取絕對值，然后經(jīng)過全局均值池化和求平均得到一組特征數(shù)據(jù)；在另一條路徑中，將全局均值池化之后的特征數(shù)據(jù)輸入到一個小型的全連接網(wǎng)絡(luò)之中，利用全連接網(wǎng)絡(luò)中一個sigmoid激活函數(shù)進行處理，再對兩條路徑中的特征數(shù)據(jù)進行相乘并軟閾值化，然后將其輸入到卷積層中進行處理并進行全局均值池化，最后通過全連接層得到最終的輸出數(shù)據(jù)。

24、優(yōu)選地，步驟s7中，所述利用集成學(xué)習(xí)模型對神經(jīng)元信號質(zhì)量進行實時判別，具體判別過程如下：

25、若電極成功定位到有效的神經(jīng)元，則生成電極保持原位的數(shù)字信號序列，電極進行神經(jīng)元信號采集，若采集時間t小于預(yù)設(shè)采集信號時長t0，則生成電極保持原位的數(shù)字信號序列，電極繼續(xù)采集神經(jīng)元信號；反之代表已完成預(yù)設(shè)時長的信號采集任務(wù)，則生成電極向上持續(xù)步進直至退出目標(biāo)腦區(qū)的數(shù)字信號序列；

26、若電極未成功定位到有效的神經(jīng)元，則每一步判斷是否走完目標(biāo)區(qū)域總行程h0，若步進行程h小于目標(biāo)區(qū)域總行程h0，則生成電極繼續(xù)向下步進搜尋的數(shù)字信號序列；反之代表已完成目標(biāo)腦區(qū)總行程的神經(jīng)元搜尋定位任務(wù)，則生成電極向上持續(xù)步進直至退出目標(biāo)腦區(qū)的數(shù)字信號序列；

27、若目標(biāo)腦區(qū)內(nèi)的特定腦區(qū)無神經(jīng)元，電極步進搜尋目標(biāo)區(qū)域總行程h0后未定位到有效的神經(jīng)元，則生成向上連續(xù)步進直至退出目標(biāo)腦區(qū)的數(shù)字信號序列。

28、（三）有益效果

29、本發(fā)明所提出的一種基于機器學(xué)習(xí)的步進搜尋式人工神經(jīng)電極定位方法，可使電極在目標(biāo)腦區(qū)內(nèi)步進搜尋神經(jīng)元，避免了因隨機搜尋神經(jīng)元而導(dǎo)致腦組織的損傷，大大提高了人工神經(jīng)電極的定位效率和定位精度。該方法在神經(jīng)學(xué)和腦科學(xué)領(lǐng)域具有巨大的應(yīng)用和發(fā)展前景，為人工神經(jīng)電極的進一步研究提供了新思路和新途徑。