用于闭环深部脑刺激的装置、芯片、设备和可读存储介质的制作方法

1.本披露一般涉及医疗器械技术领域。更具体地，本披露涉及一种用于闭环深部脑刺激的装置、芯片、设备和可读存储介质。


背景技术：

2.帕金森疾病是一种由黑质致密部多巴胺能神经元的缺失导致的退行性神经系统疾病，其患者主要临床表现为静止性震颤、肌肉僵直、运动徐缓、姿势不稳等运动障碍以及语言困难、沮丧等认知障碍。深部脑刺激(“dbs”)是一种目前治疗帕金森疾病重要的脑调制技术，其通过向患者大脑深部组织施加高频(大约130hz到180hz)电脉冲，实现对帕金森疾病患者病态脑神经节律的调制以及运动障碍等症状的缓解。通过深部脑刺激技术的使用，一方面解决了药物非特异性导致的对部分患者疗效差，以及患者具有抗药性等问题；另一方面避免了核团损毁术可能诱发的其他症状以及对脑功能的损伤。此外，深部脑刺激技术还可以用于癫痫、特发性震颤、强迫症、厌食症、老年痴呆、抑郁症等病症的治疗。
3.然而，目前的深部脑刺激技术常采用开环刺激模式，即需要由医生来根据患者的情况进行刺激参数的控制，直至患者下次复诊时才能进行调整。在这种模式下，刺激参数无法根据患者的病症情况进行实时调整，无法适应患者的实时病情变化，从而可能影响对病症的刺激效果。
4.有鉴于此，亟需提供一种能够自适应调节的闭环深部脑刺激的技术方案。


技术实现要素：

5.为了至少解决如上所提到的一个或多个技术问题，本披露在多个方面中提出了一种用于闭环深部脑刺激的装置、芯片、设备和可读存储介质。
6.在第一方面中，本披露提供一种用于闭环深部脑刺激的装置，包括：控制器，用于基于预设初始信号和脑电反馈信号，生成用于深部脑刺激的控制信号；波形生成模块，用于基于所述控制信号，生成刺激波形；以及运算电路，用于基于所述刺激波形，进行用于模拟病症生理特征的模型运算，以生成用于深部脑刺激的刺激信号。
7.在一些实施例中，所述控制器进一步用于：基于预设初始信号和上一次刺激后产生的脑电反馈信号，确定当前震荡幅值误差；基于当前震荡幅值误差，确定当前控制信号增量；以及根据当前控制信号增量与上一次输出的控制信号，生成当前控制信号。
8.在另一些实施例中，所述装置还包括：模数转换器，用于对上一次刺激后产生的脑电反馈信号进行模数转换，以得到相应的反馈数字信号；以及所述控制器进一步用于，基于预设初始信号与所述反馈数字信号之间的差值，确定当前震荡幅值误差。
9.在又一些实施例中，所述控制器在用于确定当前控制信号增量中进一步用于：基于当前震荡幅值误差，确定第一特征值；基于当前震荡幅值误差与上一震荡幅值误差之间的差值，确定第二特征值；以及基于所述第一特征值和所述第二特征值，确定当前控制信号增量。
10.在一些实施例中，所述控制器在基于第一特征值和第二特征值确定当前控制信号增量中进一步用于：对所述第一特征值和所述第二特征值进行归一化操作，以得到归一化结果；以及基于所述归一化结果，确定所述当前控制信号增量。
11.在另一些实施例中，所述控制器在进行归一化操作时用于：根据上一震荡幅值误差、上一次输出的控制信号和上一次控制操作中确定的特征值，确定当前控制操作中每个特征值对应的归一化神经元权值；以及根据第一特征值和第二特征值分别对应的归一化神经元权值，对第一特征值和第二特征值进行加权求和。
12.在又一些实施例中，所述控制器根据如下逻辑运算获得当前控制信号增量：；其中，δg表示当前控制信号增量，kn表示标定系数，表示归一化结果，xi(n)表示第i特征值，ω
′i(n)表示归一化神经元权值，i＝1、2。
13.在一些实施例中，所述控制器根据如下逻辑运算来得到归一化神经元权值：在一些实施例中，所述控制器根据如下逻辑运算来得到归一化神经元权值：在一些实施例中，所述控制器根据如下逻辑运算来得到归一化神经元权值：其中，ω
′i(n)表示归一化神经元权值，n表示时间点n，n-1表示n的上一个时间点，ηi表示积分和比例学习速率，e(n-1)表示上一震荡幅值误差，g(n-1)表示上一次输出的控制信号，xi(n-1)表示上一次控制操作中确定的第i特征值，i＝1、2。
14.在另一些实施例中，所述控制器还用于：通过延迟操作，获得上一次输出的控制信号。
15.在又一些实施例中，所述运算电路包括反正切运算电路和除法运算电路。
16.在一些实施例中，所述反正切运算电路用于对基于所述刺激波形和所述脑电反馈信号生成的输入信号进行反正切运算，以得到反正切运算结果；以及所述除法运算电路用于对所述反正切运算结果进行除法运算，以生成所述刺激信号。
17.在另一些实施例中，所述反正切运算电路执行以下反正切运算：其中，u表示反正切运算结果，y表示反正切运算电路的输入信号，h表示多巴胺参数。
18.在又一些实施例中，所述除法运算电路执行以下除法运算：在又一些实施例中，所述除法运算电路执行以下除法运算：其中，g(u)表示刺激信号，u表示反正切运算结果，k表示增益，-b表示开环重极点。
19.在第二方面中，本披露提供一种芯片，包括根据本披露在第一方面中任一所述的装置。
20.在一些实施例中，所述芯片还包括：时钟管理单元，用于控制所述装置的运行时间；以及处理单元，用于控制所述时钟管理单元的时钟开关。
21.在第三方面中，本披露提供一种用于闭环深部脑刺激的设备，包括：处理器，其用于执行程序指令；以及存储器，其存储有所述程序指令，当所述程序指令由所述处理器加载并执行时，使得所述处理器执行如下闭环深部脑刺激的方法：基于预设初始信号和脑电反馈信号，生成用于深部脑刺激的控制信号；基于所述控制信号，生成刺激波形；以及将所述刺激波形输入至用于模拟病症生理特征的数学模型中，以生成用于深部脑刺激的刺激信号。
22.在一些实施例中，当所述程序指令由处理器运行时，还使得所述设备在生成控制
信号中执行以下操作：基于预设初始信号和上一次刺激后产生的脑电反馈信号，确定当前震荡幅值误差；基于当前震荡幅值误差，确定当前控制信号增量；以及根据当前控制信号增量与上一次输出的控制信号，确定当前控制信号。
23.在另一些实施例中，当所述程序指令由处理器运行时，还使得所述设备在确定当前震荡幅值误差中执行以下操作：对上一次刺激后产生的脑电反馈信号进行模数转换，以得到相应的反馈数字信号；以及基于预设初始信号与所述反馈数字信号之间的差值，确定当前震荡幅值误差。
24.在又一些实施例中，当所述程序指令由处理器运行时，还使得所述设备在确定当前控制信号增量中执行以下操作：基于当前震荡幅值误差，确定第一特征值；基于当前震荡幅值误差与上一震荡幅值误差之间的差值，确定第二特征值；以及基于所述第一特征值和所述第二特征值，确定当前控制信号增量。
25.在一些实施例中，当所述程序指令由处理器运行时，还使得所述设备在基于第一特征值和第二特征值来确定当前控制信号增量中执行以下操作：对所述第一特征值和所述第二特征值进行归一化操作，以得到归一化结果；以及基于所述归一化结果，确定所述当前控制信号增量。
26.在另一些实施例中，当所述程序指令由处理器运行时，还使得所述设备在进行归一化操作中执行以下操作：根据上一震荡幅值误差、上一次输出的控制信号和上一次生成控制信号时确定的特征值，确定当前控制操作中每个特征值对应的归一化神经元权值；以及根据第一特征值和第二特征值分别对应的归一化神经元权值，对第一特征值和第二特征值进行加权求和。
27.在又一些实施例中，当所述程序指令由处理器运行时，还使得所述设备采用如下方式计算获得当前控制信号增量：其中，δg表示当前控制信号增量，kn表示标定系数，表示归一化结果，xi(n)表示第i特征值，ω
′i(n)表示归一化神经元权值，i＝1、2。
28.在一些实施例中，当所述程序指令由处理器运行时，还使得所述设备采用如下方式计算得到归一化神经元权值：式计算得到归一化神经元权值：其中，ω
′i(n)表示归一化神经元权值，n表示时间点n，n-1表示n的上一个时间点，ηi积分和比例学习速率，e(n-1)表示上一震荡幅值误差，g(n-1)表示上一次输出的控制信号，xi(n-1)表示上一次生成控制信号时确定的第i特征值，i＝1、2。
29.在另一些实施例中，当所述程序指令由处理器运行时，还使得所述设备执行以下操作：通过延迟操作，获得上一次输出的控制信号。
30.在又一些实施例中，所述数学模型包括反正切运算和除法运算。
31.在一些实施例中，当所述程序指令由处理器运行时，还使得所述设备在生成刺激信号中执行以下操作：基于所述刺激波形和所述脑电反馈信号，生成用于输入至数学模型中的输入信号；对所述输入信号进行反正切运算，得到反正切运算结果；以及对所述反正切运算结果进行除法运算，以生成所述刺激信号。
32.在另一些实施例中，当所述程序指令由处理器运行时，还使得所述设备执行以下反正切运算：其中，u表示反正切运算结果，y表示反正切运算的输入信号，h表示多巴胺参数。
33.在又一些实施例中，当所述程序指令由处理器运行时，还使得所述设备执行以下除法运算：其中，g(u)表示刺激信号，u表示反正切运算结果，k表示增益，-b表示开环重极点。
34.在第四方面中，本披露提供一种计算机可读存储介质，其上存储有计算机可读指令，该计算机可读指令被一个或多个处理器执行时，实现如本披露在第三方面中任意一项所述的设备执行的方法。
35.通过如上所提供的用于闭环深部脑刺激的技术方案，本披露实施例的方案通过结合脑电反馈信号来生成控制信号，能够实现对控制信号的自动化调整和自适应性调整，以满足个性化刺激方案的需求。同时，通过进行用于模拟病症生理特征的模型运算，能够生成对应于患者的病症特征、且能够被患者大脑所识别的刺激信号。
附图说明
36.通过参考附图阅读下文的详细描述，本披露示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本披露的若干实施方式，并且相同或对应的标号表示相同或对应的部分，其中：
37.图1是示出根据本披露实施例的用于闭环深部脑刺激的装置的示意性框图；
38.图2是示出根据本披露实施例的刺激波形的示意图；
39.图3是示出根据本披露实施例的控制器的控制流程示意图；
40.图4是示出根据本披露实施例的运算电路的运算流程示意图；
41.图5是示出根据本披露实施例的反正切运算的函数图像；
42.图6是示出根据本披露实施例的除法运算的函数图像；
43.图7是示出根据本披露实施例的芯片的示意性框图；以及
44.图8是示出根据本披露实施例的用于闭环深部脑刺激的设备的示意性框图。
具体实施方式
45.下面将结合本披露实施例中的附图，对本披露实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本披露一部分实施例，而不是全部的实施例。基于本披露中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本披露保护的范围。
46.应当理解，本披露的说明书和权利要求书中使用的术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
47.还应当理解，在此本披露说明书中所使用的术语仅仅是出于描述特定实施例的目的，而并不意在限定本披露。如在本披露说明书和权利要求书中所使用的那样，除非上下文
清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。还应当进一步理解，在本披露说明书和权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
48.如在本说明书和权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当
…
时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
[0049]
下面结合附图来详细描述本披露的具体实施方式。
[0050]
图1是示出根据本披露实施例的用于闭环深部脑刺激的装置的示意性框图。如图1中所示，装置100可以包括控制器110、波形生成模块120和运算电路130，其中控制器110可以用于基于预设初始信号和脑电反馈信号，生成用于深部脑刺激的控制信号；波形生成模块120可以用于基于控制信号，生成刺激波形；以及运算电路130可以用于基于刺激波形，进行用于模拟病症生理特征的模型运算，以生成用于深部脑刺激的刺激信号。
[0051]
在一些实施例中，预设初始信号可以根据经验设置。在另一些实施例中，预设初始信号可以为多次脑电反馈信号的期望值例如可以是预设时间段内接收到的脑电反馈信号的期望值，或者可以是患者历史病程中接收到的全部脑电反馈信号的期望值，等等。脑电反馈信号x可以包括大脑的神经核团在接受到刺激信号后产生的反馈信息。在又一些实施例中，预设初始信号可以根据装置100实时接收到的脑电反馈信号进行实时更新。在一些实施例中，脑电反馈信号x可以经由脑电极来检测得到。
[0052]
在一些实施例中，控制器110可以基于预设初始信号和脑电反馈信号采样后的结果，生成控制信号。在另一些实施例中，装置100还可以包括：模数转换器，其可以用于对上一次刺激后产生的脑电反馈信号x进行模数转换，以得到相应的反馈数字信号。模数转换器(或简称adc)是一种能够将模拟信号转变为数字信号的电子元件。在又一些实施例中，控制器110可以进一步用于，基于预设初始信号与反馈数字信号之间的差值，确定当前震荡幅值误差；以及基于当前震荡幅值误差，生成控制信号。也就是说，控制器110可以根据预设初始信号与上一次刺激后产生的脑电反馈信号之间的差值，生成控制信号。
[0053]
在一些实施例中，控制信号可以包括用于生成刺激波形的控制参数，例如可以包括幅度、频率(或称脉宽)和周期等中的至少一种。在另一些实施例中，波形生成模块120可以用于基于控制信号，生成例如图2中所示的刺激波形。具体地，如图2中所示，波形生成模块可以基于控制信号中的幅度a、频率d和周期t生成方波形状的刺激波形。在又一些实施例中，波形生成模块120，或称波形产生模块，其可以以软件和/或硬件的形式实现。在一些实施例中，波形生成模块120可以以集成电路的形式实现。波形生成模块120可以采用现有的或者未来可实现的用于生成刺激波形的模块、装置、电路或算法等实现，例如传统dbs系统中用于驱动脑起搏器的波形生成模块，本文不做限定。
[0054]
下面返回图1继续描述。进一步地，在运算电路130中，可以进行用于模拟病症生理特征的模型运算。这里用于模拟病症生理特征的模型运算可以包括：构建用于模拟待刺激病症的生理特征的数学模型，以及使用该数学模型进行运算。具体地，可以将波形生成模块120生成的刺激波形输入至该运算电路130模拟的数学模型中进行运算，并输出可被大脑识别的刺激信号。
[0055]
在一些应用场景中，待刺激病症可以包括例如帕金森症、癫痫、特发性震颤等可以用深部脑刺激术进行刺激的病症；生理特征可以是相应病症发作时的病理生理学机制，例如引起的大脑的某些神经反应等。以帕金森症为例，经过研究表明，帕金森症发病时会引起基底核的异常同步震荡，因此可以构建用于模拟帕金森症发作状态下的基底核的过同步振荡行为的数学模型，并基于该数学模型来对刺激波形进行运算。根据这样的设置，可以使得生成的刺激信号能够被大脑所识别，并且能够使得大脑产生针对相应病症的刺激反应。
[0056]
以上结合图1对根据本披露实施例的用于闭环深部脑刺激的装置进行了示例性的说明，可以理解的是，通过基于预设初始信号和脑电反馈信号来生成控制信号，可以实现包含反馈信息的闭环深部脑刺激方案，能够根据反馈脑电信号来及时调整输出的刺激信号，从而有利于提高装置的自适应性和自动化控制，以便更好地适应病症的瞬态或者长期变化，而无需或者减少对于医生手动调节的依赖。
[0057]
图3是示出根据本披露实施例的控制器的控制流程示意图。通过下面的描述可知，图3中所示的控制方案可以是图1中所示的控制器110的控制操作的一个具体化表现形式，因此前文中结合图1对控制器110的描述也可以适用于下面对图3的描述中。
[0058]
如图3中所示，在一些实施例中，根据本披露实施例的控制器可以进一步用于：基于预设初始信号和上一次刺激后产生的脑电反馈信号x，确定当前震荡幅值误差e(n)；基于当前震荡幅值误差e(n)，确定当前控制信号增量δg；以及根据当前控制信号增量δg与上一次输出的控制信号g(n-1)，生成当前控制信号g(n)。
[0059]
上文中的n可以表示时间点n，n-1可以表示n的上一个时间点。在图3中，g(n)可以用于表示控制器输出的当前控制信号，g(n-1)可以用于表示控制器在上一次控制操作时输出的控制信号。在一些实施例中，控制器可以根据当前控制信号增量δg与上一次输出的控制信号g(n-1)的求和结果，生成当前控制信号g(n)。在另一些实施例中，控制器可以包括加法器(或加法电路)，用于实现对当前控制信号增量δg与上一次输出的控制信号g(n-1)的求和运算。在又一些实施例中，控制器可以包括滤波器，以便根据输入的当前控制信号增量δg与上一次输出的控制信号g(n-1)，输出当前控制信号g(n)。
[0060]
在另一些实施例中，控制器在用于确定当前控制信号增量δg中可以进一步用于：基于当前震荡幅值误差e(n)，确定第一特征值；基于当前震荡幅值误差e(n)与上一震荡幅值误差e(n-1)之间的差值，确定第二特征值；以及基于第一特征值和第二特征值，确定当前控制信号增量δg。在一些实施例中，控制器可以包括整流器，其可以用于基于输入的当前震荡幅值误差，输出第一特征值和第二特征值。
[0061]
在一些实施例中，第一特征值和第二特征值可以分别表示为：x1(n)＝e(n)；x2(n)＝e(n)-e(n-1)；其中，x1(n)表示当前控制操作中生成的第一特征值，x2(n)表示当前控制操作中生成的第二特征值，e(n)表示当前震荡幅值误差，e(n-1)表示上一震荡幅值误差。e(n)和e(n-1)可以均为时域离散信号。e(n-1)可以为控制器在上一次生成控制信号过程中确定的震荡幅值误差。
[0062]
在另一些实施例中，控制器在基于第一特征值和第二特征值确定当前控制信号增量中可以进一步用于：对第一特征值和第二特征值进行归一化操作，以得到归一化结果；以及基于归一化结果，确定当前控制信号增量。在一些实施例中，归一化操作可以包括加权求和操作。在另一些实施例中，可以根据第一特征值和第二特征值分别对应的归一化神经元
权值，对第一特征值和第二特征值进行加权求和。
[0063]
在又一些实施例中，可以直接将归一化结果确定为当前控制信号增量。在一些实施例中，可以对归一化结果进行调整，以确定当前控制信号增量。例如，可以将归一化结果与标定系数的相乘结果作为当前控制信号增量，其中标定系数可以为正数，其数值可以根据需要进行设定。
[0064]
在一个具体实现方式中，控制器可以根据如下逻辑运算获得当前控制信号增量：
[0065][0066]
其中，δg可以表示当前控制信号增量，kn表示标定系数，表示归一化结果，xi(n)表示第i特征值，ω
′i(n)表示第i特征值对应的归一化神经元权值，i＝1、2。
[0067]
在一些实施例中，控制器在进行归一化操作时可以进一步用于：根据上一震荡幅值误差、上一次输出的控制信号和上一次控制操作中确定的特征值，确定当前控制操作中每个特征值对应的归一化神经元权值；以及根据第一特征值和第二特征值分别对应的归一化神经元权值，对第一特征值和第二特征值进行加权求和。在另一些实施例中，控制器还可以用于：通过延迟操作，可以获得上一次输出的控制信号。在一些实施例中，控制器可以包括延迟电路，以执行延迟操作。
[0068]
在另一些实施例中，控制器可以根据上一震荡幅值误差、上一次输出的控制信号、上一次控制操作中确定的特征值和上一次控制操作中确定的权值系数，确定当前控制操作中每个特征值对应的权值系数，进而可以根据每个特征值对应的权值系数，来确定每个特征值对应的归一化神经元权值。
[0069]
进一步地，在一些实施例中，控制器可以根据如下逻辑运算来得到归一化神经元权值：
[0070][0071][0072]
其中，ω
′i(n)表示第i特征值对应的归一化神经元权值，n表示时间点n，n-1表示n的上一个时间点，ηi表示第i特征值对应的积分和比例学习速率，ωi(n)表示第i特征值对应的权值系数，ωi(n-1)表示上一次控制操作中确定的第i特征值对应的权值系数，e(n-1)表示上一震荡幅值误差，g(n-1)表示上一次输出的控制信号，xi(n-1)表示上一次控制操作中确定的第i特征值，i＝1、2。上一次控制操作即为上一次生成控制信号时的控制器操作。在又一些实施例中，ωi(n)的初始值ωi(0)可以根据需要进行设置，此处不做限制。在一些实施例中，ηi可以为正数，其具体数值可以根据需要进行设定。
[0073]
以上结合图3对根据本披露实施例的控制器的控制操作进行了示例性的描述，可以理解的是，根据本披露实施例的控制器可以通过逻辑电路来实现上述功能，也可以通过微程序控制指令来实现，本领域技术人员可以根据需要进行选择。进一步地，为了更便于理解本披露实施例中的运算电路，下面将结合图4进行示例性的描述。
[0074]
图4是示出根据本披露实施例的运算电路的运算流程示意图。如图4中所示，本披露实施例的运算电路可以包括反正切运算电路410和除法运算电路420。该反正切运算电路410和除法运算电路420可以用于模拟帕金森症状态下基底核的过同步振荡行为。在一些实
施例中，可以将波形生成模块中生成的刺激波形直接输入至反正切运算电路410中进行反正切运算。在另一些实施例中，反正切运算电路410可以用于对基于刺激波形和脑电反馈信号x生成的输入信号进行反正切运算，以得到反正切运算结果；以及除法运算电路420可以用于对反正切运算结果进行除法运算，以生成刺激信号。
[0075]
在一些实施例中，反正切运算电路410的输入信号可以是由刺激波形和脑电反馈信号x融合来生成。在另一些实施例中，反正切运算电路410可以通过运行坐标旋转数字计算方法(coordinate rotation digital computer，简称cordic)来实现。在一个具体实施方式中，图5是示出根据本披露实施例的反正切运算的函数图像，如图5中所示，反正切运算电路410可以执行以下反正切运算：
[0076][0077]
其中，u可以表示反正切运算结果，y可以表示反正切运算电路410的输入信号，h可以表示多巴胺参数。在一些实施例中，y可以用于模拟神经核团的局部场电位(lfps)信号，u可以表示神经核团的突触电流，用于输入到除法运算电路420中。
[0078]
在另一些实施例中，除法运算电路420可以包括除法器，以对反正切运算结果进行除法运算。图6是示出根据本披露实施例的除法运算的函数图像。如图6中所示，在一个具体实施方式中，除法运算电路420可以对输入的反正切结果执行以下除法运算：
[0079][0080]
其中，g(u)可以表示刺激信号，u可以表示反正切运算结果，k可以表示增益，-b可以表示开环重极点。在一些实施例中，反正切运算结果u可以表示为复数形式，例如u＝σ+jω，其中σ可以表示实部，ω可以表示虚部，j2＝-1。开环重极点-b可以用于确定神经元网络的振荡频率，增益k可以用于确定产生振荡时多巴胺参数h的取值。例如，当k＝b时，只有当h≤1/π≈0.3183时，装置输出的刺激信号才会使得大脑神经核团产生期望的等幅振荡状态。可以理解的是，这里的神经元网络是指大脑中的神经元细胞通过突触连接组成的网络。开环重极点-b，或称开环极点/多重极点，是复变函数中的概念，开环是指输入量与输出量之间解耦，即g(u)不再参加下一次计算。
[0081]
在又一些实施例中，上述反正切运算电路410和除法运算电路420可以使用verilog来实现快速的反正切运算和除法运算。verilog一般指verilog hdl，其是一种硬件描述语言，可以以文本形式来描述数字系统硬件的结构和行为的语言，用它可以表示逻辑电路图、逻辑表达式，还可以表示数字逻辑系统所完成的逻辑功能等。
[0082]
以上结合图4-图6对根据本披露实施例的运算电路进行了示例性的描述，可以理解的是，通过反正切运算电路和除法运算电路的运算能够模拟帕金森症的基底核的过同步振荡行为，从而使得波形生成模块生成的刺激波形能够经过运算电路的相关运算后，生成可使大脑产生期望反应的刺激信号，该刺激信号可以直接传输至脑电极，以便进行相应的刺激行为。还可以理解的是，反正切运算电路和除法运算电路是示例性的而非限制性地，在另一些应用场景中，可以设置针对其他病症的发病生理学机制的数学模型运算电路，以生成对相应病症的针对性的刺激信号。
[0083]
进一步地，根据本披露的技术方案，还在第二方面中提供了一种芯片，可以包括前
文中结合图1-图6描述的任一所述的装置。在一些实施例中，该芯片可以包括例如脑机接口芯片等。脑机接口芯片可以是集成了大部分脑机接口所需的部件而设计的系统级芯片，从而可以有效降低脑机接口系统的体积、功耗等，其中可以包含本披露实施例的装置，以实现实时监测脑电反馈信号，并根据接收到的针对病症刺激后的脑电反馈信号进行刺激信号的闭环自适应调节。在又一些实施例中，根据本披露实施例的装置在芯片中可以以专用集成电路的形式实现。
[0084]
图7是示出根据本披露实施例的芯片的示意性框图。如图7中所示，在另一些实施例中，芯片700可以包括装置710、时钟管理单元720和处理单元730，其中时钟管理单元720可以用于控制装置710的运行时间，处理单元730可以用于控制时钟管理单元720的时钟开关。
[0085]
在一些实施例中，时钟管理单元720可以产生时钟信号，以控制装置710的开启或关闭，即只有当时钟管理单元720给装置710输入时钟信号时，装置710才会运行；当关闭时钟管理单元720给装置710输入的时钟信号时，装置710即停止运行。因此，时钟管理单元720向装置710输入的时钟信号的时间决定了装置710可以运行的时间。
[0086]
根据这样的设置，可以在仅需要进行刺激信号计算时才开启装置710。例如，在一些应用场景中，刺激方案为十分钟内刺激一分钟，则可以在仅需要进行刺激的一分钟内通过时钟管理单元720向装置710输入时钟信号，以开启装置710的运行，而在该十分钟内的其他九分钟通过关闭时钟管理单元720向装置710输入的时钟信号，来保持装置710的关闭状态。由于装置710在关闭状态时不会产生功耗，因此通过时钟管理单元720的时钟管理作用，能够降低装置710运行的整体功耗，进而降低芯片700的整体功耗，有利于保证装置710和芯片700的长时间低功耗的稳定运行。
[0087]
特别是，对于芯片植入颅骨的应用场景中，由于芯片也需要电池来供电，因此通过时钟管理单元720的时钟开关功能，降低装置710的整体运行功耗，能够最大限度得延长治疗设备的电池使用时间，进而延长患者进行充电的时间周期。
[0088]
在一些实施例中，装置710需要进行反正切运算和除法运算，由于反正切运算和除法运算的计算复杂度较高，导致运算功耗较大，因此通过将装置710集成于芯片700上以及利用时钟管理单元720的时钟管理功能，能够较大限度的降低反正切运算和除法运算的功耗，以延长治疗设备(例如包括脑电极和脑机接口芯片等)的电池使用时间。
[0089]
进一步地，处理单元730可以通过控制时钟管理单元720的时钟开关，来控制装置710的启停。在另一些实施例中，处理单元730可以通过其寄存器来控制时钟管理单元720的时钟开关。在一些应用场景中，处理单元730可以在需要处理数据(例如脑电反馈信号)时，打开时钟管理单元720的时钟开关，并可以控制装置710读取需要处理的数据来进行刺激信号的计算；当装置710计算完成时，处理单元730可以控制时钟管理单元720关闭时钟开关，并对装置710计算出的刺激信号进行后续操作，例如控制输出至脑电极等。
[0090]
根据本披露的技术方案，还在第三方面中提供了一种用于闭环深部脑刺激的设备，下面将结合图8进行说明。
[0091]
图8是示出根据本披露实施例的用于闭环深部脑刺激的设备的示意性框图。如图8中所示，该设备800可以包括：处理器810，其可以用于执行程序指令；以及存储器820，其可以存储有该程序指令，当该程序指令由处理器810加载并执行时，使得处理器810可以执行
如下闭环深部脑刺激的方法：基于预设初始信号和脑电反馈信号，生成用于深部脑刺激的控制信号；基于控制信号，生成刺激波形；以及将刺激波形输入至用于模拟病症生理特征的数学模型中，以生成用于深部脑刺激的刺激信号。
[0092]
在一些实施例中，当程序指令由处理器810运行时，还使得设备800在生成控制信号中可以执行以下操作：基于预设初始信号和上一次刺激后产生的脑电反馈信号，确定当前震荡幅值误差；基于当前震荡幅值误差，确定当前控制信号增量；以及根据当前控制信号增量与上一次输出的控制信号，确定当前控制信号。
[0093]
在另一些实施例中，当程序指令由处理器810运行时，还使得设备800可以在确定当前震荡幅值误差中执行以下操作：对上一次刺激后产生的脑电反馈信号进行模数转换，以得到相应的反馈数字信号；以及基于预设初始信号与反馈数字信号之间的差值，确定当前震荡幅值误差。
[0094]
在又一些实施例中，当程序指令由处理器810运行时，还使得设备800可以在确定当前控制信号增量中执行以下操作：基于当前震荡幅值误差，确定第一特征值；基于当前震荡幅值误差与上一震荡幅值误差之间的差值，确定第二特征值；以及基于第一特征值和第二特征值，确定当前控制信号增量。
[0095]
在一些实施例中，当程序指令由处理器810运行时，还使得设备800可以在基于第一特征值和第二特征值来确定当前控制信号增量中执行以下操作：对第一特征值和第二特征值进行归一化操作，以得到归一化结果；以及基于归一化结果，确定当前控制信号增量。
[0096]
在另一些实施例中，当程序指令由处理器810运行时，还使得设备800在进行归一化操作中可以执行以下操作：根据上一震荡幅值误差、上一次输出的控制信号和上一次生成控制信号时确定的特征值，确定当前控制操作中每个特征值对应的归一化神经元权值；以及根据第一特征值和第二特征值分别对应的归一化神经元权值，对第一特征值和第二特征值进行加权求和。
[0097]
在又一些实施例中，当程序指令由处理器810运行时，还使得设备800可以采用如下方式计算获得当前控制信号增量：其中，δg表示当前控制信号增量，kn表示标定系数，表示归一化结果，xi(n)表示第i特征值，ω
′i(n)表示归一化神经元权值，i＝1、2。
[0098]
在一些实施例中，当程序指令由处理器810运行时，还使得设备800可以采用如下方式计算得到归一化神经元权值：方式计算得到归一化神经元权值：其中，ω
′i(n)表示归一化神经元权值，n表示时间点n，n-1表示n的上一个时间点，ηi积分和比例学习速率，e(n-1)表示上一震荡幅值误差，g(n-1)表示上一次输出的控制信号，xi(n-1)表示上一次生成控制信号时确定的第i特征值，i＝1、2。
[0099]
在另一些实施例中，当程序指令由处理器810运行时，还使得设备800可以执行以下操作：通过延迟操作，获得上一次输出的控制信号。
[0100]
在又一些实施例中，数学模型可以包括反正切运算和除法运算。
[0101]
在一些实施例中，当程序指令由处理器810运行时，还使得设备800可以在生成刺
激信号中执行以下操作：基于刺激波形和脑电反馈信号，生成用于输入至数学模型中的输入信号；对输入信号进行反正切运算，得到反正切运算结果；以及对反正切运算结果进行除法运算，以生成刺激信号。
[0102]
在另一些实施例中，当程序指令由处理器810运行时，还使得设备800执行以下反正切运算：其中，u表示反正切运算结果，y表示反正切运算的输入信号，h表示多巴胺参数。
[0103]
在又一些实施例中，当程序指令由处理器810运行时，还使得设备800可以执行以下除法运算：其中，g(u)表示刺激信号，u表示反正切运算结果，k表示增益，-b表示开环重极点。
[0104]
可以理解的是，根据本披露实施例的设备的具体实现方式已经在前文中结合装置的实现方式进行了详细的描述，此处不再赘述。
[0105]
进一步地，根据本披露的技术方案，还在第四方面中供一种计算机可读存储介质，其上存储有计算机可读指令，该计算机可读指令被一个或多个处理器执行时，实现如本披露在第三方面中任意一项所述的设备执行的方法。
[0106]
计算机可读存储介质可以是任何适当的磁存储介质或者磁光存储介质，比如，阻变式存储器rram(resistive random access memory)、动态随机存取存储器dram(dynamic random access memory)、静态随机存取存储器sram(static random-access memory)、增强动态随机存取存储器edram(enhanced dynamic random access memory)、高带宽内存hbm(high-bandwidth memory)、混合存储立方hmc(hybrid memory cube)等等，或者可以用于存储所需信息并且可以由应用程序、模块或两者访问的任何其他介质。任何这样的计算机存储介质可以是设备的一部分或可访问或可连接到设备。本披露描述的任何应用或模块可以由这样的计算机可读介质存储或以其他方式保持的计算机可读/可执行指令来实现。
[0107]
虽然本文已经示出和描述了本披露的多个实施例，但对于本领域技术人员显而易见的是，这样的实施例只是以示例的方式来提供。本领域技术人员可以在不偏离本披露思想和精神的情况下想到许多更改、改变和替代的方式。应当理解的是在实践本披露的过程中，可以采用对本文所描述的本披露实施例的各种替代方案。所附权利要求书旨在限定本披露的保护范围，并因此覆盖这些权利要求范围内的等同或替代方案。