Automatic processing and real-time analysis system for deep brain electrical signals based on sensing-enabled DBS

Le résumé fourni par la source

脑深部电刺激（Deep Brain Stimulation, DBS）作为一种成熟的神经调控技术，已成为帕金森病、强迫症等神经精神疾病的重要治疗手段。近年来，具备感知功能的DBS设备通过在输出刺激的同时记录局部场电位（Local Field Potential, LFP），实现了从单向“写脑”到双向“读脑-写脑”的重要突破，推动了双向闭环脑机融合的发展。然而，基于可感知DBS的局部场电位信号研究面临两个核心科学问题：一是信噪分离难题，即在全植入环境下如何从所记录的信号中有效分离目标生理信号与噪声；二是实时性与安全性的协同优化，即如何在脑机数据安全交互的同时，进行实时精准分析及输出调节。 针对上述问题，本研究提出了系统化的基于可感知DBS的脑深部电信号处理与分析方法。针对噪声伪迹的复杂性，本研究设计了基于双分支深度神经网络的自动识别算法，在验证集中取得93.9%的识别准确率；在跨患者、跨标注者的测试集上识别准确率达86.0%；并基于此构建了从预处理到特征提取的自动分析流程。针对实时性及安全性问题，本研究提出了基于安全协议的实时信号传输与在线处理方法，信号传输的平均延迟增量仅1.32±0.37 ms。基于此，本研究进一步集成了NERCN神经信号研究平台（NERCN NeuroSignal Research，NNSR），实现了对基于可感知DBS采集的深脑信号从离线分析到在线实时传输处理的全链路技术支持。验证表明，本研究能够在复杂环境下识别深脑神经活动特征并支持实时分析，为神经调控机制探索和疗法创新提供了可靠技术支撑。

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.