本發(fā)明涉及數(shù)據(jù)處理，特別涉及一種基于腦機(jī)接口的自主神經(jīng)調(diào)控方法及相關(guān)設(shè)備。

背景技術(shù)：

1、自主神經(jīng)功能紊亂特別是交感神經(jīng)過(guò)度激活，可以導(dǎo)致人體各器官系統(tǒng)出現(xiàn)功能性以及器質(zhì)性疾病，目前的治療方式包括有藥物治療如β受體阻滯劑，非藥物治療則包括了星狀神經(jīng)節(jié)阻滯術(shù)及耳迷走神經(jīng)刺激術(shù)等。但傳統(tǒng)藥物治療存在諸多局限性以及弊端，如臨床醫(yī)生在應(yīng)用β受體阻滯劑時(shí)，主要需根據(jù)患者的心率快慢來(lái)調(diào)整藥物劑量，存在主觀依賴(lài)性，且在調(diào)整藥物劑量后，起效時(shí)間的快慢影響了患者的治療效果，而當(dāng)藥物過(guò)量后，藥物的代謝時(shí)間快慢又影響了患者的安全性。

2、非藥物治療方面目前措施也非常有限，且例如臨床目前開(kāi)展的星狀神經(jīng)節(jié)阻滯術(shù)，需要在頸部進(jìn)行有創(chuàng)性操作，患者不易接受，且需要反復(fù)至醫(yī)院就診，因此臨床開(kāi)展受限。

3、近年來(lái)隨著人工智能、大腦-計(jì)算機(jī)接口(腦機(jī)接口，brain-computerinterfaces，bci)及類(lèi)器官等技術(shù)領(lǐng)域的快速發(fā)展，腦電信號(hào)及對(duì)應(yīng)腦區(qū)的功能定位等理論被逐漸闡明，也為無(wú)創(chuàng)式自主神經(jīng)系統(tǒng)功能的定量及定性評(píng)估帶來(lái)了新的希望。傳統(tǒng)的大多數(shù)腦機(jī)接口多為基于帽子的非侵入性式、基于頭帶的商業(yè)產(chǎn)品或基于微針的侵入性方法，但由于使用不便、炎癥甚至是對(duì)人體組織的不可逆損傷，這些方法都并不適合日常使用。

4、需要說(shuō)明的是，在上述背景技術(shù)部分公開(kāi)的信息僅用于加強(qiáng)對(duì)本公開(kāi)的背景的理解，因此可以包括不構(gòu)成對(duì)本領(lǐng)域普通技術(shù)人員已知的現(xiàn)有技術(shù)的信息。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)的目的在于提供一種基于腦機(jī)接口的自主神經(jīng)調(diào)控方法及相關(guān)設(shè)備，至少在一定程度上克服現(xiàn)有技術(shù)存在的問(wèn)題，通過(guò)綜合分析目標(biāo)用戶(hù)的生理數(shù)據(jù)、醫(yī)療用途信息、歷史生理參數(shù)信息和實(shí)時(shí)體感信息，生成目標(biāo)用戶(hù)的多模態(tài)數(shù)據(jù)，包括腦電信號(hào)、心電信號(hào)和心音信號(hào)數(shù)據(jù)，這些數(shù)據(jù)經(jīng)過(guò)特征提取和融合處理后，可以形成生理特征風(fēng)險(xiǎn)影響因子。利用目標(biāo)神經(jīng)調(diào)節(jié)預(yù)警模型，對(duì)這些多模態(tài)數(shù)據(jù)和用戶(hù)的實(shí)時(shí)體感信息進(jìn)行深入分析，生成自主神經(jīng)活動(dòng)信號(hào)數(shù)據(jù)。最終，模型處理這些信號(hào)數(shù)據(jù)生成電刺激信號(hào)，實(shí)現(xiàn)對(duì)目標(biāo)用戶(hù)進(jìn)行自主神經(jīng)調(diào)控的目的。

2、本技術(shù)的其他特性和優(yōu)點(diǎn)將通過(guò)下面的詳細(xì)描述變得顯然，或部分地通過(guò)本發(fā)明的實(shí)踐而習(xí)得。

3、根據(jù)本技術(shù)的一個(gè)方面，提供一種基于腦機(jī)接口的自主神經(jīng)調(diào)控方法，包括：獲取目標(biāo)用戶(hù)的生理數(shù)據(jù)、目標(biāo)用戶(hù)的醫(yī)療用途信息、目標(biāo)用戶(hù)的歷史生理參數(shù)信息和目標(biāo)用戶(hù)的實(shí)時(shí)體感信息；對(duì)所述目標(biāo)用戶(hù)的生理數(shù)據(jù)進(jìn)行預(yù)處理，生成目標(biāo)用戶(hù)的多模態(tài)數(shù)據(jù)，其中，所述目標(biāo)用戶(hù)的多模態(tài)數(shù)據(jù)包括目標(biāo)用戶(hù)的腦電信號(hào)數(shù)據(jù)、目標(biāo)用戶(hù)的心電信號(hào)數(shù)據(jù)和目標(biāo)用戶(hù)的心音信號(hào)數(shù)據(jù)；基于所述目標(biāo)用戶(hù)的醫(yī)療用途信息和所述目標(biāo)用戶(hù)的歷史生理參數(shù)信息對(duì)所述目標(biāo)用戶(hù)的多模態(tài)數(shù)據(jù)進(jìn)行特征提取，生成生理特征風(fēng)險(xiǎn)影響因子；對(duì)所述生理特征風(fēng)險(xiǎn)影響因子進(jìn)行融合處理，生成目標(biāo)多模態(tài)數(shù)據(jù)；獲取目標(biāo)神經(jīng)調(diào)節(jié)預(yù)警模型；基于所述目標(biāo)神經(jīng)調(diào)節(jié)預(yù)警模型對(duì)所述目標(biāo)多模態(tài)數(shù)據(jù)和所述目標(biāo)用戶(hù)的實(shí)時(shí)體感信息進(jìn)行處理，生成目標(biāo)用戶(hù)的自主神經(jīng)活動(dòng)信號(hào)數(shù)據(jù)；基于所述目標(biāo)神經(jīng)調(diào)節(jié)預(yù)警模型對(duì)所述目標(biāo)用戶(hù)的自主神經(jīng)活動(dòng)信號(hào)數(shù)據(jù)進(jìn)行處理，生成電刺激信號(hào)，其中，所述電刺激信號(hào)用于對(duì)目標(biāo)用戶(hù)進(jìn)行自主神經(jīng)調(diào)控。

4、在本技術(shù)的一個(gè)實(shí)施例中，所述目標(biāo)用戶(hù)的生理數(shù)據(jù)進(jìn)行預(yù)處理，生成目標(biāo)用戶(hù)的多模態(tài)數(shù)據(jù)，包括：對(duì)所述目標(biāo)用戶(hù)的生理數(shù)據(jù)進(jìn)行去噪處理，生成目標(biāo)用戶(hù)的生理屬性信息，其中，所述目標(biāo)用戶(hù)的生理屬性信息為信噪比高于預(yù)設(shè)閾值的生理數(shù)據(jù)；對(duì)所述目標(biāo)用戶(hù)的生理屬性信息進(jìn)行歸一化處理，生成目標(biāo)用戶(hù)的多模態(tài)數(shù)據(jù)。

5、在本技術(shù)的一個(gè)實(shí)施例中，基于所述目標(biāo)用戶(hù)的醫(yī)療用途信息和所述目標(biāo)用戶(hù)的歷史生理參數(shù)信息對(duì)所述目標(biāo)用戶(hù)的多模態(tài)數(shù)據(jù)進(jìn)行特征提取，生成生理特征風(fēng)險(xiǎn)影響因子，包括：對(duì)所述目標(biāo)用戶(hù)的多模態(tài)數(shù)據(jù)進(jìn)行特征提取，生成生理特征分類(lèi)信息，其中，所述生理特征分類(lèi)信息包括若干類(lèi)型所對(duì)應(yīng)的生理特征數(shù)據(jù)；基于所述目標(biāo)用戶(hù)的醫(yī)療用途信息對(duì)所述生理特征分類(lèi)信息進(jìn)行處理，生成目標(biāo)生理特征數(shù)據(jù)；基于所述目標(biāo)用戶(hù)的歷史生理參數(shù)信息對(duì)所述目標(biāo)生理特征數(shù)據(jù)進(jìn)行處理，生成生理特征風(fēng)險(xiǎn)影響因子。

6、在本技術(shù)的一個(gè)實(shí)施例中，對(duì)所述目標(biāo)用戶(hù)的多模態(tài)數(shù)據(jù)進(jìn)行特征提取處理，生成生理特征分類(lèi)信息，包括：對(duì)所述目標(biāo)用戶(hù)的多模態(tài)數(shù)據(jù)進(jìn)行處理，生成目標(biāo)用戶(hù)的生物體征屬性信息；對(duì)所述目標(biāo)用戶(hù)的生物體征屬性信息進(jìn)行特征提取處理，生成若干特征樣本類(lèi)型；對(duì)所述若干特征樣本類(lèi)型進(jìn)行特征篩選處理，生成實(shí)時(shí)特征樣本數(shù)據(jù)；基于若干實(shí)時(shí)特征樣本數(shù)據(jù)生成生理特征分類(lèi)信息。

7、在本技術(shù)的一個(gè)實(shí)施例中，對(duì)所述生理特征風(fēng)險(xiǎn)影響因子進(jìn)行融合處理，生成目標(biāo)多模態(tài)數(shù)據(jù)，包括：基于預(yù)設(shè)長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)模型對(duì)所述生理特征風(fēng)險(xiǎn)影響因子進(jìn)行融合處理，生成初始生理特征向量，其中，所述初始生理特征向量由若干模態(tài)的生理特征風(fēng)險(xiǎn)影響因子拼接而成；基于預(yù)設(shè)權(quán)重特征處理規(guī)則對(duì)所述初始生理特征向量進(jìn)行處理，生成目標(biāo)生理特征向量，其中，目標(biāo)生理特征向量為對(duì)不同模態(tài)的生理特征風(fēng)險(xiǎn)影響因子基于目標(biāo)權(quán)重相加所得；基于預(yù)設(shè)長(zhǎng)短時(shí)記憶網(wǎng)絡(luò)模型對(duì)所述目標(biāo)生理特征向量進(jìn)行處理，生成多模態(tài)數(shù)據(jù)的預(yù)測(cè)結(jié)果；對(duì)所述多模態(tài)數(shù)據(jù)的預(yù)測(cè)結(jié)果進(jìn)行處理，生成目標(biāo)多模態(tài)數(shù)據(jù)；所述方法還包括用于獲取目標(biāo)生理特征向量的計(jì)算公式，所述計(jì)算公式為：

8、；其中，是目標(biāo)生理特征向量，是第i個(gè)特征的權(quán)重，是第i個(gè)特征的風(fēng)險(xiǎn)影響因子。

9、在本技術(shù)的一個(gè)實(shí)施例中，獲取目標(biāo)神經(jīng)調(diào)節(jié)預(yù)警模型，包括：對(duì)所述生理特征風(fēng)險(xiǎn)影響因子進(jìn)行處理，生成標(biāo)識(shí)信息，其中，所述標(biāo)識(shí)信息用于表征生理特征風(fēng)險(xiǎn)影響因子處于異常狀態(tài)；獲取與所述標(biāo)識(shí)信息相匹配的初始神經(jīng)調(diào)節(jié)預(yù)警模型和與所述初始神經(jīng)調(diào)節(jié)預(yù)警模型相匹配的訓(xùn)練樣本集；基于預(yù)設(shè)處理規(guī)則對(duì)訓(xùn)練樣本集進(jìn)行處理，生成訓(xùn)練集和驗(yàn)證集；基于所述訓(xùn)練集和所述驗(yàn)證集對(duì)所述初始神經(jīng)調(diào)節(jié)預(yù)警模型進(jìn)行處理，生成目標(biāo)神經(jīng)調(diào)節(jié)預(yù)警模型。

10、在本技術(shù)的一個(gè)實(shí)施例中，基于所述目標(biāo)神經(jīng)調(diào)節(jié)預(yù)警模型對(duì)所述目標(biāo)多模態(tài)數(shù)據(jù)和所述目標(biāo)用戶(hù)的實(shí)時(shí)體感信息進(jìn)行處理，生成目標(biāo)用戶(hù)的自主神經(jīng)活動(dòng)信號(hào)數(shù)據(jù)，包括：基于所述目標(biāo)神經(jīng)調(diào)節(jié)預(yù)警模型對(duì)所述目標(biāo)多模態(tài)數(shù)據(jù)進(jìn)行處理，生成目標(biāo)用戶(hù)的皮膚電導(dǎo)變化信息和目標(biāo)用戶(hù)的皮膚溫度變化信息；基于所述目標(biāo)神經(jīng)調(diào)節(jié)預(yù)警模型對(duì)所述目標(biāo)用戶(hù)的實(shí)時(shí)體感信息進(jìn)行處理，生成目標(biāo)用戶(hù)的皮膚收縮信息；基于所述目標(biāo)用戶(hù)的皮膚收縮信息對(duì)所述目標(biāo)用戶(hù)的皮膚電導(dǎo)變化信息和所述目標(biāo)用戶(hù)的皮膚溫度變化信息進(jìn)行處理，生成目標(biāo)用戶(hù)的自主神經(jīng)活動(dòng)信號(hào)數(shù)據(jù)。

11、本技術(shù)的另一個(gè)方面，一種基于腦機(jī)接口的自主神經(jīng)調(diào)控裝置，其特征在于，包括：獲取模塊，用于獲取目標(biāo)用戶(hù)的生理數(shù)據(jù)、目標(biāo)用戶(hù)的醫(yī)療用途信息、目標(biāo)用戶(hù)的歷史生理參數(shù)信息和目標(biāo)用戶(hù)的實(shí)時(shí)體感信息；獲取目標(biāo)神經(jīng)調(diào)節(jié)預(yù)警模型；處理模塊，用于對(duì)所述目標(biāo)用戶(hù)的生理數(shù)據(jù)進(jìn)行預(yù)處理，生成目標(biāo)用戶(hù)的多模態(tài)數(shù)據(jù)，其中，所述目標(biāo)用戶(hù)的多模態(tài)數(shù)據(jù)包括目標(biāo)用戶(hù)的腦電信號(hào)數(shù)據(jù)、目標(biāo)用戶(hù)的心電信號(hào)數(shù)據(jù)和目標(biāo)用戶(hù)的心音信號(hào)數(shù)據(jù)；基于所述目標(biāo)用戶(hù)的醫(yī)療用途信息和所述目標(biāo)用戶(hù)的歷史生理參數(shù)信息對(duì)所述目標(biāo)用戶(hù)的多模態(tài)數(shù)據(jù)進(jìn)行特征提取，生成生理特征風(fēng)險(xiǎn)影響因子；對(duì)所述生理特征風(fēng)險(xiǎn)影響因子進(jìn)行融合處理，生成目標(biāo)多模態(tài)數(shù)據(jù)；基于所述目標(biāo)神經(jīng)調(diào)節(jié)預(yù)警模型對(duì)所述目標(biāo)多模態(tài)數(shù)據(jù)和所述目標(biāo)用戶(hù)的實(shí)時(shí)體感信息進(jìn)行處理，生成目標(biāo)用戶(hù)的自主神經(jīng)活動(dòng)信號(hào)數(shù)據(jù)；基于所述目標(biāo)神經(jīng)調(diào)節(jié)預(yù)警模型對(duì)所述目標(biāo)用戶(hù)的自主神經(jīng)活動(dòng)信號(hào)數(shù)據(jù)進(jìn)行處理，生成電刺激信號(hào)，其中，所述電刺激信號(hào)用于對(duì)目標(biāo)用戶(hù)進(jìn)行自主神經(jīng)調(diào)控。

12、根據(jù)本技術(shù)的再一個(gè)方面，一種電子設(shè)備，其特征在于，包括：第一處理器；以及存儲(chǔ)器，用于存儲(chǔ)所述第一處理器的可執(zhí)行指令；其中，所述第一處理器配置為經(jīng)由執(zhí)行所述可執(zhí)行指令來(lái)執(zhí)行實(shí)現(xiàn)上述的基于腦機(jī)接口的自主神經(jīng)調(diào)控方法。

13、根據(jù)本技術(shù)的又一個(gè)方面，提供一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被第二處理器執(zhí)行時(shí)實(shí)現(xiàn)上述的基于腦機(jī)接口的自主神經(jīng)調(diào)控方法。

14、根據(jù)本技術(shù)的又一個(gè)方面，提供一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被第三處理器執(zhí)行時(shí)實(shí)現(xiàn)上述的基于腦機(jī)接口的自主神經(jīng)調(diào)控方法。

15、本技術(shù)所提供的一種基于腦機(jī)接口的自主神經(jīng)調(diào)控方法及相關(guān)設(shè)備，由服務(wù)器通過(guò)綜合分析目標(biāo)用戶(hù)的生理數(shù)據(jù)、醫(yī)療用途信息、歷史生理參數(shù)信息和實(shí)時(shí)體感信息，生成目標(biāo)用戶(hù)的多模態(tài)數(shù)據(jù)，包括腦電信號(hào)、心電信號(hào)和心音信號(hào)數(shù)據(jù)，這些數(shù)據(jù)經(jīng)過(guò)特征提取和融合處理后，可以形成生理特征風(fēng)險(xiǎn)影響因子。利用目標(biāo)神經(jīng)調(diào)節(jié)預(yù)警模型，對(duì)這些多模態(tài)數(shù)據(jù)和用戶(hù)的實(shí)時(shí)體感信息進(jìn)行深入分析，生成自主神經(jīng)活動(dòng)信號(hào)數(shù)據(jù)。最終，模型處理這些信號(hào)數(shù)據(jù)生成電刺激信號(hào)，實(shí)現(xiàn)對(duì)目標(biāo)用戶(hù)進(jìn)行自主神經(jīng)調(diào)控的目的。

16、應(yīng)當(dāng)理解的是，以上的一般描述和后文的細(xì)節(jié)描述僅是示例性和解釋性的，并不能限制本公開(kāi)。