本发明涉及神经调控，尤其涉及一种基于多维贝叶斯优化的参数自适应神经调控系统及方法。
背景技术：
1、神经调控是一种通过侵入或非侵入性的手段，采用物理或化学的方式，对大脑皮层神经元细胞活性或大脑节律发挥调节作用，从而改善疾病症状或增强脑功能的技术。相较于脑深部电刺激，非侵入性脑刺激技术以其便携无创、无术后感染风险、单次费用低等突出优势，在认知神经科学以及医疗领域得到了越来越多的应用。经颅交流电刺激是一种常见的非侵入性的神经调控技术，该技术利用放置在头皮上的一对或多对电极施加交流电场，电流通过头皮传播并对脑区或脑区间的振荡活动进行调节，从而有助于减少疾病症状或改善认知过程。目前进行的神经调控干预往往参考了过去针对帕金森病、癫痫和抑郁症的神经调节的经验，对受试者采用统一参数的开环刺激。这种开环策略不仅使受试者的调控结果不明显，而且往往难以复现。近年来，越来越多的研究认为应该针对不同受试者对调控的不同响应采用不同的调控参数，因而提出了个体化参数自适应调控的概念，以提高受试者从神经调控中获益的可能性。
2、现有技术中，一般采用建立个体模型方法进行个体化参数的神经调控。该方法通过预先采集受试者的脑电信号与任务反应，训练分类器来辨别执行任务期间神经活动的不同模式，以此决定刺激的时机；或提取任务期间的脑电频段特征，作为刺激参数选择的参考，以达到更加有效和个性化的调控效果。然而，这种方法需要前期耗费大量的时间和成本对个体进行建模，不仅无法进行跨个体的参数选择，也没有充分地探索参数空间并考虑参数空间在刺激过程中的可能变化。研究大范围不同参数对不同个体的有效性是十分耗时的，而且需要大量的样本。因此，神经调控系统如何同时满足跨个体的个体化参数推荐与更高效地从大范围参数空间找到最优的电刺激参数是目前亟待解决的问题。
技术实现思路
1、针对上述现有技术的不足，本发明提出了一种基于多维贝叶斯优化的参数自适应神经调控系统及方法，实现更有效的神经调控。
2、一方面，为实现上述目的，本发明提供了一种基于多维贝叶斯优化的参数自适应神经调控系统，包括：数据采集与刺激模块、信号处理模块和调控参数自适应模块；
3、所述数据采集与刺激模块，用于采集受试者的原始脑电数据与原始行为学数据，并接收所述调控参数自适应模块发送的电刺激指令，产生指定参数的电刺激；
4、所述信号处理模块，用于接收原始脑电数据与所述原始行为学数据，生成个体基线特征指标、个体行为学表现，对所述原始脑电数据进行预处理，计算脑电特征指标，并对原始脑电数据进行前向预测，将生成的结果发送至所述调控参数自适应模块；
5、所述调控参数自适应模块，用于将所述个体基线特征指标、个体行为学表现及所述脑电特征指标作为输入，推荐调控参数作为输出，构建调控参数推荐模型，基于所述调控参数推荐模型计算下一步测试的最优调控参数估计，根据计算结果与脑电数据进行前向预测的结果生成电刺激指令。
6、优选地，所述数据采集与刺激模块包括：
7、行为学采集设备：用于向受试者呈现实验范式并同时记录所述受试者对应的行为反应；
8、采集-刺激一体化设备：用于接收所述调控参数自适应模块发送的电刺激指令，产生指定参数的电刺激，采集受试者的脑电数据。
9、优选地，所述采集-刺激一体化设备包括电极端和控制端，所述电极端的模式包括采集脑电模式和刺激模式，所述采集脑电模式用于将采集到的原始脑电数据传送至所述信号处理模块；所述刺激模式用于基于所述电刺激指令，通过所述控制端将需要执行刺激的电极切换至输出状态并生成指定参数的电刺激，剩余电极在电刺激过程中同步采集脑电数据。
10、优选地，所述信号处理模块包括：
11、脑电特征提取单元：用于对受试者的所述原始脑电数据进行频率功率特征提取；
12、行为学数据处理单元：用于通过所述原始行为学数据计算行为学指标，与脑电特征共同构成所述个体基线特征指标；
13、相位预测单元：用于生成电刺激的启动指令，在电刺激开始前激活，接收实时脑电数据，对所述实时脑电数据进行前向预测，获得预测结果，对所述预测结果提取相位，当预测到下一个最近的零相位即将到来时，将所述零相位预计到来的时间传送至所述调控参数自适应模块。
14、优选地，对受试者的所述原始脑电数据进行频率功率特征提取，包括：
15、对原始脑电数据进行滤波处理，去除伪迹与工频干扰，将处理后的脑电数据分为与实验范式对应的小数据段，并对所述小数据段进行小波变换，计算受试者在任务期间的时频特征。
16、另一方面，为实现上述目的，本发明还提供了一种基于多维贝叶斯优化的参数自适应神经调控系统的调控方法，包括：
17、s1：设置本次神经调控的电刺激参数的初始取值范围，构建参数空间；
18、s2：根据所需探索的参数空间类型为调控参数推荐模型选择模型结构；
19、s3：所选择的调控参数推荐模型根据接收到的个体行为学与脑电基线特征指标，生成受试者的推荐刺激参数；
20、s4：将所述推荐刺激参数传输至数据采集与刺激模块，在刺激结束后接收所述受试者刺激后的行为学与脑电特征指标，基于新的特征指标数据更新所述调控参数推荐模型；
21、s5：利用更新后的模型和获取函数选择下一个刺激参数组合；
22、s6：循环s4-s5，直至达到所述受试者的最大迭代次数，此时更换另外一名受试者进行刺激参数自适应调控；
23、s7：循环s3-s6，直至达到预设的最大受试者数量，获得特定人群中跨个体的最优调控参数推荐模型，基于所述最优调控参数推荐模型进行调控。
24、优选地，所述调控参数推荐模型的目标函数为刺激参数函数，所述刺激参数函数服从高斯分布，通过均值函数μ(x)和协方差函数k(xi,xj)定义，使得f(x)～gp((μ(x),k(xi,xj))，其中，x为要探索的刺激参数；
25、若考虑获取数据中包含噪声，则yi＝f(xi)+εi，其中为噪声方差时，其中，δi.j是克罗内克函数。
26、优选地，所述协方差函数k(xi,xj)结构具体包括：
27、
28、kxp({xi,pi}；{xj,pj})＝kx(xi,xj)×kp(pi,pj)
29、
30、其中，k(xi,xj)为空间协方差函数kxp({xi,pi}；{xj,pj})和时间协方差函数kt(ti,tj)的hadamard积，空间协方差函数kxp({xi,pi}；{xj,pj})为刺激参数空间协方差函数kx(xi,xj)和个体行为学与脑电基线特征指标协方差函数kp(pi,pj)的积，p为个体基线特征指标，为个体基线特征指标的协方差函数的长度标度。
31、优选地，通过所述更新后的调控参数推荐模型可以得到刺激参数x处个体行为学与脑电特征指标的预测分布：
32、
33、式中，dn＝{x,y}表示先前采样的刺激参数值x＝[x1,x2,…,xn]及其对应的个体行为学与脑电特征指标值y＝[y1,y2,…,yn]，x*表示需要预测的下次采样点，f*表示新采样点x*处个体行为学与脑电特征指标的预测值。
34、优选地，所述获取函数表达式为：
35、α*(x*)＝μ*(x*)-κnσ*(x*)
36、其中，μ*和σ*是预测分布中定义的预测均值和方差，κn是控制探索-开采权衡的超参数。
37、与现有技术相比，本发明具有如下优点和技术效果：
38、本发明对受试者的实时数据利用多维贝叶斯优化来进行基于特定人群跨被试的最优参数神经调控，识别最有可能提高受试者表现的刺激参数，同时跟踪调控过程中刺激参数空间随时间的变化，实现神经调控中电刺激参数的自适应调节，建立了该群体的受试者模型，能够根据行为学和脑电的基线特征指标为未来的受试者推荐刺激参数；采集-刺激一体化设备可以在电刺激的同时进行脑电信号采集，实现调控过程中的全程数据采集与个性化闭环刺激，能够为更个性化和更有效的神经调控提供一种新的调控系统，具有较好的应用场景。
1.一种基于多维贝叶斯优化的参数自适应神经调控系统，其特征在于，包括：数据采集与刺激模块、信号处理模块和调控参数自适应模块；
2.根据权利要求1所述的基于多维贝叶斯优化的参数自适应神经调控系统，其特征在于，所述数据采集与刺激模块包括：
3.根据权利要求2所述的基于多维贝叶斯优化的参数自适应神经调控系统，其特征在于，所述采集-刺激一体化设备包括电极端和控制端，所述电极端的模式包括采集脑电模式和刺激模式，所述采集脑电模式用于将采集到的原始脑电数据传送至所述信号处理模块；所述刺激模式用于基于所述电刺激指令，通过所述控制端将需要执行刺激的电极切换至输出状态并生成指定参数的电刺激，剩余电极在电刺激过程中同步采集脑电数据。
4.根据权利要求1所述的基于多维贝叶斯优化的参数自适应神经调控系统，其特征在于，所述信号处理模块包括：
5.根据权利要求4所述的基于多维贝叶斯优化的参数自适应神经调控系统，其特征在于，对受试者的所述原始脑电数据进行频率功率特征提取，包括：
6.一种基于多维贝叶斯优化的参数自适应神经调控系统的调控方法，其特征在于，包括：
7.根据权利要求6所述的调控方法，其特征在于，所述调控参数推荐模型的目标函数为刺激参数函数，所述刺激参数函数服从高斯分布，通过均值函数μ(x)和协方差函数k(xi,xj)定义，使得f(x)～gp(μ(x),k(xi,xj))，其中，x为要探索的刺激参数；
8.根据权利要求7所述的调控方法，其特征在于，所述协方差函数k(xi,xj)结构具体包括：
9.根据权利要求6所述的调控方法，其特征在于，通过所述更新后的调控参数推荐模型可以得到刺激参数x处个体行为学与脑电特征指标的预测分布：
10.根据权利要求6所述的调控方法，其特征在于，所述获取函数表达式为：
