课件讲稿定稿

1、分类号： TN911.7密级：公开UDC：081002学号：099093瘫痪肢体运动功能重建的电子系统设计研究：教授 教授 导 师申请学位类别工学博士学位授予东 南 大 学一级学科名称 电子科学与技术答辩日期2015 年 1 月 29 日 二级学科名称电路与系统学位授予日期20年月日高兴亚 教授评阅人教授 宋爱国教授答辩 万遂人教授教授2014 年 10 月Study on Electronic System Design for MotorFunction Rebilding of Paralyzed LimbsA Disserion Submitted toSoutheast Univer

2、sityFor the Academic Degree of Doctor of EngineeringBYHuang ZonghaoSupervised byProf. Dr. Wang ZhigongProf. Dr. L XiaoyingSchool of Information Science and EngineeringSoutheast UniversityOctober 2014东南大学独创性本人所呈交的是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，中不包含其他人已经或撰写过的研究成果，也不包含为获得东南大学或其它教育机构的学

3、位或而使用过的材料。与我一同工作的对本做的任何贡献均已在中作了明确的说明并表示了谢意。签名： 日期：东南大学使用东南大学、中国科学技术信息、国家馆保留本人所送交的复印件和电子文档，可以采用影印、缩印或其他保存。本人电子文档的内容和纸质的内容相一致。除在期内的外，允许被查阅和借阅，可以（包括以电子信息形式刊登）的全部内容或中、英要等部分内容。的（包括以电子信息形式刊登）东南大学院办理。签名：导师签名： 日期：摘要摘 要瘫痪肢体运动功能的重建是极具的医学难题。利用电子系统替代受损神经组织，重建运动神经元通路，进而重建运动功能的方法为该问题的解决提供了新的思路。该方法被称为“微电子神经桥”。基于项目

4、组前期在“微电子神经桥”领域所做研究，本文主要涉及用于脊髓神经损伤后功能重建的“微电子神经桥”以及用于脑卒中后偏瘫患者肢体运动功能重建的“微电子肌电桥”，研究内容包括：1)神经元胞外探测仿真信号的生成算法。仿真信号生成是进行相关神经信号处理算法的基础。胞外探测中神经元动作电位的检测算法。在此基础上，进行动作电位识别的相关研究。动作电位的检测与识别是“微电子神经桥”进行选择性激励的基础。基于分立器件和集成电路，进行了“微电子神经桥”相关原型系统的设计，包括神2)3)经信号探测电路、功能性电刺激电路、无线/有线神经信号号生成电路、小型微电子神经桥实验箱、快速原型算法验证位检测与识别电路。电路、功能

5、电刺激信，以及实时动作电4)基于分立器件和集成电路，进行了“微电子肌电桥”相关原型系统的设计，包括双通道微电子肌电型系统以及用于手部运动功能重建的微电子肌电桥系统。其中，双通道微电子肌电型系统目前已经通过相关检测，处于临床科学实验阶段。本文共分为 7 章，第 1 章绪论对造成肢体瘫痪的病因进行分析，重点介绍脊髓损伤与脑卒中。之后对项目组前期的工作进行了总结。第 2 章至第五章研究“微电子神经桥”的相关电路与系统。其中，第 2 章介绍“微电子神经桥”涉及的神经生物学基础，综述治疗脊髓损伤的生物学方法，并介绍“微电子神经桥”的原理。第 3 章介绍“微电子神经桥”所采用的神经信号探测与激励方法，以及

6、其系统设计与信号处理流程。第 4 章主要介绍“微电子神经桥”训练阶段的信号处理技术：动作电位检测与识别。首先研究胞外探测仿真神经信号的生成方法。对于动作电位检测问题，首先从传统的幅度阈值法开始研究，分析造成传统幅度阈值法误检率高的原因。在此基础上，提出基于幅度阈值与动态一阶前向差分阈值的检测算法。最终，结合时域特征筛选，使算法的平均灵敏度达到 99.27%，平均特异度达到 98.60%。对于动作电位的识别问题，首先研究基于时域信息、K-L 变换和离散小波变换的三种特征提取方法。并通过基于正态性检验(Lilfors 检验)和概率密度函数估计(Parzen 窗估计)的两种特征提取方法，进行特I摘要

7、征属性约减。通过可分性测度，确定以基于离散小波变换所获得的特征作为识别依据。在此基础上，利用基于马氏距离的 K 均值聚类算法，获得高达 99.29%的平均分类正确率。并初步研究利用自组织进行类别数确定以及初始聚类中心选取。第 5 章主要涉及与“微电子神经桥”相关的原型系统设计。包括神经信号探测电路、功能性电刺激电路、无线/有线神经信号电路、任意波形生成电路和小型微电子神经桥实验箱。重点介绍基于 ARM CortexA8 + TMS320C64x + MSP430F5336 硬件构架的快速原型系统实现，并将其应用于“微电子神经桥”桥接阶段的实时处理算法的快速验证。利用三倍交叉验证，桥接阶段算法的

8、平均灵敏度，特异度以及识别正确率分别达到99.43%，97.13%和 92.58%。最终以 Hercules 安全微控制器为目标硬件，实现了经过快速原型验证的实时信号处理算法。第 6 章初步涉及用于脑卒中后偏瘫运动功能重建的“微电子肌电桥”相关原理以及原型系统设计，包括双通道微电子肌电型系统以及用于手部运动功能重建的微电子肌电桥系统。涉及肌电信号探测电路设计，高压、任意波形功能性电刺激电路设计，相关信号处理算法，虚拟现实系统设计以及应用于临床时安全性方面的考虑。文章的最后对全文进行总结，并提出需要进一步解决。本文所涉及的创新点：1)设计一种基于幅度与动态一阶前向差分阈值的动作电位检测新算法，利

9、用加州理工试，该算法的平均灵敏度与特异度分别达到 99.45%与大学提供的数据库进97.21%。2)设计一种利用滑动窗口与极差判别以及中值估计的神经信号背景噪声估计算法。相比于 Donoho 与 Johnstone 等人所提高了 3 倍。算法，该算法在 100Hz 放电频率下估计精度3)设计两种离散小波变换后的特征选择方法：（1）利用 Lilfors 检验以及层次化选择的方法进行特征系数选择，（2）利用 Parzen 窗估计，即核密度估计的方法进行特征系数选择。在本文所用的可分性测度下，证明本文所特征选择方法优于基于时域特征提取以及基于 Karen-Love 变换的特征提取方法。4)5)将自组

10、织基于应用于动态聚类的初始值确定以及类别数确定。R2013a 以后版本所提供的板级支持包，设计了以 Beagoard-xm 以及为设计。基于该的算法快速验证。实现了动作电位检测与识别算法的快速原型与相同的开发方法也可以应用于其它相关实时信号处理领域，完成相关数字信号处理算法的快速建模与验证，具有普适意义。：动作电位检测，动作电位识别，快速原型，微电子神经桥，微电子肌电桥IIAbstractAbstractThe motor function restoration of paralyzed limbs is a challenging task. Using anelectronic syst

11、em as the substitute of a segment of damaged nervous tie to rebuild themotor neuron pathways for the motor function restoration may be considered asternativeway for this task. This method has been named as the “Micro-Electronic Neural Bridge”(MENB).Based on our research groups prior study, this pr h

12、as focused on the study of theMENB, aiming for motor function restoration of paraplegia patients caused by spinal cord injury, and the “Micro-Electronic Muscular Bridge” (MEMB), which is aiming for the motor function restoration of the hemiplegia patients caused by stroke. Specific work has beenpres

13、ented as follows:1)The study of the neuronal extracellular recording simulation data generation algorithm,which is the fundation of the related neural signal prosing technique.2)The study of the neurale detection algorithm and thee sorting algorithm, whichis the fundation for the selective stimulati

14、on of the MENB.The prototype system design of the MENB, including the neural signal detecting circuit,functional electrical stimulation circuit, wired/wireless neural signal recording system, functionalelectricalstimulatingsignalgenerationsystem,smallsizedMENB3)experimental box, raprototyalgorithm v

15、erification platform, and real-time neurale detecting and sorting system.The prototype system design of the MEMB, including the 2-channel MEMB prototype system which has already been used in clinical trials, and the hand motor functionrestoration system for hemiplegia patients caused by stroke.4)Thi

16、s produr is dividedo 7 chapters. Chapter 1 discusses the background of the paralysis,the background of the spinal cord injury and the stroke, and summarizes the workof the prior graduated PhD students in the research group. Chapter 2rodutheneurophysiological fundament of the MENB, and the biological

17、 methods for the functionrestoration after the spinal cord injury. The principle of the MENB has also been illustrated.Chapter 3roduthe neural signal detecting method and stimulation method of the MENB.The system design and signal prosing flow are also included.Chapter 4 concerns the core signal pro

18、IIIsing technique of the MENB: theeAbstractdetection and sorting algrorithm. In this chapter, the neuronal extracellular recordingsimulation data generation algorithm has been discussed atdetection algorithm, the reason leading to a high false-. In the study of theeitive rate of the traditionaldetec

19、tion method based onlitude threshold method will belitude threshold and dynamicyzed and a novelorder forward difference threshold will be presented.With the time-feature filter, the average sensitivity and specificity of the algorithmhas reached to 99.27% and 98.60%, respectively. As to thee sorting

20、 algorithm design,three features extraction methods will be considered: time-feature, K-Lfeature, and the discrete waveletfeature. Two methods will be used for the featurereduction after discrete wavelet transformation. Themethod is based on the Lilforestest for normality, and the second is based on

21、 the Parzen window probability estimation.According to the separable measures in this pr, features based on discrete wavelettransformation will be used as the input of the cluster. With the K-means clustering methodbased on the Mahalanobis distance, the average classification accuracy can reaches to

22、 99.29%.The self-anizing mapwill be used as a method for determining the cluster number andthe initial condition.Chapter 5 mainly concerns the prototype system design of the MENB, including theneural signal detecting circuit, the functional electrical stimulation circuit, the wired/wireless neural s

23、ignal recording system, the functional electrical stimulating signal generation system,and the small sized MENB experimental box. The design of the raprototyalgorithmverification platform based on the ARM CortexA8+TMS320C64x+MSP430F5336 hardwarearchitecture will be discussed in details. Based on thi

24、s platform, the algorithm for thereal-time MENBe detecting and sorting in bridging phase has been verified. Thisalgorithm will be tested with 3-fold cross-validation, and the result showst the averagesensitivity, the specificity, and the identification accuracy can reach to 99.43%, 97.13%, and 92.58

25、%, respectively. Finally, the verified algorithm will be implemented on the security MCU.Chapter 6 preliminarily discusses the MEMB, which is used for the motor functionrestoration of hemiplegia patients caused by stroke. This chapterroduthe principle ofthe MEMB, and the prototype system design, inc

26、luding the 2-channel MEMB prototype system, and the prototype system for hand motor function restoration. The design ofmyoelectricity signal detecting circuit, high-voltage, isolated, and functional electricalstimulation circuit, related signal prosing algorithm, the virtual reality system forrehabi

27、liion, and the safety consideration for clinical usage, will beIVroduced.AbstractFinally in Chapter 7, the work of this pneed to be studied has also been listed.r has been summarized and furthroblemsSpecific innovation pos of this pr are listed as follows:1)A novele detection algorithm based onlitud

28、e threshold and dynamic-orderforward difference threshold has been presented. Tested by the database provided byCaltech, the average sensitivity and specificity reach to 99.45% and 97.21%, rectively.2)A novel background noise estimation algorithm based on sliding window, range threshold,and median e

29、stimation has been proed. Compared to the estimation method proedby Donoho and Johnstone, the method in this pr improves the estimation accuracythree timeshe situation of 100 Hz firing rate.3)Two methods for feature selection and reduction after discrete wavelet transformationhave been proed. Themet

30、hod is based on the Lilfores test for normality, andthe second is based on the Parzen window probability estimation. According to theseparable measures in this pr, these feature selection and reduction methods aresuperior to the time-and K-L transformation method.has been used as a method for determ

31、ining the cluster4)The self-anizing mapnumber and the initial condition in K-means clustering.5)Based on thsupport package afterR2013a, a raprototyalgorithmverification platform with Beagoard-xm andas the core has beendemonstrated. Real-timee detection and sorting algorithm have been verified withth

32、is platform, and finally implemented on thealgorithm verification platform and design method chardware. This raprototyso be widely used in other signalprosing filed for the algorithm design and verification.Key Words: Neurale Detection, Neurale Sorting, RaPrototy, Micro-Electronic Neural Bridge, Mic

33、ro-Electronic Muscular BridgeV目录目 录摘 要IAbstractIII目 录VI插 图IX表 格XII第 1 章1.1绪论1问题背景1脊髓损伤2脑卒中3项目组前期工作4本文研究内容与创新点5本文组织结构61.21.31.4参考文献7第 2 章微电子神经桥生物学基础9神经生物学基础9神经系统9神经元102.1.3 脊髓122.1.4 神经脉冲152.2 生物学方法综述162.3 微电子神经理192.4 本章小结21参考文献21第 3 章微电子神经桥系统设计26神经信号探测26对神经组织的刺激28刺激方式28刺激波形30VI目录微电子神经桥系统32本章小结33参考文献

34、34第 4 章神经动作电位检测与分类35仿真数据生成35待分类序列生成35背景噪声生成374.1.3 叠加37动作电位检测38幅度阈值法39噪声估计39信号预处理41传统幅度阈值法检测结果44改进幅度阈值法检测结果46特征提取53基于时域信息的特征提取方法534.3.2 基于 Karen-Love 变换的特征提取59基于离散小波变换的特征提取62类别可分性测度70聚类分析74动态聚类算法74类数与初始值确定80本章小结86参考文献87第 5 章相关原型系统设计90模拟微电子神经桥90神经信号探测电路91功能性电激励电路945.2 信号与波形生成电路96小型微电子神经桥实验箱99快速原型验证及算

35、法实现1015.4.1 验证硬件1035.4.2 实时信号处理算法105VII目录5.4.2 算法快速原型实现109信号处理电路113处理器选型113算法实现115本章小结117参考文献118第 6 章微电子肌电桥1206.1 脑卒中偏瘫后遗症患者运动功能重建1206.1.1 微电子肌电理1206.1.2 与其它运动功能重建康复技术的比较1226.2 双通道微电子肌电型系统123系统总体介绍124肌电信号探测电路124双通道功能性电激励电路128激励脉冲生成算法129虚拟现实系统136安全性考虑1366.3 用于手部运动功能重建的微电子肌电型系统1386.3.1 探测手套1396.3.2 激励

36、器1406.4 本章小结141参考文献142第 7 章总结与展望145情况147攻读博士期间专利与获奖149致 谢150VIII表格插 图图 1-1图 1-2图 1-3图 1-4图 1-5图 1-6图 2-1图 2-2图 2-3图 2-4图 2-5图 2-6图 2-7图 3-1图 3-2图 3-3图 3-4图 3-5图 3-6图 3-7图 4-1图 4-2图 4-3图 4-4图 4-5图 4-6图 4-7图 4-8图 4-9图 4-10图 4-11图 4-12瘫痪种类1分布图2发生瘫痪的各种瘫痪原因所占比例2分布3发生脊髓损伤的各种脊髓损伤原因所占比例3各种电子信息科学与生命科学的结合4中枢神

37、经系统与周围神经系统9神经元结构11周围神经解剖结构12脊髓横截面13脊髓与脊神经分布14神经元动作电位形成16微电子神经理示意简图20不同层次的神经信号探测26神经元与电极相对位置对于探测波形的影响28胞外刺激简化模型29刺激强度-刺激持续时间曲线30各种刺激波形比较31微电子神经桥系统框图32微电子神经桥数据处理流程图33提取的动作电位模板调整前后36仿真生成数据37各种估计方法结果比较41不同滤波器引入的失真43所采用的因果椭圆滤波器幅频特性43所采用的因果椭圆滤波器群延时特性44传统幅度阈值法检测效果45背景噪声幅度正态概率图46部分误检情况举例48改进前后算法性能曲线50本文所述方法

38、与参考文献方法性能对比51基于改进的幅度阈值算法提取的数据帧53IX表格图 4-13图 4-14图 4-15图 4-1图 4-17图 4-18图 4-19图 4-20图 4-21图 4-22图 4-23图 4-24图 4-25图 4-26图 4-27图 4-28图 4-29图 4-30图 4-31图 4-32图 4-33图 4-34图 5-1图 5-2图 5-3图 5-4图 5-5图 5-6图 5-7图 5-8图 5-9图 5-10图 5-11图 5-12图 5-13正确检测、错误检测动作电位分帧、对齐后举例53检测动作电位时域特征空间分布54各类平均波形55种方法灵敏度、特异度曲线58四种方

39、法平均灵敏度、特异度58不同噪声水平下动作电位数据帧在时域特征空间分布59数据集 1，噪声水平 0.05，基于 K-L 变换的特征提取结果61图 4-19(c)中各类平均波形62数据集 1 不同噪声水平下 K-L 空间特征分布63数据集 1-4 噪声水平 0.05 小波变换后系数64不同噪声水平下小波系数空间特征分布(假设检验特征选择)67系数 19 基于核密度估计的概率密度函数68两种特征选择方法所选择特征参数概率密度函数估计及检测峰值70不同噪声水平下小波系数空间特征分布(概率密度特征选择)71数据集 14(噪声水平 0.05)分类结果及各类平均波形79各类神经元放电时间间隔统计80类别数

40、-总距离平方和曲线82大脑功能分区83SOM 模型示意图83基于 SOM 的类别数确定与初始值选取84数据集 1 像密度图谱85训练阶段与桥接阶段的数据处理流程86模拟双通道微电子神经型电路91小型四通道模拟微电子神经型系统91神经信号探测电路原理图92电流型功能性电激励电路95第一代四通道第二代四通道单通道无线神经信号原型系统97系统原型97电路98神经信号与任意波形生成电路98前期设计的双向多通道神经系统桥接实验箱99小型单通道微电子神经桥实验箱100PC 端控制界面100小型单通道微电子神经桥实验箱原理图101相隔千里坐骨神经桥接演示实验原理图102X表格图 5-15图 5-16图 5-

41、17图 5-18图 5-19图 5-20图 5-21图 5-22图 5-23图 5-24图 5-25图 5-26图 5-27图 5-28图 6-1图 6-2图 6-3图 6-4图 6-5图 6-6图 6-7图 6-8图 6-9图 6-10图 6-11图 6-12图 6-13图 6-14图 6-15图 6-16图 6-17图 6-18图 6-19图 6-20图 6-21Beagoard-xm及功能说明103 104原理简图105快速原型验证快速原型验证基于待桥接神经元基于的算法模型105动作电位波形107的算法模型仿真结果108用于硬件实现的算法模型110 111实时处理算法部分GPIO 测试模

42、型112GPIO 驱动 112微电子神经桥系统框图113双核锁步 CPU 构架114基于 RM43L432 的硬件实现115实时处理算法部分 117微电子肌电桥应用于脑卒中后运动功能重建示意图121双通道微电子肌电型系统125单级高通滤波器1268 阶切高通滤波器幅频特性127双通道功能性电激励电路原理图128算法硬件实现程序流程图130算法部分执行结果130力量实验示意图131Bagnoli-16 系统131量性能132单通道激励脉冲生成算双通道激励算法实验示意图134分类器设计134双通道激励脉冲生成算法部分结果135探测电极位点选择136基于虚拟现实系统的康复任务137双通道微电子肌电型

43、系统绝缘性能137双通道系统临床实验 138与指伸动作相关的肌肉139用于手部运动功能重建的微电子肌电型系统140探测手套电子部分141激励器人机界面及结构141XI表格表 格表 4-1表 4-2表 4-3表 4-4表 4-5表 4-表 4-7表 4-8表 4-9表 4-10表 4-11表 4-12表 5-1表 5-2表 5-3表 6-1表 6-2表 6-3不同噪声标准差与放电频率下三种估计方法比较42传统幅度阈值算法动作电位检测结果47改进的幅度阈值算法动作电位检测结果50Quiroga 动作电位检测算法结果52二次筛选+改进的幅度阈值法动作电位检测结果56种方法性能比较57待选特征参数66

44、基于概率密度函数选择的特征参数69各种特征提取算法的可分性测度73正态性检验特征参数选择+Kmeans 聚类结果76概率密度特征参数选择+Kmeans 聚类结果77本文方法与参考文献方法分类正确率对比81神经信号探测电路性能参数94功能性电激励电路性能参数96算法三倍交叉验证结果109各种运动功能重建康复方法比较1248 阶切高通滤波器设计参数126最大主动收缩 MVC 与刺激频率 SF 关系拟合132XII第 1 章 绪论第 1 章绪论1.1 问题背景瘫痪是由于神经系统，尤其是中枢神经系统 CNS (Central Nervous System)的疾病或者损伤导致的一个或多个肌肉群功能丧失的

45、疾病，常伴有运动或者感觉功能的丧失1,2。身体一侧肌肉，如面部肌肉和肢体肌肉出现的瘫痪称为偏瘫，这种瘫痪通常是由于对侧脑区神经元集群损伤所引起的。脊髓损伤的位置与损伤程度决定了瘫痪的部位与程度。双侧下肢的瘫痪称为截瘫，而四肢的瘫痪称为全瘫。以上概念如图 1-1 所示。图 1-1偏瘫、截瘫与全瘫示意图的统计数据3归纳出由于缺乏我国瘫痪以下要点：的相关数据，因此参考1)在，大约 1.9%的(约 5,596,000 人)患有不同程度的瘫痪。据此推测，在我国，约有 24,700,000 人患有不同程度的瘫痪。2)3)发生瘫痪的16%的瘫痪分布如图 1-2 所示，其平均完全丧失运动功能，36%的瘫痪为

46、52 岁。伴有严重的运动功能。据此数据推算，在我国，约有 12,800,000 瘫痪完全丧失运动功能或伴有严重的功能。4)导致瘫痪的主要原因有脊髓损伤 SCI (Spinal Cord Injury)、脑卒中、多发性硬化症、脑瘫、脊髓灰质炎后综合症、多发性神经导致的瘫痪所占比例如图 1-3 所示。瘤、脑损伤、缺陷等。在，130脊髓灰质炎后综合症5%大脑性麻痹其它7%24.4%259%多发性神经4%瘤22.8%脊髓损伤23% 脑损伤204%15.2%15多发性硬化17%11.9%108.2%6 6%6.4%4.6%缺陷2%50脑卒中29%0-19 20-29 30-39 40-49 50-59

47、60-69 70-7980+图 1-2 发生瘫痪的分布图图 1-3各种瘫痪原因所占比例由图 1-3 可知，脊髓损伤(23%)与脑卒中(29%)所造成的瘫痪占 50%以上，是造成瘫痪的主要原因。本文主要涉及由脊髓损伤与脑卒中导致的瘫痪肢体运动功能重建问题。首先对这两类造成瘫痪原因的流行病学现状进行介绍。1.1.1 脊髓损伤脊髓损伤是骨科、神经外科和急救医学所的难题之一。早在公元前 2500年，脊髓损伤即引起古埃及医学的关注，但至今仍未获得实质性进展4。脊髓损伤呈现四高一多的特点5，即：高发生率、高致残率、高耗费、高需求和多学科参与处理，一直是各国临床医学研究的重点课题。同样由于缺乏我国完整的脊髓

48、损伤据3，得出相关数据如下：相关数据，参考所提供的数1)在，脊髓损伤约占总的 0.4%(约 1,275,000 人)。据此推测，我国约有脊5,200,000 人。髓损伤2)3)发生脊髓损伤的分布如图 1-4 所示，平均为 48 岁。在脊髓损伤造成的瘫痪中，13%的完全丧失运动功能，35%的伴有严重的运动功能。据此数据推算，我国约有 2,500,000 因为脊髓损伤而完全丧失运动功能或伴有严重运动功能造成脊髓损伤的主要原因有的瘫痪。4)、工作事故、高空坠落、运动意外、所占的比例如图 1-5 所示。事件、出生缺陷、自然等。由图 1-5 可知，在，工作事故(28%)与(24%)是造成脊髓损伤的主要原

49、因。在我国，以地区为例，相关数据6表明，地区每年新增受伤原因前三位分别是：高处坠落(41.3%)、交通事故(22.3%)和重物砸伤(18.6%)。并且随着社会的发展，高速公2百分比（%）第 1 章 绪论路交通事故所造成的脊髓损伤将呈上升趋势。脊髓损伤患者的受伤部位情况如下：颈部损伤(4.9%)、胸部损伤(28.0%)、腰骶部损伤(66.7%)、多发性(2%)。脊髓损伤的视为 60 例/百万/年，以此国家、地区与时段不同而有差异。地区脊髓损伤数据推算，我国每年新增约 78,000 例脊髓损伤患者。35其它 自然未知原因9%6%1%30.1%30运动意外16%24.9%25出生缺陷 3%事件4%2

50、4%201512.0%11 5%11.1% 高空坠落9%105.7%53.7%1.0%0工作事故28%图 1-5 各种脊髓损伤原因所占比例0-19 20-29 30-39 40-49 50-59 60-69 70-7980+图 1-4 发生脊髓损伤的分布1.1.2 脑卒中脑卒中，俗称中风，是因各种诱发引起脑内动脉狭窄、闭塞或破裂而造成的急或性脑功能的症状和体征。性脑血液循环，临表现为脑卒中大致可以分为两类：缺血性脑卒中 IS (Ischemic Stroke)和性脑卒中 HS(Hemorrhagic Stroke)。其中，IS 发生概率较高7,8，中国约有 62.4%的中风患者为 IS，美国约

51、为 87%。脑卒中具有较高的、致残率、率，世界范围内，脑卒中是导致人类的第二大常见原因以及致残的主要原因9。“2013 年中国脑卒中大会”，我国目前脑卒中患者高达 1000 万人以上。根据流行病学研究表明，在我国，脑卒中正以每年近 9%的速度上升，每年有 150200发脑卒中病例10,11 ，年脑卒中(58142)/10 万12。并且由于我国为(116219)/10 万化问题，人均，年脑卒中率为的延长，以及西方生还将进一步上升13。活方式的影响，脑卒中的随着脑卒中抢救成功率的提高，率大大降低。但是，约 80%的脑卒中患者有不同程度的功能后遗症，如偏瘫、认知、抑郁症和失语等。其中，以运动功能障碍

52、表现的偏瘫发生率最高，是直接影响患者生存质量的主要原因，成为社会、家庭的沉的统计数据推算3，在我国，目前约有 7,200,000 因脑卒中导致重负担。根据的偏瘫后遗症患者。3百分比（%）1.2 项目组前期工作电子信息科学与临床医学、神经生物学的结合为解决传统生命科学中的难题带来了新的思路。较为成功的运用有人工耳蜗14，人工视网膜15,16，心脏起搏器等，如图 1-6所示。人工耳蜗是一种电子装置，可以将声音信号转换为一定编码的电信号，通过植入耳蜗内的电极对听神经施加刺激，从而使聋人产生一定疗耳聋的常规方法之一。知觉。人工耳蜗已经成为治人工视网膜是另一种电子装置，通过将外界光信息转换为电信号，并对

53、盲人视觉通路完好的部分进行电刺激，兴奋细胞，从而模拟自然光刺激的效果，使盲人产生视觉感受。心脏起搏器也是一种电子装置，通过电刺激相应的心肌，使心脏收缩，从而达到治疗由于某些心率失常所导致的心脏功能。(a) 人工耳蜗(b) 人工视网膜(c) 心脏起搏器图 1-6各种电子信息科学与生命科学的结合脊髓神经损伤后的信号再生与功能重建是世界生命科学领域中尚未攻克的难题。由于哺乳动物的中枢神经再生极其，采用生物学方法修复损伤的中枢神经尚未取得突破性进展。在这样的背景下，本人所在项目组教授和教授 10 年前与南通大学教授合作在国内外首次提出对神经信号上下行信道进行有源桥接再生的设想。即利用微电子装置，替代受

54、损的脊髓神经，恢复脊髓神经信号的传递。该想法又称之为“微电子神经桥”MENB (Micro-Electronic Neural Bridge)，并已经获得中国发明专利17和发明专利18。为脊髓损伤患者的康复带来。本项目组从 2004 年开始，在国家自然科学基金项目“微电子神经信道桥接与信号再生研究”(90707005)，“植入式中枢神经功能重建 SOC 的设计与实验研究” (90307013)的资助下进行“微电子神经桥”的相关研究工作，至今已经累计毕业 3 名博士。按照毕业顺序，对各位博士的工作总结如下：4第 1 章 绪论的主要工作为19：1)2)3)分析了神经与神经电极的耦合模型，研制了多通

55、道神经信道桥接试验箱，开发了应用于华大九天 Zeni EDA 系统的艺设计套件，研究了无线经皮能量传输耦合系统，上华 CSMC DPDM 0.6m CMOS 工4)5)基于 CSMC DPDM 0.6m CMOS 工艺设计了多种 CMOS 神经信号探测放大。的主要工作为20：1)基于CSMC DPDM 0.5m CMOS 工艺设计了用于微电极阵列MEA(Micro ElectrodeArray)的探测、激励，2)3)基于 CSMC DPDM 0.5m CMOS 工艺设计了多种植入式神经信号再生电路，考虑利用斩波结构改进了探测电路。的主要工作为21：1)2)3)4)5)研究、制作了用于脊髓信号探

56、测与激励的针灸针电极并设计相应的固定方法，对神经信号的特性进行了初步分析，设计了两种微电子神经桥系统，进行了脊髓神经功能定位，进行了各种与神经信号再生相关的动物实验。1.3本文研究内容与创新点项目组前期主要围绕用于脊髓神经损伤后功能重建的“微电子神经桥”而展开工作。本文期工作的基础上，主要进行“微电子神经桥”电子系统设计以及相关数字信号处理算法的研究。在本文的最后部分，初步涉及近年来项目组针对脑卒中偏瘫行的“微电子肌电桥”MEMB (Micro-Electronic Muscular Bridge)方面的工作。所进本文主要内容如下：研究神经元胞外探测仿真神经信号的生成算法。仿真神经信号是进行相

57、关神经信号处理算法的基础。研究胞外探测中神经元动作电位的检测算法。在此基础上，进行动作电位模式识别的相关研究。动作电位的检测与模式识别是“微电子神经桥”进行选择性激励的基础。53)基于分立器件与集成电路，进行了“微电子神经桥”相关原型系统的设计，包括神经信号探测电路、功能性电刺激电路、无线/有线神经信号电路、功能电刺激信号生成电路、小型微电子神经桥实验箱、快速原型算法验证及实时动作电位检测与识别电路。、以4)基于分立器件与集成电路，进行了“微电子肌电桥”相关原型系统的设计，包括双通道微电子肌电型系统以及用于手部运动功能重建的微电子肌电桥系统。其中，双通道微电子肌电型系统目前已经用于临床科学实验

58、。本文所涉及的创新点如下：1)设计了一种新的基于幅度与动态一阶前向差分阈值的动作电位检测算法，利用加州理工大学提供的数据库进99.45%与 97.21%。试，该算法的平均灵敏度与特异度分别达到2)设计了一种利用滑动窗口与极差判别以及中值估计的神经信号背景噪声估计算法，该算法相比于 Donoho 与 Johnstone 等人所下，估计精度提高了 3 倍。算法，在 100Hz 放电频率3)设计了两种离散小波变换后的特征选择方法：（1）利用 Lilfors 检验以及层次化选择的方法进行特征系数选择；（2）利用 Parzen 窗估计，即核密度估计的方法进行特征系数选择。在本文所用的可分性测度下，证明了

59、本文所特征选择方法优于基于时域特征提取以及基于 Karen-Love 变换的特征提取方法。4)5)将自组织基于以及应用于动态聚类的初始值确定以及类别数确定。R2013a 以后版本所提供的板级支持包，设计了以 Beagoard-xm为的算法快速验证。实现了动作电位检测与识别算法的快速原型设计。基于该与相同的开发方法也可以应用于其它相关实时信号处理领域，完成相关数字信号处理算法的快速建模与验证，具有普适意义。1.4 本文组织结构本是交叉学科的课题研究。总体上来看，主要涉及针对脊髓神经损伤患者运动功能重建的“微电子神经桥”以及针对脑卒中偏瘫患者运动功能重建的“微电子肌电桥”。对于脊髓神经损伤患者，希

60、望利用“微电子神经桥”，替代受损的神经，达到运动功能重建的目的。而对于脑卒中偏瘫后遗症患者，利用“微电子肌电桥”为患者提供康复训练装置，通过训练，促进患者本身的脑重塑，从而实现运动功能康复。本文第 1 章作为绪论首先对造成瘫痪的原因进行分析，并对造成瘫痪的主要原因脊髓损伤与脑卒中进行了介绍。之后对项目组前期的工作进行了介绍，提出本的研究6第 1 章 绪论内容与创新点。第 2 章至第 5 章涉及“微电子神经桥”相关内容。第 2 章对“微电子神经桥”涉及的神经生物学基础进行介绍，对治疗脊髓损伤的生物学方法进行综述，并介绍“微电子神经桥”的原理。第 3 章介绍“微电子神经桥”所采用的神经信号探测与激