Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 首都医科大学宣武医院刘芃昊获国家专利权

首都医科大学宣武医院刘芃昊获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉首都医科大学宣武医院申请的专利脑机接口和脊髓神经调控下的器械植入安全性分析方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN121054182B

龙图腾网通过国家知识产权局官网在2026-04-03发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202511199393.8,技术领域涉及:G16H20/40;该发明授权脑机接口和脊髓神经调控下的器械植入安全性分析方法是由刘芃昊;段婉茹;何亚娜;朱沙玺;王艺清;徐卓凡;程元琛设计研发完成,并于2025-08-26向国家知识产权局提交的专利申请。

脑机接口和脊髓神经调控下的器械植入安全性分析方法在说明书摘要公布了:本发明公开了脑机接口和脊髓神经调控下的器械植入安全性分析方法,涉及生物医学工程与神经工程交叉技术领域,本发明通过构建描述大脑运动皮层、脊髓运动神经元、肌肉效应器通路的耦合动力学模型,该模型以BCI解码指令和实际采集的多模态生理信号为输入,通过参数辨识持续优化,计算实际脊髓响应与模型生成的预期响应之间的差异,实时比对耦合动力学模型的预测值与实际值,动态计算风险值,一旦超越阈值,立即锁定风险主导因素,并据此触发高度特异性的自适应调节机制,确保BCI‑SCN系统在复杂多变的人体神经环境中始终工作在安全区间内,将宏观观测到的异常现象精准地溯源至微观层面的特定原因,为后续的精准调控提供决策依据。

本发明授权脑机接口和脊髓神经调控下的器械植入安全性分析方法在权利要求书中公布了:1.脑机接口和脊髓神经调控下的器械植入安全性分析方法,其特征在于,该方法的具体步骤为: S100、多模态生理数据采集与同步:通过植入式脑机接口电极阵列采集大脑神经电信号,同时通过植入于脊髓硬膜外和皮下的调控器电极采集脊髓神经电信号与局部肌电信号,并同步记录生命体征的心率、血压及血氧饱和度数据,构建时空同步的多模态生理数据集; S200、神经功能联动与冲突建模:基于所述多模态生理数据集,建立脑-脊髓神经通路的耦合动力学模型,量化分析由脑机接口指令引发的预期脊髓响应与实际记录的脊髓响应之间的协同性指数、冲突系数,并识别异常联动模式; 所述S200中,耦合动力学模型的构建过程为: 数据预处理与特征提取:对S100中所述的多模态生理数据集进行预处理,包括采用带通滤波提取神经电信号的有效成分,采用小波变换去除肌电信号中的运动伪迹,并对所有信号进行归一化处理,从预处理后的信号中提取时域特征和频域特征,所述时域特征包括峰值幅度、潜伏期和曲线下面积,所述频域特征包括功率谱密度和主频分量; 耦合动力学模型构建:基于预处理后的特征数据,建立描述脑信号与脊髓信号相互作用的耦合动力学模型,该模型由耦合微分方程组定义,且模型输入与提取的特征直接关联,所述耦合微分方程组为,其中,为时刻的脑神经信号状态向量,为时刻的脊髓神经信号状态向量,为脑信号自动力学参数矩阵,元素表示第个脑信号特征对第个脑信号特征的自调控强度,为脊髓信号自动力学参数矩阵,元素表示第个脊髓信号特征对第个脊髓信号特征的自调控强度,为脑到脊髓的耦合强度矩阵,元素表示第个脑信号特征对第个脊髓信号特征的调控强度,为脊髓到脑的耦合强度矩阵,元素表示第个脊髓信号特征对第个脑信号特征的反馈强度,为脑到脊髓的非线性变换激活函数,为脊髓到脑的非线性变换激活函数,为脑到脊髓的传导时间延迟,为脊髓到脑的传导时间延迟,为脑信号外部控制输入向量,取值为S100中脑机接口的指令信号强度,为脊髓信号外部控制输入向量,取值为S100中脊髓调控器的刺激信号强度,为脑信号输入增益矩阵,元素表示外部控制输入对第个脑信号特征的增益系数,为脊髓信号输入增益矩阵,元素表示外部控制输入对第个脊髓信号特征的增益系数,为脑信号系统噪声,为脊髓信号系统噪声; 模型参数辨识与优化:对耦合动力学模型中的参数矩阵、时间延迟及输入增益矩阵进行在线辨识和实时优化,使模型输出与实测数据之间的均方误差最小化; 基于在线辨识和实时优化后的模型参数,计算协同性指数CI和冲突系数CC,其中,所述协同性指数CI用于量化脑-脊髓信号的同步协同程度,所述,其中,cross_corrx,y为脑信号状态向量与脊髓信号状态向量的交叉相关矩阵,max·是取最大特征值作为协同性指数,判定为协同性良,提示协同性异常; 所述冲突系数CC,用于量化实际脊髓响应与预期响应的冲突程度,所述,其中,为实际记录的脊髓神经信号特征向量,为基于耦合动力学模型预测的脊髓响应向量,为实际响应与预期响应的欧氏距离,为标准化参数,取值为S100静息状态下脊髓信号特征的标准差,越接近1代表冲突越严重,提示存在显著冲突; S300、安全性风险动态评估:基于所述协同性指数、冲突系数和异常联动模式的识别结果,引入风险评估算法,实时计算短期风险值和长期风险值; S400、多级预警与自适应调控触发:设定与所述短期风险值和长期风险值对应的安全阈值,当风险评估结果超过任一安全阈值时,生成相应异常信号,并据此触发植入式调控器械的自适应调节机制; S500、安全闭环验证与学习优化:在执行自适应调控后,再次采集生理数据,比较自适应调节前后,由相同脑机接口指令所引发的脊髓响应信号和肌电信号的特征差异,当异常联动模式消失或风险值回落至安全范围内,则判定缓解有效。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人首都医科大学宣武医院,其通讯地址为:100000 北京市西城区长椿街45号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。