用于癫痫闭环电神经刺激的在线学习 Koopman 算子
系统与控制
2022-08-23 v5 系统与控制
神经元与认知
摘要
电神经调控作为一种姑息疗法已越来越多地用于癫痫的控制。然而，当前的神经调控通常实施预定的驱动策略，缺乏自适应调整刺激输入的能力。在这项工作中，我们基于最优控制理论，提出了一种用于癫痫实时闭环电神经调控的 Koopman-MPC 框架，其集成了 i) 基于深度 Koopman 算子的动力学模型，以近似有限维线性动力学预测癫痫 EEG 的时间演化，以及 ii) 模型预测控制 (MPC) 模块以设计最优癫痫发作抑制策略。基于 Koopman 算子的线性动力学模型被嵌入自编码器神经网络的潜状态空间中，其中我们可以在线近似并更新 Koopman 算子。Koopman 算子的线性动力学特性确保了后续 MPC 控制的优化问题的凸性。所提出的深度 Koopman 算子模型在合成和真实癫痫 EEG 数据上均显示出比基线模型（例如向量自回归模型、基于核的方法以及循环神经网络 (RNN)）更强的预测能力。此外，与 RNN-MPC 框架相比，我们的 Koopman-MPC 框架在 Jansen-Rit 模型和 Epileptor 模型中均能以提高的计算效率抑制癫痫动力学。Koopman-MPC 框架为基于模型的闭环神经调控打开了新窗口，并为非线性神经动力学与反馈控制策略提供了启示。
引用
@article{arxiv.2103.14321,
title = {Online Learning Koopman operator for closed-loop electrical neurostimulation in epilepsy},
author = {Zhichao Liang and Zixiang Luo and Keyin Liu and Jingwei Qiu and Quanying Liu},
journal= {arXiv preprint arXiv:2103.14321},
year = {2022}
}