eeg_data:128通道脑电数据
delay:时间延迟
dimension:嵌入维度
“““
n_els,n_samples=eeg_data。shape
#。。。重构算法
returnphase_space
#步骤2:吸引子识别
defidentify_attractor:
“““
识别大脑状态的吸引子位置
返回:吸引子中心坐标和吸引域半径
“““
#用聚类算法找吸引子中心
#。。。
returnattractor_ter,basin_radius
#步骤3:刺激轨迹优化
defoptimize_stimulation:
“““
计算最优刺激轨迹
从当前状态推向目标吸引子
“““
#用变分法求解最优控制问题
#。。。
returnoptimal_trajectory
一周后的凌晨四点,最后一行代码写完了。
林煜按下回车,程序开始运行。
屏幕上,三位患者的数据被输入系统,算法自动分析,输出结果:
PatientDOC-07:
-昏迷吸引子位置:[-2。3,0。8,1。2,。。。]
-意识吸引子位置:[1。8,-0。5,2。1,。。。]
-吸引子间距离:4。7个标准差
-最优刺激轨迹:[计算完成]
-预测唤醒成功率:87%
PatientDOC-02:
-昏迷吸引子位置:[-2。1,0。9,1。0,。。。]