The invention discloses a common spatial pattern and depth learning method based on the brain machine interface assisted rehabilitation medical treatment, including the following steps: Step 1: brain electrical signal preprocessing, the EEG signal after filtering noise is obtained; step 2: the improved OVR CSP algorithm can feature extraction of multi class motion imaginary EEG signals after filtering noise. The characteristics of each kind of motion picture of EEG signal are obtained, one dimension characteristic data is formed, and the variance is used as the input of the classifier; step 3: using the modified CNN network adapted to one dimension input sample, the two features are extracted and classified. By using the technical scheme of the invention, the movement position of the patient and the movement state of the limb are more accurately judged, and the objective data support is provided for the scale evaluation of the degree of the patient's rehabilitation.
【技术实现步骤摘要】
一种基于脑机接口辅助康复医疗的共空间模式与深度学习方法
本专利技术属于康复治疗神经学科
,涉及一种基于脑机接口辅助康复医疗的共空间模式与深度学习方法。
技术介绍
脑卒中(俗称:脑中风Stroke),是由于脑部血管突然破裂或因血管阻塞导致血液不能流入大脑而引起脑组织损伤的一种常见的脑血液循环障碍性疾病。由于其发病率较高,具有极高的致残率,严重威胁人类健康。美国心脏协会(AHA)2016年心脏病与卒中统计数据更新显示,脑卒中是仅次于心脏病的全球人类健康杀手。而在我国脑卒中的发生率正以每年8.7%的速度上升,患病率及死亡率仅次于高血压位于第二,给社会和家庭带来沉重的精神压力和巨大的经济负担。当前从治疗手段分析,国内外脑卒中康复系统主要聚焦于临床康复训练系统与。临床康复训练系统多采用基于神经生理学基础的康复训练,主要是根据运动发育控制原理与大脑可塑性原理,利用共同运动、协同作用和姿势反射等神经运动机制,通过医师对患者临床的康复评定,对患者的功能状态和潜在能力进行判断,然后“对症下药”,进行相应的康复训练。目前临床上关于脑卒中运动功能评定的方法很多,如简式Fugl-Meyer运动功能评分法、Brunnstrom等级评测法等。这些量表评定的方法,都依赖于医生的检查和观察,属于人工评定,虽然临床上广泛使用,但评定结果容易受到康复医师主观因素的影响,且量表分级指标较多,需要康复医师全程参与,而有限的医师数量面对庞大的病患群体往往力不从心,甚至延误最佳治疗时机。目前我国的现状是临床康复资源(诸如康复医师、治疗师、护理人员、床位等)愈发紧张,且存在严重的区域不平衡,且对 ...
【技术保护点】
一种基于脑机接口辅助康复医疗的共空间模式与深度学习方法,其特征在于,包括以下步骤:步骤1:脑电信号预处理,得到滤除噪声后的脑电信号;步骤2:改进后的OVR‑CSP算法可对滤除噪声后的多类运动想象EEG信号进行特征提取,得到每一类的运动想象脑电信号的特征,形成一维特征数据,同时将方差作为分类器的输入;步骤3:利用改造后的适应一维输入样本的CNN网络进行二次特征提取并分类。
【技术特征摘要】
1.一种基于脑机接口辅助康复医疗的共空间模式与深度学习方法,其特征在于,包括以下步骤:步骤1:脑电信号预处理,得到滤除噪声后的脑电信号;步骤2:改进后的OVR-CSP算法可对滤除噪声后的多类运动想象EEG信号进行特征提取,得到每一类的运动想象脑电信号的特征,形成一维特征数据,同时将方差作为分类器的输入;步骤3:利用改造后的适应一维输入样本的CNN网络进行二次特征提取并分类。2.如权利要求1所述的基于脑机接口辅助康复医疗的共空间模式与深度学习方法,其特征在于,步骤1具体包括:小波包变换和快速独立分量分析两个过程:首先对原始的EEG进行WPT,确定WPT的分解层数,根据EEG和噪声的特点选择合适的小波基函数,最后确定要滤除高频噪声所在的频带,并对相应的频带置零;再对己经滤除高频噪声后的信号进行FastICA变换,FastICA逆变换和FastICA逆变换,得到滤除噪声后的脑电信号。3.如权利要求2所述的基于脑机接口辅助康复医疗的共空间模式与深度学习方法,其特征在于步骤2具体为:OVR-CSP是将五类运动想象任务分为五个新的两类分类问题,得到五个投影矩阵,经过投影后可得五组相应的空域特征;具体计算过程如下:设Xi(i=1,2,3,4,5)为五类任务的N*T脑电信号,N为采集信号的通道个数,T为每一通道的采样点数,T≥N,OVR-CSP算法的基本原理是,分别计算五类数据的归一化协方差矩阵Ri,即:可得混合空间协方差矩阵R为:其中,为五类任务多次实验的平均协方差矩阵,对R进行特征值分解,得:R=UVUT其中,U为R的特征向量,V为R的特征值矩阵;对特征值矩阵进行降序排列,按照排序后的位置对特征向量作相同的调整,则白化矩阵P为:P=V-1/2UTOVR-CSP在计算投影矩阵时,将其中一类归为一类,而其余四类则为另一类,即:将经过预处理的脑电信号X划分为新的两类分别是X1,X1′,向第i类模式下的投影方向进行投影,得:Z1=(U1′)...
【专利技术属性】
技术研发人员:王卓峥,杜秀文,吴强,董英杰,
申请(专利权)人:北京工业大学,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。