一种基于谱熵的注意力康复训练及评估方法技术

本发明专利技术涉及一种基于谱熵的注意力康复训练及评估方法，包括S1：采集康复训练对象对于简单的语音注意任务的脑电波EEG相关电位，并对EEG数据进行预处理；S2：计算预处理后脑电波数据的功率谱密度；S3：计算谱熵值；S4：利用支持向量机，以谱熵值为特征对康复训练中的注意EEG信号进行训练，得到分类模型；S5：采集康复训练对象训练前的静息态数据；S6：对康复训练对象进行康复训练，并对康复训练过程中的EEG数据进行实时分类；S7：根据实时分类结果进行反馈，给出相应的提示，帮助集中注意力；S8：采集康复训练对象训练后的静息态数据；S9：根据训练前后静息态数据采集的谱熵值的变化来判断康复训练效果。

【技术实现步骤摘要】
一种基于谱熵的注意力康复训练及评估方法
本专利技术属于注意力康复
，涉及一种基于谱熵的注意力康复训练及评估方法。
技术介绍
目前，对于注意力缺陷者的主要治疗手段包括药物治疗和非药物治疗。以哌甲酯为代表的中枢神经兴奋剂是最常用的药物，起效快，效果显著，但由于药物的作用时间短，及其对患者产生药物副作用，越来越多的患者更倾向于选择非药物治疗。在众多非药物治疗手段中，脑电生物反馈治疗因其安全有效、疗效持久、无副作用等优点逐渐成为治疗注意力缺陷患者的主要方向。大量的临床试验证明，脑电生物反馈疗法治疗注意力缺陷的疗效与中枢神经兴奋剂的疗效相当。最近几年，出现了用游戏与BCI组合来帮助小儿多动症康复的报道。报道中，把θ/β比值作为区分正常儿童和小儿多动症儿童的指标，应用了游戏可以使患儿保持轻松，而轻松情况下有助于θ/β趋于正常水平，检测游戏过程中θ/β比值是否下降，并没有起到生物反馈效果。近来，关于熵的研究越来越多，已有研究报道中指出ADHD患者在执行注意认知任务中右侧额叶的ApEn显著低于正常人(参见Linearandnon-linearEEGanalysisofadolescentswithattention-deficit/hyperactivitydisorderduringacognitivetask)，这说明熵值可以作为注意力缺陷患者患病程度一个参考指标。另一篇报道研究发现健康被试和闭锁综合症的患者(意识正常，不能言语和运动)在主动注意的状态下谱熵相比于静息态和被动注意增加(参见TowardanAttention-BasedDiagnosticToolforPatientsWithLocked-inSyndrome)。这说明谱熵值可以作为是否处于注意状态的一个指标。现在有一些专利提到了用BCI来对做注意力缺陷患者的康复训练，但是几乎没有人注意到对康复训练效果的评价指标。比如采用EEG信号来实时人脑注意力达到测试和训练目的的系统(申请号：CN107024987)但是该专利注重的是系统的搭建，并未详细提出针对注意康复训练中的分类特征的选取，同时，也没有对治疗效果进行评估。专利基于脑电信号的特征提取及其监测提取系统(申请号：CN108236464)中也提到了采用熵作为特征进行注意康复训练，但是主要采用信息熵的方法不同于本专利技术中的谱熵，且该专利技术也未提供康复训练效果的评价指标。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种基于谱熵的注意力康复训练及评估方法，采用谱熵值作为特征，对注意力缺陷患者先训练出分类模型，对康复训练过程中的数据实时分类，机器人根据分类结果做出相应的提示。这个过程中患者只需保持身体不动并集中注意力观看机器人的表演，根据机器人的提示做出调整，从而起到康复训练的效果。本方法根据谱熵值作为特征进行分类，有效地对患者进行主动训练，从根本上治疗注意力缺陷的病症；同时将训练前后的谱熵值作为治疗效果的评价指标更有说服力。为达到上述目的，本专利技术提供如下技术方案：一种基于谱熵的注意力康复训练及评估方法，包括以下步骤：S1：采集康复训练对象对于简单的语音注意任务的脑电波EEG相关电位，并对EEG数据进行预处理；S2：计算预处理后脑电波数据的功率谱密度；S3：计算谱熵值；S4：利用支持向量机，以谱熵值为特征对康复训练中的注意EEG信号进行训练，得到分类模型；S5：采集康复训练对象训练前的静息态数据；S6：对康复训练对象进行康复训练，并对康复训练过程中的EEG数据进行实时分类；S7：根据实时分类结果进行反馈，给出相应的提示，帮助集中注意力；S8：采集康复训练对象训练后的静息态数据；S9：根据训练前后静息态数据采集的谱熵值变化来判断康复训练效果。进一步，步骤S1中所述对EEG数据预处理，包括脑电分段，坏道剔除，坏道修复，滤波，基线校正和伪迹去除；其中，脑电分段：①在离线数据时，刺激重复呈现，每个trial分为一段；②在训练中，要求长期保持注意力集中的状态，所以将每10s分割成一段；基线校正：在数据采集过程中，由于外界噪声和被试自身的原因，信号可能会产生漂移，为了克服这一现象产生的错误，将刺激前200ms的数据段的平均作为基线，刺激后的数据段都要减去基线；去除伪迹：去除眼动眨眼等伪迹。进一步，步骤S2中，预处理后的数据使用Welch方法求出功率谱密度P(f)，将P(f)标准化得到关于频率f的概率密度函数进一步，步骤S3中，通过选取全频段0.5-45Hz的功率谱数据计算谱熵进一步，步骤S4中，分类模型的训练方法包括：将关键词出现按键正确的trail记为正样本，没有按键的记为负样本，将没有关键词出现没有按键的记为正样本，按键操作的记为负样本，使用SVM方法训练出分类模型。本专利技术的有益效果在于：本专利技术提出了谱熵值作为注意分类的特征值，大大提高了分类的准确率。该专利技术谱熵值的变化为量化治疗效果提供一个依据。同时，该专利技术属于基于BCI的脑电生物反馈疗法，可以通过调节病患的脑电活动来调节整个皮层和皮层下环路的功能水平，强化适宜的调节，抑制不适宜的调节，从而真正改善整个脑功能。患者训练前后静息态数据的谱熵值进行比较，可以有效地量化康复训练效果。附图说明为了使本专利技术的目的、技术方案和有益效果更加清楚，本专利技术提供如下附图进行说明：图1为基于谱熵的注意力康复训练系统图；图2为康复训练具体过程图；图3为离线训练标记样本流程图；图4为训练前后与标准(正常人)的谱熵值对比图。具体实施方式下面将结合附图，对本专利技术的优选实施例进行详细的描述。如图1-3所示，本专利技术提供一种基于谱熵的注意力康复训练及评估方法，其中共有三个角色，分别为注意力缺陷者，机器人，治疗师。关于这三个角色的任务分配如下：注意力缺陷者：佩戴简单的电极帽，集中注意力保持并不动，根据机器人的语音提示主动调节自身的行为和意识。机器人：根据患者的EEG信号的分类结果对患者做出语音和动作反馈。治疗师：帮助患者佩戴电极帽，根据患者病情设定治疗时间。在康复训练过程中需要注意力缺陷者戴好简易的电极帽，连通脑电数据采集设备，机器人就可以根据患者的状态做出相应的反应。本专利技术的基本原理是当患者注意力集中时，谱熵值增加，注意涣散时，谱熵值减少，谱熵值作为特征进行分类，将分类结果通过机器人等反馈端的提示反馈给患者，让患者实时地调节自身的状态。在注意力训练前需要采集患者对于简单的语音注意任务相关电位，对离线数据进行预处理，提取谱熵值。将离线训练过程中，将关键词出现按键正确的trail记为正样本，没有按键的记为负样本，将没有关键词出现没有按键的记为正样本，按键操作的记为负样本，使用SVM方法训练出分类模型。采集患者在训练前后的静息态数据，根据患者两次静息态数据采集的谱熵值的变化来判断治疗效果，如果训练前后静息态的谱熵值有明显的增加，则证明本次取得了良好的治疗效果。注意力训练过程中要求患者保持身体不动且注意力集中，根据具体读书篇章对相应关键词(比如，小说中的人物，地点，写景文章中的描写景物的形容词等)出现的次数进行默记，并且机器人读到关键词时做出指定动作(如：抬臂)来加强患者的感官输入。如果过程中出现注意力不集中或者乱动的异常情况时，机器人给出相应的提示，若患者在提醒多次后仍注意力无法集中，机器人开始本文档来自技高网...

【技术保护点】
1.一种基于谱熵的注意力康复训练及评估方法，其特征在于：包括以下步骤：S1：采集康复训练对象对于简单的语音注意任务的脑电波EEG相关电位，并对EEG数据进行预处理；S2：计算预处理后脑电波数据的功率谱密度；S3：计算谱熵值；S4：利用支持向量机，以谱熵值为特征对康复训练中的注意EEG信号进行训练，得到分类模型；S5：采集康复训练对象训练前的静息态数据；S6：对康复训练对象进行康复训练，并对康复训练过程中的EEG数据进行实时分类；S7：根据实时分类结果进行反馈，给出相应的提示，帮助集中注意力；S8：采集康复训练对象训练后的静息态数据；S9：根据训练前后静息态数据采集的谱熵值变化来判断康复训练效果。

【技术特征摘要】
1.一种基于谱熵的注意力康复训练及评估方法，其特征在于：包括以下步骤：S1：采集康复训练对象对于简单的语音注意任务的脑电波EEG相关电位，并对EEG数据进行预处理；S2：计算预处理后脑电波数据的功率谱密度；S3：计算谱熵值；S4：利用支持向量机，以谱熵值为特征对康复训练中的注意EEG信号进行训练，得到分类模型；S5：采集康复训练对象训练前的静息态数据；S6：对康复训练对象进行康复训练，并对康复训练过程中的EEG数据进行实时分类；S7：根据实时分类结果进行反馈，给出相应的提示，帮助集中注意力；S8：采集康复训练对象训练后的静息态数据；S9：根据训练前后静息态数据采集的谱熵值变化来判断康复训练效果。2.根据权利要求1所述的基于谱熵的注意力康复训练及评估方法，其特征在于：步骤S1中所述对EEG数据预处理，包括脑电分段，坏道剔除，坏道修复，滤波，基线校正和伪迹去除；其中，脑电分段：①在离线数据时，刺激重复呈现，每个trial分为一段；②在...

【专利技术属性】
技术研发人员：田银，史玉盼，张慧玲，巫昱杉，杨利，张海勇，马亮，李扬，李沛洋，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆,50