基于脑电信号的康复训练方法、计算机装置以及计算机可读存储介质制造方法及图纸

本发明专利技术提供基于脑电信号的康复训练方法、计算机装置以及计算机可读存储介质，该方法包括：获取脑机采集的训练脑电信号，利用预设时间戳对训练脑电信号进行标记，获得康复训练数据；以预设机器学习算法对康复训练数据进行分类模型训练，获得指令分类模型；实时获取脑机采集的当前脑电信号，根据指令分类模型对当前脑电信号进行指令分类预测，确认当前脑电信号所对应的操作指令；根据操作指令控制VR设备进行视觉反馈。该计算机装置包括控制器，控制器用于执行存储器中存储的计算机程序时实现上述的方法。该计算机可读存储介质，其上存储有计算机程序，计算机程序被控制器执行时实现上述的方法。本发明专利技术可改善脑机采集的脑电信号，提高控制精度。

Rehabilitation training method, computer device and computer readable storage medium based on EEG

【技术实现步骤摘要】
基于脑电信号的康复训练方法、计算机装置以及计算机可读存储介质
本专利技术涉及脑电
，具体的，涉及一种基于脑电信号的康复训练方法，还涉及应用该基于脑电信号的康复训练方法的计算机装置，还涉及应用该基于脑电信号的康复训练方法的计算机可读存储介质。
技术介绍
脑机接口(BrainComputerInterface，BCI)是在人脑和计算机或其他电子设备之间建立不依赖于常规大脑信息输出通路(外周神经和肌肉组织)的全新对外信息交流和控制技术。研究BCI系统的最初目的是为患有神经和运动系统疾病的患者提供一种与外界交流的方式，可以让患者用自己的思维意识控制外部设备，进一步提高患者的生活品质。近年来，随着虚拟现实(VirtualReality，VR)技术的成熟，将BCI技术与VR技术相结合，构成一种基于虚拟技术的新型脑机接口(BCI－VR)系统。利用VR头显即虚拟现实头戴式显示设备产生更积极主动、更丰富多彩、更具激励性的视觉刺激场景，可大大缩小现有BCI系统的体积，实现BCI系统的便携，大大促进BCI系统在临床医学和生产、生活中的应用。然而，由于外部脑机交互装置获取脑电信号存在不稳定因素，信号质量不佳，从而导致脑机接口系统控制精度较低。
技术实现思路
本专利技术的第一目的是提供一种改善脑机采集的脑电信号，提高控制精度的基于脑电信号的康复训练方法。本专利技术的第二目的是提供一种改善脑机采集的脑电信号，提高控制精度的计算机装置。本专利技术的第三目的是提供一种改善脑机采集的脑电信号，提高控制精度的计算机可读存储介质。为了实现上述第一目的，本专利技术提供的基于脑电信号的康复训练方法包括：获取脑机采集的训练脑电信号，利用预设时间戳对训练脑电信号进行标记，获得康复训练数据；以预设机器学习算法对康复训练数据进行分类模型训练，获得指令分类模型；实时获取脑机采集的当前脑电信号，根据指令分类模型对当前脑电信号进行指令分类预测，确认当前脑电信号所对应的操作指令；根据操作指令控制VR设备进行操作指令对应的视觉反馈。由上述方案可见，本专利技术基于脑电信号的康复训练方法通过利用预设时间戳对脑机采集的训练脑电信号进行标记，可标记出较稳定的脑电信号，提高获取康复训练数据的精度，使得以预设机器学习算法对康复训练数据进行模型训练时，提高指令分类模型的准确度，进而在对当前脑电信号进行指令分类预测时，提高操作指令预测的准确性，从而提高控制VR设备的准确性。进一步的方案中，获取脑机采集的训练脑电信号的步骤包括：在第一时间段内控制显示装置显示准备信息，获取脑机采集的准备阶段脑电信号；在第二时间段内控制显示装置显示指令信息，获取脑机采集的指令阶段脑电信号，第二时间段在时间顺序上位于第一时间段之后；在第三时间段内控制显示装置显示停止信息，获取脑机采集的停止阶段脑电信号，第三时间段在时间顺序上位于第二时间段之后。由此可见，在获取脑机采集的训练脑电信号时，通过不同的时间段显示不同的信息，以便患者可根据显示信息进行想象，从而使得脑机采集的训练脑电信号更加稳定。进一步方案中，康复训练数据是第二时间段开启后第四时间段内的指令阶段脑电信号。由此可见，由于患者进行指令想象的一段时间后，脑电信号才能进入稳定状态，将第二时间段开启后第四时间段内的指令阶段脑电信号作为康复训练数据，可使获取得康复训练数据更加准确。进一步的方案中，根据指令分类模型对当前脑电信号进行指令分类预测，确认当前脑电信号所对应的操作指令的步骤包括：每间隔第一预设时长时，以间隔时刻为起点，对第二预设时长内的当前脑电信号进行预测，获得预测操作指令；将连续获得的预设数量的预测操作指令作为预测操作指令组，根据预测操作指令组确定操作指令，其中，预设数量为单数。由此可见，在对当前脑电信号进行指令分类预测时，每间隔第一预设时长时，以间隔时刻为起点，对第二预设时长内的当前脑电信号进行预测，获得预测操作指令，将连续获得的预设数量的预测操作指令作为预测操作指令组，根据预测操作指令组确定操作指令，从而提高操作指令预测的准确率。进一步的方案中，根据预测操作指令组确定操作指令的步骤包括：将预测操作指令组中数量最多的预测操作指令作为操作指令。由此可见，将预测操作指令组中数量最多的预测操作指令作为操作指令，可提高预测的准确率。进一步的方案中，根据操作指令控制VR设备进行操作指令对应的视觉反馈的步骤包括：根据操作指令控制VR设备中显示的虚拟机器人。由此可见，为了使患者更加直观的获知自己的控制指令是否正确，通过虚拟机器人的方式进行视觉反馈，可提高患者的体验。进一步的方案中，根据操作指令控制VR设备进行操作指令对应的视觉反馈的步骤包括：获取到两次相同的操作指令时，控制VR设备进行操作指令对应的视觉反馈。由此可见，在获取到两次相同的操作指令时，才控制VR设备进行视觉反馈，可提高控制的准确度。为了实现本专利技术的第二目的，本专利技术提供计算机装置包括处理器以及存储器，存储器存储有计算机程序，计算机程序被处理器执行时实现上述的基于脑电信号的康复训练方法的步骤。为了实现本专利技术的第三目的，本专利技术提供的计算机可读存储介质，其上存储有计算机程序，计算机程序被控制器执行时实现上述的基于脑电信号的康复训练方法的步骤。附图说明图1是本专利技术基于脑电信号的康复训练方法实施例的流程图。图2是本专利技术基于脑电信号的康复训练方法实施例中获取脑电信号位置的示意图。图3是本专利技术基于脑电信号的康复训练方法实施例中获取脑机采集的训练脑电信号的时序图。图4是本专利技术基于脑电信号的康复训练方法实施例中预测操作指令组的示意图。以下结合附图及实施例对本专利技术作进一步说明。具体实施方式本专利技术的基于脑电信号的康复训练方法是应用在脑机接口系统中的应用程序，用于实现对患者进行康复训练。本专利技术还提供一种计算机装置，该计算机装置包括控制器，控制器用于执行存储器中存储的计算机程序时实现上述的基于脑电信号的康复训练方法的步骤。本专利技术还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被控制器执行时实现上述的基于脑电信号的康复训练方法的步骤。基于脑电信号的康复训练方法实施例：本专利技术的基于脑电信号的康复训练方法为应用在脑机接口系统中的应用程序，用于实现对患者进行康复训练。如图1所示，本专利技术的基于脑电信号的康复训练方法在进行工作时，首先执行步骤S1，获取脑机采集的训练脑电信号，利用预设时间戳对训练脑电信号进行标记，获得康复训练数据。在进行康复训练时，需要通过患者的脑电信号进行控制，因此需要获取患者的脑电信号。获取脑电信号时，可通过脑机获取患者头部相应位置的脑电信号，例如，参见图2，训练脑电信号采用的数据包括8个采集位置，8个采集位置分别为Fz、Cz、C3、C4、P3、P4、O1和O2。通过脑机获取患者头部相应位置的脑电信号的技术为本领域技术人员所公知的技术，在此不再赘述。本实施例中，本文档来自技高网...

【技术保护点】
1.一种基于脑电信号的康复训练方法，其特征在于：包括：/n获取脑机采集的训练脑电信号，利用预设时间戳对所述训练脑电信号进行标记，获得康复训练数据；/n以预设机器学习算法对所述康复训练数据进行分类模型训练，获得指令分类模型；/n实时获取脑机采集的当前脑电信号，根据所述指令分类模型对所述当前脑电信号进行指令分类预测，确认所述当前脑电信号所对应的操作指令；/n根据所述操作指令控制VR设备进行所述操作指令对应的视觉反馈。/n

【技术特征摘要】
1.一种基于脑电信号的康复训练方法，其特征在于：包括：
获取脑机采集的训练脑电信号，利用预设时间戳对所述训练脑电信号进行标记，获得康复训练数据；
以预设机器学习算法对所述康复训练数据进行分类模型训练，获得指令分类模型；
实时获取脑机采集的当前脑电信号，根据所述指令分类模型对所述当前脑电信号进行指令分类预测，确认所述当前脑电信号所对应的操作指令；
根据所述操作指令控制VR设备进行所述操作指令对应的视觉反馈。


2.根据权利要求1所述的基于脑电信号的康复训练方法，其特征在于：
所述获取脑机采集的训练脑电信号的步骤包括：
在第一时间段内控制显示装置显示准备信息，获取所述脑机采集的准备阶段脑电信号；
在第二时间段内控制所述显示装置显示指令信息，获取所述脑机采集的指令阶段脑电信号，所述第二时间段在时间顺序上位于所述第一时间段之后；
在第三时间段内控制所述显示装置显示停止信息，获取所述脑机采集的停止阶段脑电信号，所述第三时间段在时间顺序上位于所述第二时间段之后。


3.根据权利要求2所述的基于脑电信号的康复训练方法，其特征在于：
所述康复训练数据是第二时间段开启后第四时间段内的指令阶段脑电信号。


4.根据权利要求1至3任一项所述的基于脑电信号的康复训练方法，其特征在于：
所述根据所述指令分类模型对所述当前脑电信号进行指令分类预测，确认所述当前脑电信号所对应的操作指令的步骤包括：
每间隔第一预设时...

【专利技术属性】
技术研发人员：徐嘉华，吴正磊，刘东陇，
申请(专利权)人：珠海爬山虎科技有限公司，
类型：发明
国别省市：广东;44