上肢运动意图的FNIRS实时解码方法及系统技术方案

本发明专利技术涉及一种上肢运动意图的FNIRS实时解码方法及系统,包括采集大脑中的血红蛋白信息，对采集的血红蛋白信息进行预处理；对预处理后的信息进行第一次特征提取，然后对第一次提取的特征进行第一次特征选择，对第一次选择的特征进行第一次识别，完成动作起始意图的识别；对预处理后的信息进行第二次特征提取，然后对第二次提取的特征进行第二次特征选择，对第二次选择的特征进行第二次识别，完成运动状态的识别；将识别解码得到的运动指令输出，实时验证在线控制的可行性。本发明专利技术不但任务识别准确率高，而且计算复杂度低，脑机接口系统的实时性能高。

【技术实现步骤摘要】
上肢运动意图的FNIRS实时解码方法及系统
本专利技术涉及康复医疗的
，尤其是指一种上肢运动意图的FNIRS实时解码方法及系统。
技术介绍
上肢是人体重要的组成部分，经研究调查发现，80％的严重脑卒中患者中存在上肢运动功能障碍。由于人的上肢相对于下肢灵活度更高，与之相关联的中枢神经系统会更加复杂，损伤后恢复的难度更大，康复的周期也更长。临床数据显示，约有50％到70％左右的患者在接受治疗数月后仍然存在不同程度的上肢运动功能障碍。患者无法正常行动完成自理行为，需要医院护工以及家属花费大量时间和精力对其进行护理，这给社会和家庭带来了沉重的负担，病人也遭受着巨大的身心折磨。当前社会对运动功能康复医疗资源的需求非常迫切，随着近些年来机器人技术的飞速发展，越来越多康复机器人被研发出来帮助病人进行运动功能恢复相关训练，有效缓解了医疗资源紧张的难题。目前已有大量研究表明，利用康复机器人设备带动病人进行康复训练是一种可行且相对高效的治疗方式。传统的康复机器人训练方案通常是在设定好了具体的训练流程后，由机器人辅助患者完成训练动作，这种方案有效提高了病人康复训练的效率，但是由于形式过于单一，物理性地进行重复训练过程，病人并无参与感，随着训练过程的深入，患者在训练的过程中可能由于枯燥而产生消极懈怠的情绪。许多先前的研究表明患者自主进行训练的过程非常重要，相比于被动运动训练，病人加入主动意愿参与到训练中能更好地促进神经皮质重构和运动功能恢复。而脑机接口中涉及的基于近红外成像技术(FunctionalNear-infraredSpectroscopy,简称FNIRS)由于能够保证信号采集的安全性，近来越来越多的被应用。由于脑机接口作为一种新的人机交互方式，能够绕开神经传输通道和肌肉部分的作用，直接在大脑与外界环境之间建立信息沟通渠道，控制外部设备，因此脑机接口技术在康复领域的研究应用帮助了更多患有肢体功能障碍的病人进行康复训练。当前，面向康复医疗的脑机接口技术尚未完全成熟，还处在亟需快速发展的阶段，而且存在以下问题：多分类任务识别准确率低，而且计算复杂度高，脑机接口系统的实时性能差。
技术实现思路
为此，本专利技术所要解决的技术问题在于克服现有技术中任务识别准确率低，而且计算复杂度高，脑机接口系统的实时性能差的问题，从而提供一种任务识别准确率高，而且计算复杂度低，脑机接口系统的实时性能高的上肢运动意图的FNIRS实时解码方法及系统。为解决上述技术问题，本专利技术的一种上肢运动意图的FNIRS实时解码方法，包括采集大脑中的血红蛋白信息，对采集的血红蛋白信息进行预处理；对预处理后的信息进行第一次特征提取，然后对第一次提取的特征进行第一次特征选择，对第一次选择的特征进行第一次识别，完成动作起始意图的识别；对预处理后的信息进行第二次特征提取，然后对第二次提取的特征进行第二次特征选择，对第二次选择的特征进行第二次识别，完成运动状态的识别；将识别解码得到的运动指令输出，实时验证在线控制的可行性。在本专利技术的一个实施例中，对预处理后的信息进行第二次特征提取时，分别从时域统计特征、非线性动力学特征、以及空间相关特征中三个不同维度对信号特征进行提取。在本专利技术的一个实施例中，从时域统计特征对信号特征进行提取的方法为：在滑动时间窗内，分别计算信号均值、信号能量、信号峰值、信号谷值、信号的信号移动性参数以及复杂性参数。在本专利技术的一个实施例中，从非线性动力学特征对信号特征进行提取的方法为：假设原始信号序列为一个等时间采样间隔的时间序列,定义算法中设置参数维度以及相似容限，计算近似熵。在本专利技术的一个实施例中，从空间相关特征对信号特征进行提取的方法为：计算两两不同测试通道之间脑血氧信号的皮尔森相关系数衡量两个测试通道之间的变化趋势的异同。在本专利技术的一个实施例中，对第二次提取的特征进行第二次特征选择的方法为：基于样本特征间的距离度量来对特征进行特征重要性评估，将特征重要性高的特征作为特征子集，再继续寻找所述特征子集下的最优特征组合。在本专利技术的一个实施例中，寻找所述特征子集下的最优特征组合的方法为：根据当前种群中个体基因的适应度值和种群整体适应度值对个体基因的被选择、交叉概率以及变异概率进行调整，对最优特征组合进行搜索。在本专利技术的一个实施例中，对第二次选择的特征进行第二次识别的方法为：分别采用运动状态分类算法进行分类实验，对分类试验后的数据进行性能评价。在本专利技术的一个实施例中，所述运动状态分类算法包括逻辑回归算法，支持向量机、朴素贝叶斯以及线性判别分析算法。本专利技术还提供了一种上肢运动意图的FNIRS实时解码系统，包括：采集预处理模块，用于采集大脑中的血红蛋白信息，对采集的血红蛋白信息进行预处理；动作起始意图模块，用于对预处理后的信息进行第一次特征提取，然后对第一次提取的特征进行第一次特征选择，对第一次选择的特征进行第一次识别，完成动作起始意图的识别；运动状态识别模块，用于对预处理后的信息进行第二次特征提取，然后对第二次提取的特征进行第二次特征选择，对第二次选择的特征进行第二次识别，完成运动状态的识别；识别编码模块，用于将识别解码得到的运动指令输出，实时验证在线控制的可行性。本专利技术的上述技术方案相比现有技术具有以下优点：本专利技术所述的上肢运动意图的FNIRS实时解码方法及系统，采集大脑中的血红蛋白信息，对采集的血红蛋白信息进行预处理，有利于去除信号中的干扰信息，提升系统的实时性能；对预处理后的信息进行第一次特征提取，然后对第一次提取的特征进行第一次特征选择，对第一次选择的特征进行第一次识别，完成动作起始意图的识别，有利于减少误判；对预处理后的信息进行第二次特征提取，然后对第二次提取的特征进行第二次特征选择，对第二次选择的特征进行第二次识别，完成运动状态的识别，从而保证了任务识别的准确性；将识别解码得到的运动指令输出，实时验证在线控制的可行性，本专利技术不但任务识别准确率高，而且计算复杂度低，脑机接口系统的实时性能高。附图说明为了使本专利技术的内容更容易被清楚的理解，下面根据本专利技术的具体实施例并结合附图，对本专利技术作进一步详细的说明，其中图1是本专利技术上肢运动意图的FNIRS实时解码方法的流程图；图2是本专利技术上肢运动意图的FNIRS实时解码方法的示意图；图3是本专利技术氧合血红蛋白振动信号分解的六大频率间隔以及对应生理意义；图4是本专利技术Sigmoid函数曲线图；图5是本专利技术支持向量机的算法原理图；图6为Kappa系数的高低等级解释。具体实施方式实施例一如图1和图2所示，本实施例提供一种上肢运动意图的FNIRS实时解码方法，包括如下步骤：步骤S1：采集大脑中的血红蛋白信息，对采集的血红蛋白信息进行预处理；步骤S2：对预处理后的信息进行第一次特征提取，然后对第一次提取的特征进行第一次特征选择，对第一次选择的特征进行第一次识别，完成动作起始意图的识别；步骤S3：对预处理后的信息进行第二次特征提取，然后对本文档来自技高网...

【技术保护点】
1.一种上肢运动意图的FNIRS实时解码方法，其特征在于，包括如下步骤：/n步骤S1：采集大脑中的血红蛋白信息，对采集的血红蛋白信息进行预处理；/n步骤S2：对预处理后的信息进行第一次特征提取，然后对第一次提取的特征进行第一次特征选择，对第一次选择的特征进行第一次识别，完成动作起始意图的识别；/n步骤S3：对预处理后的信息进行第二次特征提取，然后对第二次提取的特征进行第二次特征选择，对第二次选择的特征进行第二次识别，完成运动状态的识别；/n步骤S4：将识别解码得到的运动指令输出，实时验证在线控制的可行性。/n

【技术特征摘要】
1.一种上肢运动意图的FNIRS实时解码方法，其特征在于，包括如下步骤：
步骤S1：采集大脑中的血红蛋白信息，对采集的血红蛋白信息进行预处理；
步骤S2：对预处理后的信息进行第一次特征提取，然后对第一次提取的特征进行第一次特征选择，对第一次选择的特征进行第一次识别，完成动作起始意图的识别；
步骤S3：对预处理后的信息进行第二次特征提取，然后对第二次提取的特征进行第二次特征选择，对第二次选择的特征进行第二次识别，完成运动状态的识别；
步骤S4：将识别解码得到的运动指令输出，实时验证在线控制的可行性。


2.根据权利要求1所述的上肢运动意图的FNIRS实时解码方法，其特征在于：对预处理后的信息进行第二次特征提取时，分别从时域统计特征、非线性动力学特征、以及空间相关特征中三个不同维度对信号特征进行提取。


3.根据权利要求2所述的上肢运动意图的FNIRS实时解码方法，其特征在于：从时域统计特征对信号特征进行提取的方法为：在滑动时间窗内，分别计算信号均值、信号能量、信号峰值、信号谷值、信号的信号移动性参数以及复杂性参数。


4.根据权利要求2所述的上肢运动意图的FNIRS实时解码方法，其特征在于：从非线性动力学特征对信号特征进行提取的方法为：假设原始信号序列为一个等时间采样间隔的时间序列,定义算法中设置参数维度以及相似容限，计算近似熵。


5.根据权利要求2所述的上肢运动意图的FNIRS实时解码方法，其特征在于：从空间相关特征对信号特征进行提取的方法为：计算两两不同测试通道之间脑血氧信号的皮尔森相关系数衡量两个测试通道之间的变化趋势的异同。


6...

【专利技术属性】
技术研发人员：李春光，何刘进，郭浩，李伟达，
申请(专利权)人：苏州大学，
类型：发明
国别省市：江苏;32