MRCP解码方法技术

本发明专利技术涉及一种MRCP解码方法。适用于脑机接口技术领域。本发明专利技术所采用的技术方案是：一种MRCP解码方法，其特征在于：S1、基于被试用户进行范式训练时的脑电数据确定该被试用户的MRCP模型，其中范式训练包括多个训练片段，每个训练片段需被试用户进行静息后状态切换至运动想象；S2、获取被试用户脑电数据，并从被试用户脑电数据中提取脑电数据片段，计算脑电数据片段和MRCP模型的Pearson相关系数和DTW匹配程度；S3、基于Pearson相关系数和DTW匹配程度计算脑电数据片段和MRCP模型的相似分数，并在相似分数满足设定阈值条件时判断相关脑电数据片段中出现MRCP。数据片段中出现MRCP。数据片段中出现MRCP。

【技术实现步骤摘要】
MRCP解码方法


[0001]本专利技术涉及一种MRCP解码方法。适用于脑机接口


技术介绍

[0002]脑机接口(Brain Computer Interfaces,BCI)技术可以实现大脑与外部设备之间的直接通信，因此可以应用于卒中、脊髓损伤等功能性的康复之中。BCI技术中常通过无创性脑电图(electroencephalogramm，EEG)来解码大脑信息，其具有非侵入性、高时间分辨率和采集代价较小等优点。在康复应用中，BCI技术通过解码患者的运动意图驱动外部的康复设备从而实现患者的主动康复，因此可以很大程度提高患者的康复效果。在解码的过程中，遇到的主要问题之一是去除脑电图中存在的伪影。伪影主要由两个方面产生：1.采集过程中人为活动产生的伪影，如眼电伪影、肌电伪影与电极滑移等；2.外部工件产生的伪影，如工频干扰。这些伪影的存在，会降低解码患者运动意图的准确性，因此需尽可能的清除掉这些伪影。
[0003]BCI技术中通常采用感觉运动节律(Sellsorimotor Rhythm,SMR)和运动相关皮层电位(Movement
‑
related Cortical Potential,MRCP)来解码被试的运动意图，SMR/MRCP主要集中于被试的运动感觉区。SMR会在被试执行运动或运动想象时出现，其脑电频率通常在8
‑
13Hz。MRCP与被试的运动准备与运动执行相关，其脑电频率通常在0.1
‑
3Hz。目前已存在自回归模型、公共空间模式(CSP)等多种方法可以用来解码SMR/MRCP，但都存在延时性高、被试适配性差与效率低等问题。
[0004]因此，为了提高被试在基于BCI的主动运动康复治疗过程中的康复效果，需要注意或解决以下几个问题：1、在解码过程中使用信息处理方法将脑电信号中存在的伪影去除；2、降低解码过程中的计算复杂度；3、提高不同被试的适配性和康复治疗参与度。

技术实现思路

[0005]本专利技术要解决的技术问题是：针对上述存在的问题，提供一种MRCP解码方法。
[0006]本专利技术所采用的技术方案是：一种MRCP解码方法，其特征在于：
[0007]S1、基于被试用户进行范式训练时的脑电数据确定该被试用户的MRCP模型，其中范式训练包括多个训练片段，每个训练片段需被试用户进行静息后状态切换至运动想象；
[0008]S2、获取被试用户脑电数据，并从被试用户脑电数据中提取脑电数据片段，计算脑电数据片段和MRCP模型的Pearson相关系数和DTW匹配程度；
[0009]S3、基于Pearson相关系数和DTW匹配程度计算脑电数据片段和MRCP模型的相似分数，并在相似分数满足设定阈值条件时判断相关脑电数据片段中出现MRCP。
[0010]步骤S1包括：
[0011]S11、获取被试用户每个训练片段对应的脑电数据；
[0012]S12、对被试用户每个训练片段对应的脑电数据进行筛选和滤波；
[0013]S13、选取各训练片段对应脑电数据中状态切换前后的脑电数据；
[0014]S14、对选取的脑电数据进行叠加平均，判断是否具有MRCP特征，若具有MRCP特征，则记为MRCP模型；若不具有MRCP特征，则返回步骤S11。
[0015]所述计算脑电数据片段和MRCP模型的Pearson相关系数，包括：
[0016][0017]式中，X为脑电数据片段，长度为W；X
i
为X的第i个数据点，i＝1、2、3...W；为X的均值；Y为MRCP模型，长度为W；Y
i
为Y的第i个数据点，i＝1、2、3...W；为Y的均值；Rho为Pearson相关系数，范围从
‑
1到1，其值为0代表完全不相关。
[0018]所述计算脑电数据片段和MRCP模型的DTW匹配程度，包括：
[0019]D(i，j)＝|X
i
‑
Y
j
| (i＝1
…
W，j＝1
…
W)
[0020]Dist(i，j)＝D(i，j)+min{D(i
‑
1，j)，D(i，j)，D(i
‑
1，j
‑
1)}
[0021]Dist＝Dist(W，W)
[0022]其中，X为脑电数据片段，长度为W；X
i
为X的第i个数据点，i＝1、2、3...W；Y为MRCP模型，长度为W；Y
i
为Y的第i个数据点，i＝1、2、3...W；Dist为脑电数据片段和MRCP模型的DTW匹配程度，Dist越大，代表X与Y的相关性越小，Dist值为0时，代表X与Y完全相关。
[0023]所述基于Pearson相关系数和DTW匹配程度计算脑电数据片段和MRCP模型的相似分数，包括：
[0024][0025]其中，Rho为Pearson相关系数；Dist为DTW匹配程度；λ为比例系数且不为0；Thr1为可接受Dist的最大上限且不为0；Score为脑电数据片段和MRCP模型的相似分数，Score值越小，代表脑电数据片段与MRCP模型越相似。
[0026]一种MRCP解码装置，其特征在于，包括：
[0027]模型训练模块，用于基于被试用户进行范式训练时的脑电数据确定该被试用户的MRCP模型，其中范式训练包括多个训练片段，每个训练片段需被试用户进行静息后状态切换至运动想象；
[0028]相关性计算模块，用于获取被试用户脑电数据，并从被试用户脑电数据中提取脑电数据片段，计算脑电数据片段和MRCP模型的Pearson相关系数和DTW匹配程度；
[0029]相似判断模块，用于基于Pearson相关系数和DTW匹配程度计算脑电数据片段和MRCP模型的相似分数，并在相似分数满足设定阈值条件时判断相关脑电数据片段中出现MRCP。
[0030]一种存储介质，其上存储有能被处理器执行的计算机程序，其特征在于：所述计算机程序被执行时实现所述MRCP解码方法的步骤。
[0031]一种MRCP解码设备，具有存储器和处理器，存储器上存储有能被处理器执行的计算机程序，其特征在于：所述计算机程序被执行时实现所述MRCP解码方法的步骤。
[0032]本专利技术的有益效果是：本专利技术针对不同个人进行MRCP模型训练，这样在康复训练
过程使用个人模型可以避免使用公共模型导致的部分被试适应时间长，体验感差的问题，提高康复效果。本专利技术关于判别MRCP方法是基于Person相关性与DTW相关性相结合的基础上，这样可以从不同层面确保判别方法的准确性；同时在该判别方法中加入可调参数，被试可以在实时训练过程中根据系统反馈情况进行参数调整，从而提高训练的连续性和适用性。本专利技术关于系统反馈是使用阈值进行调控，相较于使用分类器，降低了整体计算的复杂程度。
附图说明
[0033]图1为实施例本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种MRCP解码方法，其特征在于：S1、基于被试用户进行范式训练时的脑电数据确定该被试用户的MRCP模型，其中范式训练包括多个训练片段，每个训练片段需被试用户进行静息后状态切换至运动想象；S2、获取被试用户脑电数据，并从被试用户脑电数据中提取脑电数据片段，计算脑电数据片段和MRCP模型的Pearson相关系数和DTW匹配程度；S3、基于Pearson相关系数和DTW匹配程度计算脑电数据片段和MRCP模型的相似分数，并在相似分数满足设定阈值条件时判断相关脑电数据片段中出现MRCP。2.根据权利要求1所述的MRCP解码方法，其特征在于，步骤S1包括：S11、获取被试用户每个训练片段对应的脑电数据；S12、对被试用户每个训练片段对应的脑电数据进行筛选和滤波；S13、选取各训练片段对应脑电数据中状态切换前后的脑电数据；S14、对选取的脑电数据进行叠加平均，判断是否具有MRCP特征，若具有MRCP特征，则记为MRCP模型；若不具有MRCP特征，则返回步骤S11。3.根据权利要求1所述的MRCP解码方法，其特征在于，所述计算脑电数据片段和MRCP模型的Pearson相关系数，包括：式中，X为脑电数据片段，长度为W；X
i
为X的第i个数据点，i＝1、2、3...W；为X的均值；Y为MRCP模型，长度为W；Y
i
为Y的第i个数据点，i＝1、2、3...W；为Y的均值；Rho为Pearson相关系数，范围从
‑
1到1，其值为0代表完全不相关。4.根据权利要求1所述的MRCP解码方法，其特征在于，所述计算脑电数据片段和MRCP模型的DTW匹配程度，包括：D(i，j)＝|X
i
‑
Y
j
|(i＝1
…
W，j＝1
…
W)Dist(i，j)＝D(i，j)+min{D(i
‑
1，j)，D(i，j)，D(i
...

【专利技术属性】
技术研发人员：崔正哲，傅向向，朱世强，李鹏，朱威灵，
申请(专利权)人：浙江迈联医疗科技有限公司，
类型：发明
国别省市：