基于BCI/VR、AR技术的康复训练系统技术方案

本发明专利技术公开了一种基于BCI/VR、AR技术的康复训练系统，包括EEG信号采集系统、AR、VR场景系统、离线训练系统和运动想象检测系统，EEG信号采集系统通过非植入式电极对EEG信号进行采集；AR、VR场景系统是根据患者脑电中想象的运动意图对场景进行修改并重新渲染，然后通过AR或VR设备反馈给患者，患者可依据AR或VR动画完成康复训练；离线训练系统可对EEG信号进行预处理；运动想象检测系统可对患者的运动意图进行检测；本发明专利技术能精确感知患者的运动想象并进行动画反馈，对患者的康复有很大意义。对患者的康复有很大意义。

【技术实现步骤摘要】
基于BCI/VR、AR技术的康复训练系统


[0001]本专利技术涉及肢体康复
，具体涉及一种基于BCI/VR、AR技术的康复训练系统。

技术介绍

[0002]目前基于运动想象脑机接口的虚拟现实运动康复系统，存在一定的提升潜质:系统相关设备复杂不便携，难以在家庭场景搭建并进行康复训练；造价昂贵；不易精确感知患者运动想象程度；康复训练的反馈机制多为视频反馈，患者沉浸感不高，难以高效进行运动想象状态反馈，难以做出有针对性的主观调节。

技术实现思路

[0003]针对现有技术中的缺陷，本专利技术提供一种基于BCI/VR、AR技术的康复训练系统。
[0004]本专利技术是通过以下技术方案实现的：一种基于BCI/VR、AR技术的康复训练系统，包括EEG信号采集系统、AR、VR场景系统、离线训练系统和运动想象检测系统， EEG信号采集系统通过非植入式电极对EEG信号进行采集；AR、VR场景系统是根据患者脑电中想象的运动意图对场景进行修改并重新渲染，然后通过AR或VR设备反馈给患者，患者可依据AR或VR动画完成康复训练；离线训练系统可对EEG信号进行预处理，其预处理工作包括有去除基线漂移、去除工频干扰、去除眼电伪迹和带通数字滤波，离线训练系统还包括EEG信号特征提取模块和分类器模块；运动想象检测系统在接收到EEG信号后，利用已训练的特征提取和分类模型计算患者的运动意图，并将该运动意图加入决策池，然后统计决策池中出现概率最大的决策结果，若该结果对应概率大于决策阈值，则系统理解为相应的运动意图，反之，不输出运动意图理解结果。
[0005]优选地，所述EEG系统包括设定采集次数、设定休息时间和设定运动想象动作提示，每个采集次数的周期为8S，0
‑
2s屏幕显示空白，2
‑
4s屏幕提示采集即将开始，4
‑
8s屏幕显示运动想象动作提示。
[0006]优选地，所述AR、VR场景系统包括有场景渲染模块和反馈模块，场景渲染模块通过分析解码获得患者的运动意图，然后根据运动意图生成动画，生成的动画通过反馈模块呈现给患者，反馈模块为AR或VR设备。
[0007]优选地，所述EEG信号特征提取模块采用共同空间模式特征提取算法，分类器采用支持向量机对患者运动想象的脑信号进行分类。
[0008]本专利技术的有益效果体现在：通过动画场景反馈可产生更好的神经激活效果，并且调动运动想象的积极性，通过BCI和AR/VR技术可精确感知患者运动想象程度，并高沉浸地展示康复系统；本专利技术轻量便携、造价低廉，能精确感知患者的运动想象并进行动画反馈，十分便于患者的使用与康复。
具体实施方式
[0009]为使本专利技术的上述目的、特征和优点能够更加明显易懂，在下面的描述中阐述了很多具体细节以便于充分理解本专利技术。但是本专利技术能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本专利技术内涵的情况下做类似改进，因此本专利技术不受下面公开的具体实施例的限制。
[0010]除非另有定义，本文所使用的所有的技术和科学术语与属于本专利技术的
的技术人员通常理解的含义相同。本文中在本专利技术的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本专利技术。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
[0011]下面对本专利技术进行详细地描述：本专利技术的一种基于BCI/VR、AR技术的康复训练系统，包括EEG信号采集系统、AR、VR场景系统、离线训练系统和运动想象检测系统， EEG信号采集系统通过非植入式电极对EEG信号进行采集；AR、VR场景系统是根据患者脑电中想象的运动意图对场景进行修改并重新渲染，然后通过AR或VR设备反馈给患者，患者可依据AR或VR动画完成康复训练；离线训练系统可对EEG信号进行预处理，其预处理工作包括有去除基线漂移、去除工频干扰、去除眼电伪迹和带通数字滤波，离线训练系统还包括EEG信号特征提取模块和分类器模块；运动想象检测系统在接收到EEG信号后，利用已训练的特征提取和分类模型计算患者的运动意图，并将该运动意图加入决策池，然后统计决策池中出现概率最大的决策结果，若该结果对应概率大于决策阈值，则系统理解为相应的运动意图，反之，不输出运动意图理解结果。
[0012]优选地，所述EEG系统包括设定采集次数、设定休息时间和设定运动想象动作提示，每个采集次数的周期为8S，0
‑
2s屏幕显示空白，2
‑
4s屏幕提示采集即将开始，4
‑
8s屏幕显示运动想象动作提示。
[0013]优选地，所述AR、VR场景系统包括有场景渲染模块和反馈模块，场景渲染模块通过分析解码获得患者的运动意图，然后根据运动意图生成动画，生成的动画通过反馈模块呈现给患者，反馈模块为AR或VR设备。
[0014]优选地，所述EEG信号特征提取模块采用共同空间模式特征提取算法，分类器采用支持向量机对患者运动想象的脑信号进行分类。
[0015]EEG信号预处理：（1）去除基线漂移：彼设数据段序列为，首先设定合适的窗口长度N(N <n/2），求取窗口 x(0)~x(N)内数据序列的平均值，平均值记为不x1(0)。接着，设定一个窗口移动的最小步长p，不断以出长将窗口向右进行移动，每移动一次得到一个中心点的异常值，接着拟合得到所有中心点。其中拟合曲线数据长度m是由移动生长，间接决定的，即l=(n
‑
N)/p，并进行取整操作。最后，把刚刚获得的拟合曲线升采样并重构得到曲线。将原始信号序列值与拟合曲线序列值进行相减便得到去除基线漂移后的信号，即：。
[0016]（2）去除工频干扰：将含有噪声成分的原始信号与参考干扰信号进行作差值，然后根据预设的自适应
算法如最小均方误差LMS、递归最小二乘 RLS 来计算偏差，再依据偏差反馈调整权值直至偏差最小。假设输入信号的序列为 s(i) +v(i) ，参杂了工频干扰信号，伪迹参考信号 x(i)=cos(wn) ，由图中的结构可以得到自适应 50Hz滤波器的输出信号 y(i)为：误差信号输出为目标代价函数e(i) 选取为：考虑到实时系统要求计算量尽量小的要求，本文选取最小均方误差 LMS 作为自适应函数来进行参数的权值调整，以消除工频干扰。采用最陡下降法更新权系数，即：式中：β表示调节步长，表示去除工频干扰后的脑电信号。
[0017]（3）去除眼电伪迹：首先令输入数据 s(t) 经过一个混合系统矩阵 A 后被分解为 n 维向量，式中为其中的一个分量。接着依次通过球化矩阵 W 和正交系统矩阵 U 后得到最终输出 y(t) =Uz(t)，得到的是分解获得来自多个独立信号源的信号分量。
[0018]（4）带通数字滤波：对脑电信号进行 8~30Hz带通滤波，所用滤波器为6阶巴特沃斯滤波器，设置阻带截止频率分别为6Hz和32Hz。
[0019]VR动画设计：系统通过BCI技术检测到患者的脑电信号，并分写解码获得运动意图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于BCI/VR、AR技术的康复训练系统，其特征在于：包括EEG信号采集系统、AR、VR场景系统、离线训练系统和运动想象检测系统， EEG信号采集系统通过非植入式电极对EEG信号进行采集；AR、VR场景系统是根据患者脑电中想象的运动意图对场景进行修改并重新渲染，然后通过AR或VR设备反馈给患者，患者可依据AR或VR动画完成康复训练；离线训练系统可对EEG信号进行预处理，其预处理工作包括有去除基线漂移、去除工频干扰、去除眼电伪迹和带通数字滤波，离线训练系统还包括EEG信号特征提取模块和分类器模块；运动想象检测系统在接收到EEG信号后，利用已训练的特征提取和分类模型计算患者的运动意图，并将该运动意图加入决策池，然后统计决策池中出现概率最大的决策结果，若该结果对应概率大于决策阈值，则系统理解为相应的运动意图，反之，不输出运动意图理解结果。2.如权利要求1所述的...

【专利技术属性】
技术研发人员：张海峰，张海燕，赵绍晴，
申请(专利权)人：山东海天智能工程有限公司，
类型：发明
国别省市：