一种大脑任务负荷识别方法、应用及设备技术

本发明专利技术涉及医学检测技术领域，公开了一种大脑任务负荷识别方法、应用及设备，所述方法包括：利用功能性近红外光源和检测探头对用户处于活动状态时的大脑进行多通道检测，得到M个通道的光强信号；对所述M个通道的光强信号进行预处理，将光强信号转化为血红蛋白浓度信号；提取功能性近红外光源、检测探头和通道之间的拓扑信息；根据所述拓扑信息，构建所述血红蛋白浓度信号的网格图像矩阵；将所述网格图像矩阵输入任务负荷识别模型进行任务负荷识别，得到大脑任务负荷结果。本发明专利技术能够学习fNIRS数据的时间信息和空间信息，保证了任务负荷识别模型的分类的高精度，从而提高了大脑任务负荷识别的准确性。任务负荷识别的准确性。任务负荷识别的准确性。

【技术实现步骤摘要】
一种大脑任务负荷识别方法、应用及设备


[0001]本专利技术涉及医学检测
，更具体地，涉及一种大脑任务负荷识别方法、应用及设备。

技术介绍

[0002]大脑中过高或过低的任务负荷会影响人的认知能力，从而导致个体作出错误或不合理的决策。fNIRS(Functional near
‑
infrared spectroscopy，功能性近红外光谱)是一种采集大脑活动时产生内源信号而形成脑功能图像的成像技术，目前已被应用在大脑任务负荷检测领域中，其利用血液的主要成分对600
‑
900nm近红外光良好的散射性，从而获得大脑活动时氧合血红蛋白和脱氧血红蛋白的变化情况，并对所述变化情况作一步的分析处理，从而得到大脑的任务负荷。
[0003]现有的基于深度学习和fNIRS数据的任务负荷识别方法，通过提取包括简单最大值、最小值、均值和方差等特征，再将特征作为神经网络的输入，经过神经网络学习和训练后进行分类，得到识别结果。
[0004]然而，上述方法忽略了fNIRS信号的空间信息和时间信息，神经网络所输出的分类结果的精度低，会造成任务负荷识别不准确的缺陷。

技术实现思路

[0005]本专利技术为提高大脑任务负荷识别的准确性，提供大脑任务负荷识别方法、应用及设备。
[0006]为解决上述技术问题，本专利技术的技术方案如下：
[0007]第一个方面，本专利技术提出一种大脑任务负荷识别方法，包括：
[0008]利用功能性近红外光源和检测探头对用户处于活动状态时的大脑进行多通道检测，得到M个通道的光强信号，M为正整数；
[0009]对所述M个通道的光强信号进行预处理，将光强信号转化为血红蛋白浓度信号；
[0010]提取功能性近红外光源、检测探头和通道之间的拓扑信息；
[0011]根据所述拓扑信息，构建所述血红蛋白浓度信号的网格图像矩阵；
[0012]将所述网格图像矩阵输入任务负荷识别模型进行任务负荷识别，得到大脑任务负荷结果。
[0013]第二个方面，本专利技术还提出一种如第一个方面所述的大脑任务负荷识别方法在康复训练中的应用，包括：
[0014]利用功能性近红外光源和检测探头对正在进行康复训练中的用户的大脑进行多通道检测，得到M个通道的光强信号，M为正整数。
[0015]对所述M个通道的光强信号进行预处理，将光强信号转化为血红蛋白浓度信号。
[0016]提取功能性近红外光源、检测探头和通道之间的拓扑信息。
[0017]根据所述拓扑信息，构建所述血红蛋白浓度信号的网格图像矩阵。
[0018]将所述网格图像矩阵输入任务负荷识别模型进行任务负荷识别，得到大脑任务负荷结果。
[0019]第三个方面，本专利技术还提出一种计算设备，所述计算设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现如第一个方面所述的大脑任务负荷识别方法所执行的操作。
[0020]与现有技术相比，本专利技术技术方案的有益效果是：本专利技术利用功能性近红外光源和检测探头对用户处于活动状态时的大脑进行多通道血红蛋白浓度信号，并根据功能性近红外光源、检测探头和通道之间的拓扑信息将多通道血红蛋白浓度信号转换为网格图像矩阵，能够将所有通道的血红蛋白浓度信号联系起来，使得后续的任务负荷识别模型能够学习血红蛋白浓度信号的时间信息和空间信息，保证了任务负荷识别模型的分类的高精度，从而提高了大脑任务负荷识别的准确性。
附图说明
[0021]图1为本申请实施例的大脑任务负荷识别方法的流程图。
[0022]图2为本申请实施例的由功能性近红外光源、检测探头和通道构成的拓扑图。
[0023]图3为本申请实施例的拓扑图映射出的第二网格图像矩阵。
[0024]图4为本申请实施例的网格图像矩阵图。
[0025]图5为本申请实施例的任务负荷识别模型的网络结构图。
具体实施方式
[0026]附图仅用于示例性说明，不能理解为对本专利的限制；
[0027]下面结合附图和实施例对本专利技术的技术方案做进一步的说明。
[0028]fNIRS技术利用血液的主要成分对600
‑
900nm近红外光良好的散射性，从而获得大脑活动时氧合血红蛋白和脱氧血红蛋白的变化情况。fNIRS的有三个核心概念：光源(S，source)、探头(D，detector)和通道(C，channel)。光源发出近红外光，光线经过头骨折射，被探头接收，此时就能获得光源和探头之间的大脑区域的fNIRS信号，称为通道。
[0029]实施例一
[0030]请参阅图1，本实施例提出一种大脑任务负荷识别方法，包括以下步骤：
[0031]利用功能性近红外光源和检测探头对用户处于活动状态时的大脑进行多通道检测，得到M个通道的光强信号，M为正整数。
[0032]对所述M个通道的光强信号进行预处理，将光强信号转化为血红蛋白浓度信号。
[0033]提取功能性近红外光源、检测探头和通道之间的拓扑信息。
[0034]根据所述拓扑信息，构建所述血红蛋白浓度信号的网格图像矩阵。
[0035]将所述网格图像矩阵输入任务负荷识别模型进行任务负荷识别，得到大脑任务负荷结果。
[0036]本实施例所提出的大脑任务负荷识别方法，利用功能性近红外光源和检测探头采集用户处于活动状态时的大脑进行多通道血红蛋白浓度信号，并根据功能性近红外光源、检测探头和通道之间的拓扑信息将多通道血红蛋白浓度信号转换为网格图像矩阵，能够将所有通道的血红蛋白浓度信号联系起来，使得后续的任务负荷识别模型能够学习血红蛋白
浓度信号的时间信息和空间信息，保证了任务负荷识别模型的分类的高精度，从而提高了大脑任务负荷识别的准确性。
[0037]实施例二
[0038]本实施例在实施例一提出的大脑任务负荷识别方法作出改进。所述方法包括：
[0039]利用功能性近红外光源和检测探头对用户处于活动状态时的大脑进行多通道检测，得到M个通道的光强信号，M为正整数。
[0040]本实施例中，采用23个功能性近红外光源和15个检测探头对大脑进行多通道检测，能够得到M个通道的光强信号,M＝47。
[0041]在具体实施过程中，通过编写一个“套圈”小游戏，通过设定环的大小来改变游戏难度。用户需要通过游戏手柄控制环来捕捉球。系统在受试者在玩游戏的同时采集其大脑前额叶和运动皮层的fNIRS数据。
[0042]对所述47个通道的光强信号进行预处理，将光强信号转化为血红蛋白浓度信号。所述血红蛋白浓度信号包括氧合血红蛋白浓度信号和脱氧血红蛋白浓度信号
[0043]在具体实施过程中，使用改进的比尔兰伯特定律将光强信号转化为氧合血红蛋白浓度信号和脱氧血红蛋白浓度信号，具体的表达式如下所示：
[0044][0045]其中，t
i
表示当前时刻，...

【技术保护点】

【技术特征摘要】
1.一种大脑任务负荷识别方法，其特征在于，包括：利用功能性近红外光源和检测探头对用户处于活动状态时的大脑进行多通道检测，得到M个通道的光强信号，M为正整数；对所述M个通道的光强信号进行预处理，将光强信号转化为血红蛋白浓度信号；提取功能性近红外光源、检测探头和通道之间的拓扑信息；根据所述拓扑信息，构建所述血红蛋白浓度信号的网格图像矩阵；将所述网格图像矩阵输入任务负荷识别模型进行任务负荷识别，得到大脑任务负荷结果。2.根据权利要求1所述的大脑任务负荷识别方法，其特征在于，所述任务负荷识别模型包括N个并行的卷积神经网络、一个Transformer Encoder、第一全连接层、第二全连接层和第三全连接层；所述网格图像矩阵按照时序依次分别输入N个卷积神经网络进行空间特征提取，得到N个包括空间信息的特征图；所述N个包括空间信息的特征图经过所述Transformer Encoder进行时间特征提取和拼接处理，得到包括空间信息和时间信息的特征图；所述包括空间信息和时间信息的特征图依次经过所述第一全连接层、第二全连接层和第三全连接层进行分类处理，得到大脑任务负荷结果。3.根据权利要求1所述的大脑任务负荷识别方法，其特征在于，所述血红蛋白浓度信号包括氧合血红蛋白浓度信号和脱氧血红蛋白浓度信号；使用改进的比尔兰伯特定律将光强信号转化为氧合血红蛋白浓度信号和脱氧血红蛋白浓度信号，具体的表达式如下所示：其中，t
i
表示当前时刻，
△
C
HbO
(
i
)表示当前时刻氧合血红蛋白浓度的变化量，
△
C
HbR
(
i
)表示当前时刻脱氧血红蛋白浓度的变化量，α
HbO
(1)为在波长λ1处氧合血红蛋白的消光系数，α
HbR
(1)为在波长λ1处脱氧血红蛋白浓度的消光系数，α
HbO
(2)为在波长λ2处氧合血红蛋白的消光系数，α
HbR
(2)为在波长λ2处脱氧血红蛋白浓度的消光系数，
△
OD(t
i
；λ1)为当前时刻在在波长λ1处的光密度变化量，
△
OD(t
i
；λ2)为当前时刻在在波长λ2处的光密度变化量，l是光覆盖路径的长度，d(λ)表示在波长λ处的微分路径长度因子。4.根据权利要求1所述的大脑任务负...

【专利技术属性】
技术研发人员：梁轩，战荫伟，宋嵘，王晓露，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：