一种基于脑机接口和人工智能算法的ALS患者人机交互系统及方法技术方案

本发明专利技术涉及一种基于脑机接口设备控制的ALS患者使用智能移动装置及控制方法，利用脑机接口BCI信号采集设备采用渐冻症ALS患者群体用户的脑电信号；利用主计算单元用于人工智能模式识别计算，实现对采集后的脑电信号数据进行特征提取及信号分析；获得大脑行动指令的识别分类结果；根据大脑不同的行动指令状态对智能移动装置中的电机驱动控制系统进行指令编码。本发明专利技术基于可穿戴便携式BCI设备，通过对大脑神经信号的采集和监测，采用人工智能算法自动化识别分类用户的行走意图，并且将大脑信号转变为移动装置的行走指令，从而实现ALS不能自主行走的问题。能自主行走的问题。能自主行走的问题。

【技术实现步骤摘要】
一种基于脑机接口和人工智能算法的ALS患者人机交互系统及方法


[0001]本专利技术涉及脑科学EEG、脑神经科学以及人工智能算法与人机交互技术的智能化交互
，具体涉及一种基于脑机接口和人工智能算法的ALS患者人机交互系统及方法。

技术介绍

[0002]现有部分交互技术是基于脑电信号SSVEP(视觉稳态诱发信号)作为一种显示的标记。信号刺激质量不高，频率编码不稳定，容易引起眩晕，无法长时间使用，本设计可以有效解决此类问题；
[0003]对通过SSVEP进行的信号进行人工特征提取与编码后，与对应的字母关联，从而实现简单的打字显示。目前已有的研发方案对SSVEP范式获得的大脑信号进行人工特征设置，工作量繁杂，特征指标不统一，有效性不稳定，识别效率交大。当前存在的SSVEP诱发打字系统，需要对单个个体进行长时间的数据采集和方案矫正，大大提高了使用难度。

技术实现思路

[0004]有鉴于此，本专利技术的目的在于克服现有技术的不足，提供一种基于脑机接口和人工智能算法的ALS患者人机交互系统及方法，基于便携式BCI设备，结合信号本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于脑机接口和人工智能算法的ALS患者人机交互系统，其特征在于：至少包括脑机接口BCI信号采集设备，用于采集ALS患者的神经脑电信号；有效通道信号选择模块，用于挖掘出所述脑机接口BCI信号采集设备对ALS患者的有效接触通道；自适应尺度调整编码模块，用于通过自适应算法适配连续有效的SSVEP编码频段，实现对不同使用者智能化生成与配置不同的编码方案；AI识别算法模块，通过构建大规模预训练脑机BCI脑电数据集，进行模型训练形成SSVEP信号识别人工智能算法模型；交互显示系统，搭载有SSVEP信号识别人工智能算法模型，用于进行视觉刺激与信号传输及指令显示。2.一种基于脑机接口和人工智能算法的ALS患者人机交互方法，其特征在于：该交互方法采用上述权利要求1所述的交互系统，包括如下步骤：S1、利用脑机接口BCI信号采集设备采集ALS患者的神经脑电信号；S2、挖掘出所述脑机接口BCI信号采集设备对ALS患者的有效接触通道；S3、通过自适应算法适配连续有效的SSVEP编码频段，实现对不同使用者智能化生成与配置不同的编码方案；S4、通过构建大规模预训练脑机BCI脑电数据集，进行模型训练形成SSVEP信号识别人工智能算法模型；S5、搭载有SSVEP信号识别人工智能算法模型进行视觉刺激与信号传输及指令显示。3.根据权利要求2所述的基于脑机接口和人工智能算法的ALS患者人机交互方法，其特征在于：在步骤S1中，脑机接口BCI信号采集设备中前额叶7通道，颞叶6通道，枕叶7通道，顶叶6通道，采集用户不同表达状态下(0
‑
1，a
‑
z)的的神经脑电信号。4.根据权利要求3所述的基于脑机接口和人工智能算法的ALS患者人机交互方法，其特征在于：在步骤S2中，通过对大脑神经电信号频域及时域信号特征分析挖掘，挖掘出脑机接口BCI信号采集设备对用户的有效接触通道，对采集到的脑电信号进行放大和数模转换编码，通过有线或无线连接的方式传输到数据分析系统。5.根据权利要求4所述的基于脑机接口和人工智能算法的ALS患者人机交互方法，其特征在于：通道选择基于并发式信号采集后，设置指令诱发实验范式，采集并观测有效刺激相关事件信号，统计各通道信号获取质量与精度及一致性，选取最优各个通信计算通道；对有效通道信号进行信号放大并在传感器电路端进行编码传输。6.根据权利要求4所述的基于脑机接口和人工智能算法的ALS患者人机交互方法，其特征在于：在步骤S3中，...

【专利技术属性】
技术研发人员：杨洵哲，崔丽英，刘明生，卢树强，李嘉南，
申请(专利权)人：北京姬械机科技有限公司，
类型：发明
国别省市：