基于脑网络差异性分析的运动想象脑电信号分类方法技术

本发明专利技术提供了基于脑网络差异性分析的运动想象脑电信号分类方法，包括以下步骤：S1、采集多个信道的脑电信号；S2、对采集到的脑电信号进行预处理；S3、利用信道间的标准化互信息构建功能连接网络；S4、通过差异性分析选取功能连接网络中具有显著差异的标准化互信息值；S5、通过PCA方法对步骤S4中具有显著差异的标准化互信息值进行降维处理；S6、使用分类正确率最高的SVM模型作为运动想象脑电信号识别模型。本发明专利技术有益效果：使用采集数据进行通道选择和训练支持向量机分类器，找到被试在不同动作的运动想象过程中具有差异的通道连接，并使用这些通道连接的互信息参数进行运动想象脑电信号的识别和分类。电信号的识别和分类。电信号的识别和分类。

【技术实现步骤摘要】
基于脑网络差异性分析的运动想象脑电信号分类方法


[0001]本专利技术属于脑机接口
，尤其是涉及一种基于脑网络差异性分析的运动想象脑电信号分类方法。

技术介绍

[0002]运动想象技术是通过研究事件相关去同步化和事件相关同步化现象而发展起来的，这项技术的核心是研究大脑在想象运动而不是实际运动时的电位活动，运动想象脑电信号可以反映大脑在想象运动时的活动情况，不同的运动想象任务会引发不同的大脑皮层区域的响应，运动想象脑电信号分类后，计算机可以产生用于脑机接口系统的控制信号。运动想象技术已经被广泛应用于康复治疗等医疗领域，通过运动想象脑机接口系统，可以将运动想象信号转化为控制信号，从而实现对外部设备的控制，例如，用于康复治疗中的肢体运动恢复，通过训练患者在想象运动时产生运动想象信号，然后将信号转化为肢体运动控制信号，从而帮助患者恢复肢体运动能力。运动想象技术还可以应用于疼痛管理等领域，通过想象疼痛减轻疼痛感觉。
[0003]脑连接网络是指大脑中不同区域之间的连接关系，可以用图论和网络科学的方法进行分析和研究，现有的脑连接网络的构建和分析通常基于脑成像技术，例如功能磁共振成像（fMRI）、脑电图（EEG）和脑磁图（MEG）等，通过对脑连接网络的分析，可以深入了解大脑的结构和功能，并探索不同疾病和认知状态下脑连接网络的变化和影响。随着MI技术的不断发展和完善，其在医疗领域的应用前景将更加广阔。但是目前在线识别患者的运动想象任务以及多类运动想象脑电信号的识别已经成为康复机器人设计中亟待解决的问题。
专利技术内容
[0004]有鉴于此，本专利技术旨在提出一种脑机接口，以期解决上述部分技术问题中的至少之一。
[0005]为达到上述目的，本专利技术的技术方案是这样实现的：本专利技术第一方面提供了一种基于脑网络差异性分析的运动想象脑电信号分类方法，包括以下步骤：S1、采集多个信道的脑电信号；S2、对采集到的脑电信号进行预处理；S3、利用信道间的标准化互信息构建功能连接网络，并将不同试次的功能连接网络划分训练集数据和测试集数据；S4、通过差异性分析选取功能连接网络中具有显著差异的标准化互信息值；S5、通过PCA方法对步骤S4中具有显著差异的标准化互信息值进行降维处理，得到训练集特征向量、测试集特征向量；S6、使用训练集特征向量训练SVM模型，使用测试集特征向量对SVM模型进行测试选择出分类正确率最高的SVM模型作为运动想象脑电信号识别模型；
S7、采集患者多个信道的运动想象脑电信号；S8、将采集到的运动想象脑电信号输入至运动想象脑电信号识别模型，识别出运动想象脑电信号。
[0006]进一步的，所述步骤S1中通过脑电采集设备采集64导联的多类运动想象脑电信号。
[0007]进一步的，所述步骤S3包括以下步骤：S31、每个EEG导联对应的电极覆盖区域定义为一个节点；S32、使用标准化互信息关系计算节点之间的相关性；计算运动想象期间脑电信号的熵值，计算公式如下：；X，Y为运动想象期间两个不同导联脑电信号，p(x)为信号取值为x的概率，即信号X的边缘分布概率，H(X)为信号的熵；利用两个信号的熵值可以计算两个导联信号间的互信息，计算公式如下：；其中，I(X,Y)为两个导联信号间的互信息，H(X,Y)为信号X和Y的联合熵；将两个导联信号间的互信息进行标准化，计算公式如下：；NMI(X,Y)即为信号X和Y的标准化互信息，表示X与Y两个信号间的同步性大小；S33、计算每个试次中两个信道间的标准化互信息，得到运动想象脑电信号标准化互信息网络；S34、将所有试次的标准化互信息网络划分为训练集数据和测试集数据。
[0008]进一步的，所述步骤S4包括以下步骤：S41、将训练集标准化互信息数据按照其脑电数据对应的真实标签划分为两类；S42、每类标准化互信息中的一个值代表两个节点的同步性，将所有试次中每对节点的标准化互信息值分别提取出来，再合并成为每对节点的标准化互信息向量；S43、训练集标准化互信息数据中每对连接节点组成的标准化互信息向量，分别对相同两个连接节点的标准化互信息向量进行配对T检验，并得到其p值；S44、对可接受显著性差异p值设定一个阈值；S45、比较两个连接节点在两个动作中的标准化互信息向量的显著性差异，若其p值小于设定的阈值，则表明两个连接节点的标准化互信息在两类运动想象过程中具有差异，记录两个连接节点；否则忽略该连接；S46、在训练集数据中，提取每一试次对应的标准化互信息网络中在步骤S45中选中通道连接的标准化互信息值；在测试集数据中，提取每一试次对应的标准化互信息网络中在步骤S45中选中通道连接的标准化互信息值。
[0009]进一步的，所述步骤S6包括以下步骤：S61、通过5折交叉验证的方法使用训练集数据特征向量训练SVM模型；S62、使用测试集特征向量对SVM模型进行测试，统计SVM模型输出动作标签中正确分类的标签的个数，然后除以标签的总个数，得到分类正确率选择出分类正确率最高的SVM模型作为运动想象脑电信号识别模型。
[0010]进一步的，所述步骤S2中脑电信号的预处理包括时间窗口、降采样、基线矫正、信号分段；并提取每个信道中8
‑
30Hz频率范围EEG信号。
[0011]本专利技术第二方面提供了一种电子设备，包括处理器以及与处理器通信连接，且用于存储所述处理器可执行指令的存储器，其特征在于：所述处理器用于执行上述第一方面所述的方法。
[0012]本专利技术第三方面提供了一种服务器，其特征在于：包括至少一个处理器，以及与所述处理器通信连接的存储器，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述处理器执行，以使所述至少一个处理器执行如第一方面所述的方法。
[0013]本专利技术第四方面提供了一种计算机可读取存储介质，存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现第一方面所述的方法。
[0014]相对于现有技术，本专利技术所述的基于脑网络差异性分析的运动想象脑电信号分类方法具有以下有益效果：（1）本专利技术所述的基于脑网络差异性分析的运动想象脑电信号分类方法，使用采集数据进行通道选择和训练支持向量机分类器，找到被试在不同动作的运动想象过程中具有差异的通道连接，并使用这些通道连接的互信息参数进行运动想象脑电信号的识别和分类。
附图说明
[0015]构成本专利技术的一部分的附图用来提供对本专利技术的进一步理解，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1为本专利技术实施例所述的方法流程示意图；图2为本专利技术实施例所述的多试次对应通道连接数值向量重组示意图。
具体实施方式
[0016]需要说明的是，在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相互组合。
[0017]下面将参考附图并结合实施例来详细说明本专利技术。
[0018]实施例一：一种基于脑网络差异性分析的运动想象脑电信号分类方法，包括以下步骤：S1、采集多个信道的脑电信号；S2、对采集到的脑电信号进行预处理；本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于脑网络差异性分析的运动想象脑电信号分类方法，其特征在于：包括以下步骤：S1、采集多个信道的脑电信号；S2、对采集到的脑电信号进行预处理；S3、利用信道间的标准化互信息构建功能连接网络，并将不同试次的功能连接网络划分训练集数据和测试集数据；S4、通过差异性分析选取功能连接网络中具有显著差异的标准化互信息值；S5、通过PCA方法对步骤S4中具有显著差异的标准化互信息值进行降维处理，得到训练集特征向量、测试集特征向量；S6、使用训练集特征向量训练SVM模型，使用测试集特征向量对SVM模型进行测试选择出分类正确率最高的SVM模型作为运动想象脑电信号识别模型；S7、采集患者多个信道的运动想象脑电信号；S8、将采集到的运动想象脑电信号输入至运动想象脑电信号识别模型，识别出运动想象脑电信号。2.根据权利要求1所述的基于脑网络差异性分析的运动想象脑电信号分类方法，其特征在于：所述步骤S1中通过脑电采集设备采集64导联的多类运动想象脑电信号。3.根据权利要求2所述的基于脑网络差异性分析的运动想象脑电信号分类方法，其特征在于：所述步骤S3包括以下步骤：S31、每个EEG导联对应的电极覆盖区域定义为一个节点；S32、使用标准化互信息关系计算节点之间的相关性；计算运动想象期间脑电信号的熵值，计算公式如下：；X，Y为运动想象期间两个不同导联脑电信号，p(x)为信号取值为x的概率，即信号X的边缘分布概率，H(X)为信号的熵；利用两个信号的熵值可以计算两个导联信号间的互信息，计算公式如下：；其中，I(X,Y)为两个导联信号间的互信息，H(X,Y)为信号X和Y的联合熵；将两个导联信号间的互信息进行标准化，计算公式如下：；NMI(X,Y)即为信号X和Y的标准化互信息，表示X与Y两个信号间的同步性大小；S33、计算每个试次中两个信道间的标准化互信息，得到运动想象脑电信号标准化互信息网络；S34、将所有试次的标准化互信息网络划分为训练集数据和测试集数据。4.根据权利要求1所述的基于脑网络差异性分析的运动想象脑电信号分类方法，其特征在于：所述步骤S4包括以下步骤：S41、将训练集标准化互信息数据按照其脑电数据对应的真实标签划分为两类；
S42、每类标准化互信息中的一...

【专利技术属性】
技术研发人员：李婷，李国瑞，
申请(专利权)人：中国医学科学院生物医学工程研究所，
类型：发明
国别省市：