一种脑电信号运动想象解码方法及深度学习神经网络模型技术

本发明专利技术提供一种脑电信号运动想象解码方法及深度学习神经网络模型，网络结构包括初始特征提取模块、多分支transformer模块、融合注意力模块和分类器模块，初始特征提取模块初步提取脑电信号的时空特征图；多分支transformer模块将初始特征提取模块输出的时空特征图处理为不同特征深度组合的长短不一的特征序列；融合注意力模块依据自注意力机制将特征序列融合起来，获取用于分类的最终特征；分类器模块利用融合注意力模块输出，再通过线性求和学习序列内部元素之间的位置关系，完成分类，实现对运动想象脑电数据的全局时空频特征的有效学习，以端到端的神经网络模型，能够简洁且精准预测运动想象动作标签。

【技术实现步骤摘要】

本专利技术涉及脑电信号分析，尤其涉及一种脑电信号运动想象解码方法及深度学习神经网络模型。

技术介绍

1、脑卒中俗称中风，是我国成人致死、致残的首位病因，且未来脑卒中疾病负担呈现爆发性增长态势。大部分卒中后患者会遗留偏瘫、痉挛等运动能障碍，其中一半以上是手部等上肢远端的功能障碍。这不仅限制了患者的独立生活能力，更是给家庭和社会带来沉重的精神与经济负担。由于手部运动精细复杂，其涉及的大脑皮质区域分布范围广，运动功能损伤后的康复难度相较身体其他部位也更大。传统康复治疗多是以康复治疗师为主导的持续性被动练习，这种治疗方法缺少大脑的主动参与，即使成功地运用于临床，一旦患者出院结束治疗，其功能恢复程度将会逐渐减低，并没有从病灶源头实现神经康复。

2、脑机接口技术(bci)作为一种新型康复方法，不仅激发患者主动运动的大脑意图，将这种运动相关大脑活动与实际动作结合，还可以帮助减轻医院在人员和空间等方面的负担，为患者提供方便且长期的训练，为破解脑卒中手部运动功能康复难题带来了全新希望。

3、随着计算机软硬件性能极大提升，各领域大数据累积，深度学习技术本文档来自技高网...

【技术保护点】

1.一种脑电信号运动想象解码方法，其特征在于，所述方法包括：

2.根据权利要求1所述的一种脑电信号运动想象解码方法，其特征在于，添加进时间序列的位置参数的维度和其所在时间序列的维度相同。

3.根据权利要求1所述的一种脑电信号运动想象解码方法，其特征在于，将获取的时空特征图滤波为4个关注不同频率段且包含脑电信号时空特征的时间序列。

4.根据权利要求3所述的一种脑电信号运动想象解码方法，其特征在于，对时空特征图的滤波采用4个分支处理的方式，生成4个长短不一的不同特征深度组合的时间序列，4个分支中的二维卷积的卷积核大小为(X,5)、(X,10)、(X,20)...

【技术特征摘要】

1.一种脑电信号运动想象解码方法，其特征在于，所述方法包括：

2.根据权利要求1所述的一种脑电信号运动想象解码方法，其特征在于，添加进时间序列的位置参数的维度和其所在时间序列的维度相同。

3.根据权利要求1所述的一种脑电信号运动想象解码方法，其特征在于，将获取的时空特征图滤波为4个关注不同频率段且包含脑电信号时空特征的时间序列。

4.根据权利要求3所述的一种脑电信号运动想象解码方法，其特征在于，对时空特征图的滤波采用4个分支处理的方式，生成4个长短不一的不同特征深度组合的时间序列，4个分支中的二维卷积的卷积核大小为(x,5)、(x,10)、(x,20)和(x,40)，其中x的取值与时空特征图的通道数相同，长序列获得脑电信号的高频时间空间分布的全局信息，短序列获得低频全局信息。

5.根据权利要求1所述一种脑电信号运动想象解码方法，其特征在...

【专利技术属性】
技术研发人员：罗静静，王洪波，程绮颖，冯永飞，田宇，陈力，彭易衡，
申请(专利权)人：复旦大学，
类型：发明
国别省市：