System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种用于脑机接口的数据处理方法及装置制造方法及图纸_技高网

一种用于脑机接口的数据处理方法及装置制造方法及图纸

技术编号:40171590 阅读:5 留言:0更新日期:2024-01-26 23:41
本发明专利技术公开了一种用于脑机接口的数据处理方法及装置,包括:获取并处理脑电图记录数据以及功能性近红外光谱记录数据;将所述脑电图记录数据以及功能性近红外光谱记录数据作为数据集输入预训练完成的深度神经网络中,输出分类结果,其中,所述分类结果包括右手运动意象状态、左手运动意象状态;所述深度神经网络为全连接的前馈DNN。充分利用不同模态脑成像技术的互补信息,解决了传统技术中信息内容有限、分类准确率低和特征提取能力不足的问题,提高了BC I的性能和可靠性。

【技术实现步骤摘要】

本申请涉及信息处理,尤其涉及一种用于脑机接口的数据处理方法及装置


技术介绍

1、脑机接口(bci,brain-computer interface)是一种直接连接大脑(或大脑细胞培养物)与外部设备之间的通路,其可以是单向的,其中电脑接收来自大脑的命令或向大脑发送信号,但不能同时发送和接收信号;也可以是双向的,允许大脑与外部设备之间进行双向信息交流。bci可以专注于映射、辅助、增强或修复人类的认知和感觉-运动功能。从历史上看,bci是通过脑电图(eeg,electroencephalography)进行的,脑电图提供了关于大脑电活动的非常高的时间分辨率信息。

2、相关技术中,受限于信号的分析技术,脑机接口的性能如何提高是待解决的技术问题。


技术实现思路

1、本申请提供一种用于脑机接口的数据处理方法及装置,以解决相关技术中存在的技术问题。

2、第一方面,本专利技术提供一种用于脑机接口的数据处理方法,包括:获取并处理脑电图记录数据以及功能性近红外光谱记录数据;将所述脑电图记录数据以及功能性近红外光谱记录数据作为数据集输入预训练完成的深度神经网络中,输出分类结果,其中,所述分类结果包括右手运动意象状态、左手运动意象状态;所述深度神经网络为全连接的前馈dnn。

3、第二方面,本专利技术提供一种用于脑机接口的数据处理装置,包括获取并处理脑电图记录数据以及功能性近红外光谱记录数据;将处理后的脑电图记录数据以及功能性近红外光谱记录数据作为数据集输入预训练完成的深度神经网络中,输出分类结果,其中,所述分类结果包括右手运动意象状态、左手运动意象状态;所述深度神经网络为全连接的前馈dnn。

4、第三方面,本专利技术提供一种电子设备,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,所述处理器执行所述程序时实现第一方面提供的的方法。

5、第四方面,本专利技术提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现第一方面提供的方法。

6、本专利技术公开了一种用于脑机接口的数据处理方法及装置,包括:获取并处理脑电图记录数据以及功能性近红外光谱记录数据;将所述脑电图记录数据以及功能性近红外光谱记录数据作为数据集输入预训练完成的深度神经网络中,输出分类结果,其中,所述分类结果包括右手运动意象状态、左手运动意象状态;所述深度神经网络为全连接的前馈dnn。充分利用不同模态脑成像技术的互补信息,解决了传统技术中信息内容有限、分类准确率低和特征提取能力不足的问题,提高了bc i的性能和可靠性。

本文档来自技高网...

【技术保护点】

1.一种用于脑机接口的数据处理方法,其特征在于,包括:

2.根据权利要求1所述的用于脑机接口的数据处理方法,其特征在于,在训练所述深度神经网络时:

3.根据权利要求2所述的用于脑机接口的数据处理方法,其特征在于,采用监督学习方法对深度神经网络进行训练中,DNN参数通过最小化目标函数的过程进行调整,其中,采用交叉熵误差作为目标函数,所述目标函数定义为:

4.根据权利要求1所述的用于脑机接口的数据处理方法,其特征在于,所述获取并处理脑电图记录数据包括:

5.根据权利要求1所述的用于脑机接口的数据处理方法,其特征在于,获取并处理功能性近红外光谱记录数据包括:

6.一种用于脑机接口的数据处理装置,其特征在于,包括:

7.根据权利要求6所述的用于脑机接口的数据处理装置,其特征在于,在训练所述深度神经网络时:

8.根据权利要求7所述的用于脑机接口的数据处理装置,其特征在于,采用监督学习方法对深度神经网络进行训练中,DNN参数通过最小化目标函数的过程进行调整,其中,采用交叉熵误差作为目标函数,所述目标函数定义为

9.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述权利要求1~5任一项所述的方法。

10.一种电子设备,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,其特征在于,所述处理器执行所述程序时实现上述权利要求1~5任一项所述的方法。

...

【技术特征摘要】

1.一种用于脑机接口的数据处理方法,其特征在于,包括:

2.根据权利要求1所述的用于脑机接口的数据处理方法,其特征在于,在训练所述深度神经网络时:

3.根据权利要求2所述的用于脑机接口的数据处理方法,其特征在于,采用监督学习方法对深度神经网络进行训练中,dnn参数通过最小化目标函数的过程进行调整,其中,采用交叉熵误差作为目标函数,所述目标函数定义为:

4.根据权利要求1所述的用于脑机接口的数据处理方法,其特征在于,所述获取并处理脑电图记录数据包括:

5.根据权利要求1所述的用于脑机接口的数据处理方法,其特征在于,获取并处理功能性近红外光谱记录数据包括:

6.一种用于脑机接口的数据处理装置,其特征...

【专利技术属性】
技术研发人员:刘伟奇马学升陈金钢陈磊赵晓彤
申请(专利权)人:浙江学时医疗科技有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1