一种运动想象脑电信号解码方法、系统、介质及设备技术方案

本发明专利技术属于运动想象脑电信号解码技术领域，提供运动想象脑电信号解码方法、系统、介质及设备。其中，运动想象脑电信号解码方法包括获取运动想象脑电信号并进行归一化处理；利用训练完成的EISATC‑Fusion模型解码归一化的运动想象脑电信号，预测出运动想象脑电信号的类别；其中，所述EISATC‑Fusion模型由EEGInc模块、多头自注意力模块、时间卷积网络模块、融合模块及输出模块构成，所述EISATC‑Fusion模型训练过程分为两个阶段，验证集的损失和准确率作为模型训练的早停指标；其充分利用了各层特征和不同模型的信息，提高了模型的分类准确率和鲁棒性，有效的提升运动想象脑电信号的被试内和跨被试的解码性能。

【技术实现步骤摘要】

本专利技术属于运动想象脑电信号解码，尤其涉及一种运动想象脑电信号解码方法、系统、介质及设备。

技术介绍

1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。

2、脑机接口(brain-computer interface,bci)是一种建立大脑与外部设备的直接连接的技术，被广泛的应用于人机交互、运动康复和疾病治疗等领域。常用的脑机接口范式有稳态视觉诱发(steady-state visual evoked potentials,ssvep)、p300和运动想象(motor imagery,mi)，其中mi是最有应用前景的一种范式。mi bci通常使用脑电图(eeg)信号来检测运动想象，可以让使用者通过想象运动来控制设备，例如移动电动轮椅、光标和上肢机器人等。然而，由于大脑活动的不稳定和低信噪比(snr)，脑电图信号会产生不同的结果。并且脑电图信号的高维性、主题依赖性和通道相关性使得脑信号的分析和分类成为一项具有挑战性的任务。

3、目前用于mi eeg信号解码的方法主要有传统机器学习(ml)和深度学习(dl本文档来自技高网...

【技术保护点】

1.一种运动想象脑电信号解码方法，其特征在于，包括：

2.如权利要求1所述的运动想象脑电信号解码方法，其特征在于，所述EISATC-Fusion模型训练过程分为两个阶段：

3.如权利要求1所述的运动想象脑电信号解码方法，其特征在于，使用Z-score标准化方法对运动想象脑电信号进行归一化处理；

4.如权利要求1所述的运动想象脑电信号解码方法，其特征在于，所述EEGInc模块由时间卷积、空间卷积和Inception块构成；所述时间卷积和空间卷积用于分别提取归一化处理后的运动想象脑电信号的频率特征和特定频率的空间特征；所述Inception块用于进一步提取...

【技术特征摘要】

1.一种运动想象脑电信号解码方法，其特征在于，包括：

2.如权利要求1所述的运动想象脑电信号解码方法，其特征在于，所述eisatc-fusion模型训练过程分为两个阶段：

3.如权利要求1所述的运动想象脑电信号解码方法，其特征在于，使用z-score标准化方法对运动想象脑电信号进行归一化处理；

4.如权利要求1所述的运动想象脑电信号解码方法，其特征在于，所述eeginc模块由时间卷积、空间卷积和inception块构成；所述时间卷积和空间卷积用于分别提取归一化处理后的运动想象脑电信号的频率特征和特定频率的空间特征；所述inception块用于进一步提取多尺度时间信息。

5.如权利要求1所述的运动想象脑电信号解码方法，其特征在于，所述多头自注意力(msa)模块通过查询、键和值这三个组件来模拟；输入至多头自注意力模块的特征通过线性变换得到查询向量、键向量和值向量；将查询向量、键向量和值向量分割成若干个子向量，取查询向量、键向量和值向量的子向量各一个构成一个注意力...

【专利技术属性】
技术研发人员：曹佃国，解学军，梁光金，武玉强，张中才，王金强，
申请(专利权)人：曲阜师范大学，
类型：发明
国别省市：