基于MI-BCI的主动诱导式康复系统和设备技术方案

本发明专利技术公开了一种基于MI‑BCI的主动诱导式康复系统和设备，属于脑机接口技术领域。所述康复系统包括MI‑EEG信号采集及预处理模块、数据特征提取及分类算法模块和FNS主动诱导模块；MI‑EEG信号采集及预处理模块采用MI结合EEG的信号采集方式采集原始EEG脑电信号，并进行数据预处理；数据特征提取及分类算法模块经过一对多的共空间模式OVR‑CSP方法对脑电信号α频段和β频段节律的ERD/ERS特征进行提取，然后使用VGG‑LSTMnet网络对特征进行分类；FNS主动诱导模块用于根据数据特征提取及分类算法模块分类的结果完成主动诱导。本发明专利技术不仅具有无创条件下实现精准康复的优势，更可以在神经肌肉反馈通路的基础上实现主动诱导，以改善患者由于神经肌肉通路受阻而造成的功能障碍。

【技术实现步骤摘要】

本专利技术涉及脑机接口，尤其涉及基于mi-bci的主动诱导式康复系统和设备。

技术介绍

1、脑机接口(brain computer interface，bci)技术是一种由神经活动控制、可进行实时反馈输出的新型康复治疗技术，能够通过解码个体心理意图在大脑与外部环境之间建立起一种不依赖于外周神经和肌肉传导的交流与控制通道，将神经活动转化为内部或外部命令信号，实现大脑与外部环境的直接交互。

2、脑电图(electroencephalography,eeg)采集方便，且具有无损伤、可重复、时空分辨率高等优点，因此，将eeg作为非侵入性bci信号采集的方式，可以规避侵入式bci手术风险、免疫反应等安全性难题，在康复医学领域具有独特的应用优势与价值。

3、运动想象(motor imagery,mi)作为诱发eeg信号的一种方式，可以在没有外部刺激和明显动作输出的情况下，在大脑的初级运动区诱导μ节律和β节律的事件相关去同步现象，通过分析不同特征变化所对应的mi任务，就可以了解用户的真实运动意图，自发执行特定的现实交互任务。因此，mi-eeg的使本文档来自技高网...

【技术保护点】

1.基于MI-BCI的主动诱导式康复系统，其特征在于：包括MI-EEG信号采集及预处理模块、数据特征提取及分类算法模块和FNS主动诱导模块；

2.根据权利要求1所述的基于MI-BCI的主动诱导式康复系统，其特征在于，MI-EEG信号采集及预处理模块对原始EEG脑电信号进行数据预处理的方法包括以下步骤：

3.根据权利要求2所述的基于MI-BCI的主动诱导式康复系统，其特征在于：EEG脑电信号的功率谱密度计算方法为

4.根据权利要求2所述的基于MI-BCI的主动诱导式康复系统，其特征在于，数据特征提取及分类算法模块对预处理后的EEG脑电信号进行特征提取的具...

【技术特征摘要】

1.基于mi-bci的主动诱导式康复系统，其特征在于：包括mi-eeg信号采集及预处理模块、数据特征提取及分类算法模块和fns主动诱导模块；

2.根据权利要求1所述的基于mi-bci的主动诱导式康复系统，其特征在于，mi-eeg信号采集及预处理模块对原始eeg脑电信号进行数据预处理的方法包括以下步骤：

3.根据权利要求2所述的基于mi-bci的主动诱导式康复系统，其特征在于：eeg脑电信号的功率谱密度计算方法为

4.根据权利要求2所述的基于mi-bci的主动诱导式康复系统，其特征在于，数据特征提取及分类算法模块对预处理后的eeg脑电信号进行特征提取的具体操作包括以下步骤：经过一对多的共空间模式ovr-csp方法对mi-eeg信号采集及预处理模块输入的eeg脑电信号功率谱密度数据进行脑电信号α频段和β频段节律的erd/ers特征提取。

5.根据权利要求4所述的基于mi-bci的主动诱导式康复系统，其特征在于，ovr-csp方法对脑电信号α频段和β频段节律的erd/ers特征提取的具体操作包括以下步骤：

6.根据权利要求4所述的基于mi-bci的主动诱导式康复系统，其特征在于，数据特征提取及分类算法模块采用混合lstm与vgg的网络结构vgg-lstmnet，对提取的脑电信号α频段和β频段节律的erd/ers特征进行分类。

7.根据权利要求6所述的基于mi-bci的主动诱导式康复系统...

【专利技术属性】
技术研发人员：黄富表，王卓峥，莫含情，陈佳丽，
申请(专利权)人：中国康复研究中心，
类型：发明
国别省市：