[发明专利]一种基于脑机接口与虚拟现实技术的上肢康复训练方法

权利要求书

1.一种基于脑机接口与虚拟现实技术的上肢康复训练方法，其特征在于，包括以下步骤：

1)患者佩戴电极帽及VR眼镜，连接计算机、脑电放大器与智能手机；

2)判断患者是否是第一次训练，如果是，则首先采集脑电(electroencephalography，EEG)信号，进行个体化分类器校准，然后开始一次训练；否则直接开始一次训练；

3)训练过程中，VR眼镜与智能手机为患者构建第一人称视角的上肢训练动作场景，患者通过持续运动想象练习实时控制虚拟场景中的上肢动作，计算机中的BCI模块依据患者当前训练效果，自动调整分类器；

4)训练结束后，BCI模块的分类器进行自适应调整，用于下次训练；

所述步骤3)中患者通过持续运动想象练习实时控制虚拟场景中的上肢动作以及BCI模块在一次训练中的自动调整过程，包括以下步骤：

3.1)长度为250毫秒的移动时间窗截取实时采集到的EEG数据；

3.2)对时间窗内的EEG数据利用CSP法进行特征提取；

3.3)调取最优化分类器参数，对提取到的特征进行处理，依据初始决策阈值对分类器输出结果进行决策；

3.4)如果分类结果为患者当前没有进行运动想象，则判断是否是第n次检测结果为无运动想象，如果不是，则降低虚拟场景中肢体运动速度后返回步骤3.1)，读取下一个移动时间窗内EEG数据；

3.5)如果是n次检验结果为无运动想象，则停止虚拟场景中上肢运动；然后判断是否是连续n+m次检测无运动想象，是，则降低分类器决策阈值后返回步骤3.1)，读取下一个移动时间窗内EEG数据，如果不是，则直接返回步骤3.1)；

3.6)如果步骤3.3)判断结果表明患者在进行运动想象，则利用AR模型法估计功率谱后计算事件相关去同步(Event Related Desynchronization，ERD)强度M，并依据ERD强度M计算虚拟场景中上肢运动速度为v＝V(1-e^-k·M)，其中k为常数，用于调整运动速度随ERD强度变化的快慢，M∈(0,1)，V为最大肢体运动速度；

3.7)判断是否连续k次检测到运动想象状态，如果不是，则判断训练时间是否结束，如果是，则结束本次训练；如果不是，则返回步骤3.1)，读取下一个移动时间窗内EEG数据；

3.8)如果检测到连续k次运动想象状态，则恢复分类器决策阈值至本次训练开始时的水平；然后判断训练时间是否结束，如果是，则结束本次训练，如果不是，则返回步骤3.1)，读取下一个移动时间窗内EEG数据。

2.根据权利要求1所述的一种基于脑机接口与虚拟现实技术的上肢康复训练方法，其特征在于，所述步骤2)中个体化分类器校准过程，包括以下步骤：

2.1)患者依据屏幕提示信息进行肢体运动想象练习，每次练习维持4秒，相邻两次练习间存在4秒间隔用于放松休息，即安静状态，采集整个过程患者的EEG信息；

2.2)分别将运动想象状态及安静状态下的EEG信号分割成250毫秒长的数据段，利用共空间模式(common spatial pattern，CSP)法进行两类样本的特征值提取，利用自回归(autoregression model，AR)模型估计EEG信号的功率谱密度；

2.3)将支持向量机(support vector machine，SVM)作为分类器，使用提取的两类样本特征值对分类器参数进行最优化设计；利用多倍交叉验证法对分类效果进行评估；

2.4)将最优化分类器参数及分类效果保存至患者数据库，以便在开始训练前调用。

3.根据权利要求1所述的一种基于脑机接口与虚拟现实技术的上肢康复训练方法，其特征在于，所述的步骤4)中BCI模块的分类器进行自适应调整以用于下次训练，包括以下步骤：

4.1)一次训练结束后，从患者数据库中调取历次训练时的EEG信号；

4.2)分别将安静及运动想象状态下的EEG信号分割为250毫秒的数据段，并利用AR模型法估计各数据段功率谱，计算对侧运动皮层区域α及β频带平均能量；

4.3)从安静状态下脑电数据中找出N个频带能量最高的样本作为安静状态的新样本，从运动想象状态脑电数据中找出N个频带能量最低的样本作为运动想象状态新样本；

4.4)利用CSP法分别提取安静状态及运动想象状态样本的特征值；

4.5)支持向量机(support vector machine，SVM)作为分类器，使用提取的两类样本特征值对分类器参数进行最优化设计；利用多倍交叉验证法对分类效果进行评估；将最优化分类器参数及分类效果保存至患者数据库，以便在下次训练前调用。