[发明专利]基于脑源域空间的MI-EEG识别方法

说明书

本发明公开了基于脑源域空间的MI‑EEG识别方法，对采集到的运动想象脑电信号进行共平均参考及带通滤波等预处理；使用标准化低分辨率脑电磁断层扫描成像算法对脑电信号进行逆变换，得到脑源域偶极子偶极矩幅值时间序列；使用数据驱动方法，基于偶极子偶极矩幅值大小进行偶极子的初选，并采用连续小波变换对其进行时频分析，实现偶极子的精选及最优时间段的确定；选用一对一共空间模式算法提取偶极子小波系数功率序列特征，并输入到支持向量机中进行分类。本发明提高空间分辨率的同时，使得其时域、频域、空域信息在偶极子的优选、最优时间段的确定，及特征提取中得以充分利用，对于提高计算效率和分类精度具有重要意义。

技术领域

本发明属于基于脑源空间的运动想象脑电信号(MI-EEG)识别与处理技术领域，具体涉及：采用标准化低分辨率脑电磁断层扫描成像(sLORETA)方法将头皮层脑电信号逆变换到脑皮层，基于数据驱动(Data-driven)及连续小波变换(CWT)进行偶极子优选及最优时间段的确定，并采用一对一共空间模式算法(OVO-CSP)以及支持向量机(SVM)实现MI-EEG在脑源空间的特征提取和分类。

背景技术

脑机接口BCI(brain-computer interface)是一种不依赖于外周神经和肌肉组织等常规大脑信息输出通路，而运用工程技术手段在大脑和计算机或者其他机电设备之间建立连接，实现“让思想变成行动”的对外信息交流和控制的新途径。因此，BCI技术在多种医疗与康复领域中获得广泛应用。BCI主要分为侵入式和非侵入式两类，特别是非侵入式BCI，使用头皮上的电极测量脑电信号(EEG)以反映大脑皮层活动，且该信号因具有采集便捷、价格低廉、时间分辨率高等特点，在BCI系统中广泛采用。

运动想象脑电信号(MI-EEG)具有空间分布的特点，即不同运动想象任务，其在脑皮层对应的激活区域不同，因此由头皮层测得的脑电信号在空间分布上也会产生差异。而共空间模式算法(Common Spatial Patterns,CSP)能够利用MI-EEG在空间上具有分布差异性的特点，通过设计一组空间滤波器，使不同想像任务下的脑电信号滤波后的方差差异最大化，从而达到提取MI-EEG的特征、提高其可分离性的目的。然而，MI-EEG信号容易受到来自传感器以及头骨传导结构等噪声的严重污染，导致信噪比(SNR)降低；同时，因体积传导效应及头皮电极数量的限制，使得头皮层测得的EEG信号的空间分辨率较低。这些因素均会造成头皮层MI-EEG在传感器域难以获得高质量的特征信息。

脑电源成像(ESI)指的是利用头皮层记录的脑电数据对其在脑皮层源信号进行估计的一种常用技术，即将头皮层传感器空间转换为脑皮层源空间，获得脑皮层偶极子的源分布估计。近年来有研究表明，在脑皮层空间上应用CSP算法对偶极子进行特征提取，对降低脑电信号在头骨传导过程中噪声的干扰、弥补头皮层脑电信号空间分辨率不足有一定作用，取得了比头皮层MI-EEG更好的特征提取效果。

然而，采用ESI与CSP相结合对运动想象脑电信号进行特征提取仍存在以下问题：

(1)求解脑电逆问题得到的不同类别运动想象任务偶极子时间序列杂乱无章，很少有规律可循，尤其是复杂的同侧肢体运动想象时，相应的皮层激活区域可能存在重叠，或者彼此非常接近，仅从时域上分析偶极子偶极矩时间序列，没有突显与运动想象有关的节律特点，因此很难提取到可分性较好的特征；

(2)脑源成像后得到的偶极子数量庞大，对所有偶极子进行特征提取将会造成特征信息冗余，大量与想象任务不相关的特征混杂其中，影响分类准确率；而且通过脑电正问题计算零导域矩阵时，由于实验设备的限制，无法对每个受试者进行fMRI扫描，通常基于通用模板采用数值计算方式构建头模型。因数值方法存在近似性，这使求解正问题时对于不同受试者无法自适应地获得头皮电极和皮质神经元之间的精确对应关系。因此，通过脑电逆问题求得偶极子分布估计同样存在误差，从而影响基于神经生理学分区方法(Brodmann分区)选取 ROI区域的准确性；