[发明专利]基于蒸馏学习和深度学习纯意念控制智能康复方法及应用

说明书

一种基于蒸馏学习和深度学习的纯意念控制智能康复方法，包括：根据所采集的已有被试者的脑电信号构建教师网络和学生网络，包括构建时空卷积块、构建教师网络和构建学生网络；利用已采集的被试者的脑电信号对教师网络进行预训练；在经过预训练的教师网络的基础上，对学生网络进行预训练；在预训练学生网络的基础上对学生网络进行再次训练；通过纯意念控制智能康复系统采集被试者的脑电信号，并在训练完毕的学生网络的基础上对输入的脑电信号进行识别，当识别出脑电类别所对应的被试者运动意图后，通过纯意念控制智能康复系统的外骨骼康复器械协助被试者执行相应的肢体动作，完成康复训练。本发明能够实现使用者进行主动康复训练。

技术领域

本发明涉及一种纯意念控制智能康复系统。特别是涉及一种基于蒸馏学习和深度学习纯意念控制智能康复方法及应用。

背景技术

脑电信号是脑神经细胞电生理活动在大脑皮层或头皮表面的总体反映。脑电信号中包含了大量的生理与疾病信息，分析脑电信号，可以获得与某些疾病相关的信息，从而可以根据这些信息对大脑疾病诊断以及康复医疗提供有效的方法。因此，脑电信号的分析、处理被广泛应用于临床神经学研究、康复医疗等领域。在脑机接口领域，深度学习模型已被广泛地应用于脑电的分析与处理中。然而，如何将脑电信号分类深度学习模型部署到移动端或者嵌入式设备是脑电在实际应用中不可避免的一个难题。其中主要面临的问题为深度学习模型复杂度与准确率之间的平衡。在脑电信号分类中，深度学习模型往往比传统分类模型具有更优的分类性能，但其模型结构也往往复杂度更高。模型复杂度高的深度学习网络在实际应用中主要会产生两个负面影响：计算功耗大和实时响应性弱。而这两种影响也是一直以来制约深度学习模型部署至移动端或者嵌入式设备的两大瓶颈。

发明内容

本发明所要解决的技术问题是，提供一种能够通过对脑电信号进行实时监测与分析实现主动式康复训练的基于蒸馏学习和深度学习纯意念控制智能康复方法及应用。

本发明所采用的技术方案是：一种基于蒸馏学习和深度学习的纯意念控制智能康复方法，包括如下步骤：

1)根据所采集的已有被试者的脑电信号构建教师网络和学生网络，包括构建时空卷积块、构建教师网络和构建学生网络；

2)利用已采集的被试者的脑电信号对教师网络进行预训练；

3)在经过预训练的教师网络的基础上，对学生网络进行预训练；

4)在预训练学生网络的基础上对学生网络进行再次训练；

5)通过纯意念控制智能康复系统采集被试者的脑电信号，并在训练完毕的学生网络的基础上对输入的脑电信号进行识别，当识别出脑电类别所对应的被试者运动意图后，通过纯意念控制智能康复系统的外骨骼康复器械协助被试者执行相应的肢体动作，完成康复训练。

步骤1)所述的构建时空卷积块，是根据所述脑电信号数据的时间及空间特性，构建一个6层的时空卷积块，其中：

第一层为时间卷积层，用于对数据长度为L，通道数为N的脑电信号进行时间滤波，该层使用K种滤波器，每种滤波器与输入信号进行卷积操作后形成K个特征图；时间卷积层卷积核大小为t×1，步长为s；

第二层与第五层均为ReLU激活函数，使经过激活后的输出为非负值，ReLU激活函数为：

r(x)＝max(0,x)

其中，x为输入的特征图；

第三层与第六层均为批量归一化层，用于对上一层网络的输出进行归一化处理，使上一层网络输出的数据分布接近正态分布，加速模型收敛，提高网络的泛化性能；

第四层为空间卷积层，用于对通道数为N的脑电信号进行空间滤波，该层使用F种滤波器，每种滤波器与输入信号进行卷积操作后形成F个特征图；空间卷积层卷积核大小为1×N，步长为d。