[发明专利]偶极子成像与识别方法

权利要求书

1.一种基于偶极子成像和3DCNN的MI-EEG解码方法，其特征在于：

其特征在于：

Step1 MI-EEG信号预处理；

Step1.1假设为第m类第i次实验采集的头皮脑电信号，m∈{1,2,3,4}、i＝{1,2,3,…,N_m}；其中，N_m表示采集实验次数；N_c代表导联数；N_s代表采样点数；

Step1.2根据神经生理学知识，使用带通滤波器将脑电信号X_m,i滤至8～30Hz，并对信号进行1000Hz的降采样处理，将得到的信号记为

Step2偶极子成像图的构建；

Step2.1基于sLORETA算法对预处理后的MI-EEG信号X'_m,i进行偶极子源估计，求得偶极子源估计序列式中N_d表示皮质层偶极子的个数；

Step2.2 TOI和ROI的联合选取

假设第m类第i次实验N_d个偶极子的平均幅值为：

则第1、2两类和第3、4两类运动想象任务偶极子平均响应的差值分别为：

最后通过分析和的波形，选取两个两类运动想象任务偶极子响应幅值差异明显的共同时段选取为感兴趣时间TOI，记TOI内时间点的个数为N_T；将TOI内第m类运动想象任务激活的偶极子构成该类的ROI，记为R_m,则四类运动想象任务的ROI表示为R∈R₁∪R₂∪R₃∪R₄，∪表示取并集；

Step2.3偶极子坐标变换

提取TOI和ROI内偶极子的坐标和幅值，并对坐标进行变换，具体步骤如下：

对偶极子坐标(x,y)进行平移操作：

使得x₁0,y₁0；式中，ε0，分别表示(x,y)的坐标平移量；

再将平移后的坐标(x₁,y₁)放大n倍，并利用round函数进行取整操作：

(x₂,y₂)＝(x₁,y₁)×n (5)

(x₃,y₃)＝round(x₂,y₂) (6)

针对每个离散时间点，将偶极子幅值插值到其对应坐标位置(x₃,y₃)上，得到一幅N_a×N_b大小的二维偶极子成像图；

Step2.4构建二维偶极子成像图序列

将TOI内N_T个时间点的二维偶极子成像图，按照时间维度堆叠构成二维偶极子成像图序列；

Step3利用3DCNN识别三维偶极子特征数据

Step3.1数据增广，获得三维偶极子特征数据

利用滑动时间窗法对二维偶极子成像图进行数据增广；设置窗长为N_w，将滑窗内的二维偶极子成像图构成N_a×N_b×N_w的三维偶极子特征数据；设置滑动步长为N_st，利用滑窗法将三维偶极子特征数据扩充至原来的S倍；

Step3.2设计3DCNN模型，由两个3D卷积层、一个3D池化层、两个批量归一化层BN、一个Flatten层、两个Dropout层和两个Dense层组成；

Step3.2识别三维偶极子特征数据

将三维偶极子特征数据输入到Step3.2中设计的3DCNN模型中进行识别分类。