[发明专利]一种面向运动障碍功能重塑的脑电信号识别方法及系统

权利要求书

1.一种面向运动障碍功能重塑的脑电信号识别方法，其用于根据每个受试者的运动想象，分别获取受试者多个脑区的脑电信号，进而通过脑电信号的特征建立可学习图卷积神经网络模型，用以识别受试者的脑电信号，预测受试者的运动意图；其特征在于，其包括以下步骤：

S1：设置采样周期，实时采集多个受试者不同脑区的多个脑电信号；

S2：对多个所述脑电信号预处理去除伪迹干扰后，将多个脑电信号分别映射到预设的频段中；在每个频段中按预设的比例提取多个脑电信号作为训练集；

S3：根据一个预设的时间周期将训练集中的脑电信号分为多个不重叠的时间窗口；提取每个时间窗口中脑电信号的训练标签；对所述训练标签进行阈值筛选并归一化得到时域脑功能连接；所述脑功能连接用于表征同一时间窗口中不同脑区之间的联系程度；

S4：根据所述时域脑功能连接和空间域电极的物理距离建立脑部生物拓扑模型；根据脑部生物拓扑模型获取脑电通道间连接，构建初始图邻接矩阵；其中，构建初始图邻接矩阵的方法包括以下步骤：

S41：根据大脑区域之间的连接强度随着物理距离的反比而衰减理论对图邻接矩阵初始化；初始化的图邻接矩阵表示为：

其中，d_i,j表示电极i和电极j之间的物理距离，A_i,j为图邻接矩阵A中第i行第j列的值；η是一个稀疏参数；

S42：根据初始化的图邻接矩阵设置全局通道间关系；所述全局通道间关系用于根据不对称信息模拟脑部之间的信息传输；全局通道间关系表示为：

A_i,j＝A_i,j-1；

S5：截取一个预设的频段范围内的多个脑电信号，对每个频段的脑电数据使用t秒互不重叠的时间窗划分为包含t秒脑电信号的样本，并将脑电信号按照预设的频段范围划分为多个脑电信号集；提取各脑电信号集内脑电信号的初始特征，在训练集上增强关键频段初始特征的权重，选取权重值最高的多个初始特征作为网络节点的输入特征；

S6：根据网络节点的输入特征和脑部生物拓扑模型构造可学习图卷积神经网络模型；将融合后的邻接矩阵与频域特征输入可学习图卷积神经网络来合理优化电极关系，可学习图卷积神经网络进行自主学习鉴别特征，得到预测标签。

2.根据权利要求1所述的面向运动障碍功能重塑的脑电信号识别方法，其特征在于，在S3中，时域脑功能连接的获取方法包括以下步骤：

S31：将对应频段内的脑电信号根据数据集采集范式分为多个时间组，每个时间组包含多个时间窗口为t秒的脑电数据；

S32：根据每个时间组内的脑电数据计算每个窗口的皮尔逊系数，所述皮尔逊系数表达为：

A^Per∈R^S*F*N*N，

其中，S为样本数，F为频段个数，N为电极个数；

S33：将脑电信号划分为不同的类别；对每个类别中对应窗口的皮尔逊系数取均值得到训练标签；

S34：对每个类别的训练标签进行阈值选择得到多个矩阵；将多个矩阵进行求和汇总，并进行归一化处理，得到时域脑功能连接A^Te∈R^N*N。

3.根据权利要求2所述的面向运动障碍功能重塑的脑电信号识别方法，其特征在于，在S31中，将脑电信号X^Te根据数据集采集范式的试段分为k个时间组，每组包含多个时间窗口为t秒的脑电数据，每段的样本数量r根据时间组的长度不定，则预处理的脑电信号X^Te表示为：

X^Te∈R^N×L

其中，N表示电极数量，L为时域采样后的样本数量，样本数量L表示为：

其中，S_P表示预处理时的采样率，r_m为第m段的样本数量，表示第m段中第n个窗口的长度。

4.根据权利要求2所述的面向运动障碍功能重塑的脑电信号识别方法，其特征在于，在S32中，所述皮尔逊系数的计算方法如下：

其中，σ表示标准差，E表示期望函数，μ表示期望值，v和θ分别表示同一时间范围内不同电极上的脑电数据。