[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

说明书

本发明涉及一种面向运动障碍功能重塑的脑电信号识别方法及系统。识别方法包括以下步骤：S1：设置采样周期，获取多个脑电信号；S2：对脑电信号预处理并提取训练集；S3：将训练集中的脑电信号分为不重叠的时间窗口，计算每个时间窗口的皮尔逊系数，获取时域脑功能连接；S4：根据时域脑功能连接和空间域信息建立脑部生物拓扑模型；S5：提取特定频段范围内的初始特征，校准后训练集上的特征作为输入特征；S6：根据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，输出预测标签。本发明通过充分融合时‑频‑空域的脑电信息，学习更具有鉴别性的运动想象特征，使得模型在训练过程中合理优化电极关系，提高了脑电信号识别的准确率。

技术领域

本发明涉及脑电信号识别技术领域，特别是涉及一种面向运动障碍功能重塑的脑电信号识别方法、一种面向运动障碍功能重塑的脑电信号识别系统。

背景技术

运动是人日常生活中最基本的功能之一，因意外事故或疾病导致不同程度的运动功能受损的运动障碍患者，他们的生活能力和生存质量都受到了严重的影响。目前运动障碍患者进行的康复类训练往往是被动活动障碍部位，且辅具仅与障碍处肌肉关联并没有与神经系统建立连接，这样很难对运动障碍者的积极性和自主性进行调动。因此，运动障碍患者急需更加有效的辅助康复工具和更主动的训练方式。脑电信号(Electroencephalogram,EEG)具有自发性和高精度等优势，在医疗健康、智慧驾驶、生活娱乐等领域都有着广泛的应用。基于脑电信号对大脑重塑并将其转化为控制运动的指令可以帮助运动障碍患者修复及补充大脑信息的输出，并且增强训练肌肉与中枢神经系统的信息交互。

目前脑电信号精确识别工作的难点主要表现在以下三个方面：1、脑电信号具有非平稳特性和个体差异性。即面对相同的刺激，不同的文化背景、生长环境的个体的脑电表征不同，通过数据集训练的模型可能仅仅适用于当前个体，缺乏泛化能力。2、冗余电极信息的干扰。当前深度网络模型的网络节点一般都是全通道的脑电信号，这就造成一些与运动关联较低的电极产生的信号也进入网络训练，产生大量的冗余信息，为模型进行自主学习引入了干扰信息，导致负向学习。3、脑功能网络难以构建。大脑与人体其他结构不同，大脑区域之间的连接并没有明确的物理拓扑结构，脑电通道之间的空间位置联系也不同于它们之间的功能联系，以往的研究往往忽略了大脑区域间的信息连接。

发明内容

基于此，有必要针对脑电信号识别精确度低的问题，提供一种面向运动障碍功能重塑的脑电信号识别方法及系统。本发明通过以下技术方案实现：一种面向运动障碍功能重塑的脑电信号识别方法包括以下步骤：

S1：设置采样周期，通过下采样实时采集多个受试者不同脑区的多个脑电信号。

S2：对脑电信号预处理去除伪迹干扰后映射到预设的频段。将每个频段中的多个脑电信号按预设的比例分配，划分为训练集和测试集。

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；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。

d_i,j表示电极i和电极j之间的物理距离，η是一个稀疏参数，在这里将A构造为无向对称矩阵来对局部通道间关系进行初始化。

S42：根据初始化的图邻接矩阵设置全局通道间关系。全局通道间关系表示为：

A_i,j＝A_i,j-1；