[发明专利]一种基于脑‑机接口的运动想象疗法装置及其使用方法在审

专利信息
申请号: 201710535363.9 申请日: 2017-07-03
公开(公告)号: CN107358041A 公开(公告)日: 2017-11-17
发明(设计)人: 李远清;娄丹丹;李日辉;张迎春;何盛鸿 申请(专利权)人: 华南理工大学
主分类号: G06F19/00 分类号: G06F19/00
代理公司: 广州市华学知识产权代理有限公司44245 代理人: 冯炳辉
地址: 510640 广*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 接口 运动 想象 疗法 装置 及其 使用方法
【权利要求书】:

1.一种基于脑-机接口的运动想象疗法装置,其特征在于,包括:

视觉刺激屏,放置在患者用于康复训练的位置,患者通过注视视觉刺激屏上反馈界面呈现的目标来做相应的手腕运动想象;

脑电采集系统,包括电极帽、电极和脑电采集模块;其中,所述电极帽和电极用32个处于国际10-20系统中的标准位置的通道信息,所述脑电采集模块用于采集脑电信号,并进行放大和模数转换处理;

脑机接口模块,用来对脑电信号进行预处理,提取特征和分类;通过对四种不同的运动想象的分类,将分类结果传给控制系统;

控制系统,用于控制指令的解析以及发送控制命令,具体是:根据脑机接口模块输出的四种不同的分类结果,相应解析成四种不同的控制指令传输给被控对象,用于控制被控对象的运动方向;其中,所述被控对象为视觉刺激屏上反馈界面呈现的白色小球,控制系统将指令解析的控制命令传输给视觉刺激屏的反馈界面,反馈界面收到指令触发白色小球分别向上下左右四个方向运动。

2.根据权利要求1所述的一种基于脑-机接口的运动想象疗法装置,其特征在于:所述视觉刺激屏上反馈界面随机出现的四个目标分布在白色小球的正上下左右方位,将白色小球包围在正中心的位置;当目标出现在上、下方位时,分别做手掌心向下,以手腕为轴上翘、下弯;当目标出现在左右方位时,分别做手掌心向下,以手腕为轴左、右偏转20~30的角度;在所有的动作进行时,需保持大小臂保持不动,四种动作随机呈现,每次呈现一种。

3.一种权利要求1所述的基于脑-机接口的运动想象疗法装置的使用方法,其特征在于,包括以下步骤:

S1:用户在进行第一次康复训练前,需要先进行一组预实验,预实验和正式的康复训练过程的动作是一致的;预实验分多次进行,分别在每天的不同时间段进行;用户只需根据视觉刺激屏中的提示做出相应的动作想象即可,确保多次预实验下来每种动作有100~200个的样本数量;再利用这些样本数据经过预处理和特征提取后,训练出适合受试者的SVM分类器参数,并保存下来;

S2:接下来进行正式的康复训练,将该用户的分类器参数调整至之前保存的参数,用户注视视觉刺激屏,目标会随机出现在某个方位,并持续设定的时间,期间用户做出相应的动作想象,过后想象停止;数据经过预处理和特征提取后,通过预先训练好的SVM分类器识别出动作结果;如果结果识别正确,将发送识别正确的指令到控制系统,控制系统对指令进行解析,并控制刺激屏中间的白色的小球向目标移动;若动作想象不到位或者没有进行想象而导致识别结果的错误,控制系统将收不到计算机发来的指令,也就不会有小球的运动;

S3:识别结果出来后,不论有无正确识别,都将系统进行初始化,系统初始化后,被控对象白色小球将归位到屏幕中间的初始位置,目标也随之消失,准备进行下一次运动想象的康复训练;

S4:每次康复训练4*(8~10)组,动作的次序是随机出现的。

4.根据权利要求3所述的一种基于脑-机接口的运动想象疗法装置的使用方法,其特征在于:在步骤S1、S2中,数据预处理,特征提取和分类所用算法是一致的,其流程为:ICA去伪迹→8~30Hz带通滤波→Alpha和Beta波段频带能量特征→小波变换特征提取→将特征进行SVM分类,具体如下:

①ICA去伪迹,包括眼电信号和心电信号

采用自然梯度的扩展的infomax算法,即设x为原始信号,W为解混阵,则y=Wx为分解出来的独立分量,得出各分量后,根据各分量的地形图判别眼电信号和心电信号,将属于眼电信号和心电信号的成分置零,再由x=W-1y反求头皮上去除了伪迹的原始信号;

②用8~30Hz带通滤波

大脑在执行运动想象时,大脑皮层的Alpha和Beta波会表现出明显的ERD/ERS现象,带通滤波8~30Hz频段范围内的脑电信号;

③提取Alpha和Beta波段频带能量特征

计算Alpha和Beta波段频带能量的计算公式为:

BP=1NΣn=1Nx(n)2---(1)]]>

式中,x(n)表示想象前后-500ms~3000ms的脑电数据,N表示数据的长度;

④小波变换提取特征

对信号f(t)的分解用以下公式表示:

f(t)=AL+Σj=1LDj---(2)]]>

式中,L代表分解的层数,Dj是各尺度下的高频的细节分量,AL是低频近似分量;

⑤SVM分类

选用的SVM核函数为线性核函数:

K(xi,xj)=xi·xj(3)

式中,xi和xj指的是原始空间的样本特征。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华南理工大学,未经华南理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201710535363.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top