[发明专利]基于脑电和深度学习的脑负荷检测方法

说明书

本发明公开了一种基于脑电和深度学习的脑负荷检测方法，主要解决现有技术效率不高且检测精度低，难以有效检测出在虚拟现实环境下用户脑负荷程度的问题。其实现方案为：构建虚拟现实场景；设计实验范式，采集被试者脑电数据并对其进行预处理；用预处理后的脑电数据制作数据集；设计由三个时间域特征提取单元、三个空间域特征提取单元、两个随机失活层和一个拼接卷积分类器组成的卷积神经网络，并使用训练集和验证集对其训练；将测试集输入到训练好的卷积神经网络中，得到脑负荷检测结果。本发明能有效检测出用户的脑负荷状态，与传统方法相比提高了检测准确率，为更好调节身体提供辅助的参考依据，可用于虚拟现实及医疗服务中对脑电信号的检测。

技术领域

本发明属于电子信息技术领域，特别涉及对一种脑负荷检测方法，可用于虚拟现实及医疗服务中对脑电信号的检测。

背景技术

虚拟现实VR是指综合利用计算机系统和各类显示、控制设备生成可交互的立体环境、提供沉浸式体验的技术。它可以高度逼真地模拟真实世界，使用户在模拟三维环境中通过感官、肢体或辅助装置与之交互，从而具有“身临其境”的感觉。

近年来，虚拟现实因在娱乐、教育、医疗等领域展现出巨大的潜力而备受重视，多家厂商推出消费级设备，基于虚拟现实的应用软件、游戏和全景视频也随之大量出现。

脑电信号由大脑神经元群的生物电活动产生，属于自发性电位活动。脑电信号处理技术可应用于脑机接口的研发、脑部疾病的诊断和人类认知活动研究等领域。通常将脑电信号按频率不同分为δ、θ、α、β、γ五种节律，不同节律的脑电信号能反映人体不同的生理状态信息，其中：

δ节律主要位于1～4Hz频段，主要反应人的书读睡眠状态或特殊脑部病患；

θ节律主要位于4～8Hz频段，主要反应人处在睡眠初期、冥想、困倦或压抑状态；

α节律主要位于8～12Hz频段，除了反映人处于清醒、安静和闭眼的状态，还包含了与躯体运动相关的μ波；

β节律主要位于12～30Hz频段，既能反映人体处于精神紧张、情绪激动或思维活跃、注意力集中时的状态，也含有一部分反映躯体运动相关的信息；

γ节律主要位于30～60Hz频段，其包含较高层次的思维活动，如情绪变化、抽象思考等状态。

脑机接口BCI源于上世纪七八十年代，早期BCI主要用于医疗服务，通常面向神经或肌肉失能的重症病人设计，例如脑控轮椅，脑控文字输入设备，脑控假肢和机械臂等等。随着研究的推进，BCI在医疗、康复应用中继续发挥更大作用的同时，也逐渐显示出更广阔的应用潜力。在教育领域，用于时刻反馈教师授课质量的学生头环已投入市场，又可嵌入日常生活场景，改善儿童多动症、增强注意力；保健行业，已有基于脑电的睡眠质量监测和改善仪器；在家用娱乐方面，脑控交互系统提供了全新的游戏形式，可用于强化虚拟现实、增强现实，提升用户体验；在特种行业，利用脑电仪器监测使用者的情绪变化和工作状态，当发现使用者情绪异常或疲劳工作时及时干预，避免造成重大损失；在军事方面，美国等国家试图借助BCI提升单兵作战能力。出于成本和便携性考虑，这类BCI通常使用非侵入式方法采集脑电信号。

根据脑电信号的不同特征信息，衍生出了一系列脑电信号的采集和处理方法。目前普遍使用的是将电极通过导电膏与人体头皮相连来获取脑电信号，称为非入侵式脑电采集方法。脑机接口技术在大脑和计算机或外部设备之间建立了直接的通信交流通道，它提供了一种新的通信模式，通过使用脑电信号来研究人的精神状态或认知状态已经得到普遍认可。

通过对脑电信号的研究，能更好的了解人在不同场景所产生的脑部反应。其中，人们在体验虚拟现实的过程中，容易引起晕屏症的发生，导致脑负荷增大，产生眩晕、疲劳等不适感。