[发明专利]一种康复效率预测方法、及其训练装置和计算机设备

权利要求书

1.一种康复效率预测模型的训练方法，其特征在于，所述方法包括：

获取脑电采集设备采集到的多个训练数据集合，其中，每个训练数据集合对应一位检测对象，每个所述训练数据集合中包括多组训练数据，每组训练数据分别包括有检测对象在进行单次运动想像训练时产生的脑电数据；

分别从每组训练数据中提取出多个导联的脑电信号，并将提取到的各个脑电信号分别从时域转换到时频域，得到相应的脑电时频域信号；

将所属同一检测对象的多个脑电时频域信号进行融合处理，得到相应的脑电时频域平均信号；

基于各个检测对象分别对应的脑电时频域平均信号，构建脑电信号矩阵；

基于所述脑电信号矩阵进行功率谱密度的提取，得到相应的脑功率谱密度矩阵，以及根据所述脑电信号矩阵中各项元素之间的导联相关性，构建脑连接性相关矩阵；

将所述脑功率谱密度矩阵和脑连接性相关矩阵作为样本数据，分别输入至待训练的康复效率预测模型，由所述待训练的康复效率预测模型对所述样本数据进行处理，得到相应的康复效率预测值；

根据所述康复效率预测值和所述样本数据对应的康复效率实际值之间的差异，调整待训练的康复效率预测模型的模型参数，直至达到训练停止条件时停止训练，得到训练好的康复效率预测模型；所述训练好的康复效率预测模型用于对目标检测对象的待处理训练数据集合进行处理，以对所述目标检测对象的康复效率进行预测。

2.根据权利要求1所述的方法，其特征在于，所述分别从每组训练数据中提取出多个导联的脑电信号，并将提取到的各个脑电信号分别从时域转换到时频域，得到相应的脑电时频域信号，包括：

分别从每组训练数据中提取出多个导联的脑电信号，并分别对各所述多个导联的脑电信号进行高低通滤波处理和独立成分分析，得到相应的预处理信号；

将处理得到的各个预处理信号分别从时域转换到时频域，得到相应的脑电时频域信号。

3.根据权利要求2所述的方法，其特征在于，所述将处理得到的各个预处理信号分别从时域转换到时频域，得到相应的脑电时频域信号，包括：

分别在不同的波段上对处理得到的各个预处理信号进行时频域转换处理，得到与各个波段分别对应的时频域信号；所述波段包括theta、alpha和beta波段中的至少一种，所述时频域转换处理包括小波运算；

将在各波段上处理得到的时频域信号进行融合，并将融合得到的信号作为脑电时频域信号。

4.根据权利要求1所述的方法，其特征在于，所述根据所述脑电信号矩阵中各项元素之间的导联相关性，构建脑连接性相关矩阵，包括：

将所述脑电信号矩阵中各项元素进行两两组合，并分别对每项元素组合进行导联相关性运算，得到相应的相关系数；

基于所得的各项相关系数，进行脑连接性相关矩阵的构建。

5.根据权利要求1所述的方法，其特征在于，在所述由所述待训练的康复效率预测模型对所述样本数据进行处理，得到相应的康复效率预测值步骤之前，所述方法还包括：

将所述脑功率谱密度矩阵和脑连接性相关矩阵，分别按照下述公式进行归一化处理，得到相应的归一化矩阵X_new：

其中，X为代入的脑功率谱密度矩阵或脑连接性相关矩阵，μ为代入的脑功率谱密度矩阵或脑连接性相关矩阵所对应的数据均值，σ为代入的脑功率谱密度矩阵或脑连接性相关矩阵所对应的数据标准差；

所述由所述待训练的康复效率预测模型对所述样本数据进行处理，得到相应的康复效率预测值，包括：

将所得的各项归一化矩阵作为样本数据，由所述待训练的康复效率预测模型对当前输入的样本数据进行处理，以进行康复效率预测值的计算。