[發(fā)明專利]基于深度特征學(xué)習(xí)的多受試者運動想象腦電信號識別方法

有效

• 申請?zhí)枺?/td>: 201911099530.5
• 申請日: 2019-11-12
• 公開（公告）號: CN111062250B
• 公開（公告）日: 2023-05-23
• 發(fā)明（設(shè)計）人: 羅靖;劉光明;徐蓉;弓一婧;任宇昆;張夢馨
• 申請（專利權(quán)）人: 西安理工大學(xué)
• 主分類號: G06F18/24
• 分類號: G06F18/24;G06N3/0455;G06N3/0464;G06N3/084
• 代理公司: 西安弘理專利事務(wù)所 61214
• 代理人: 燕肇琪

本發(fā)明公開了基于深度特征學(xué)習(xí)的多受試者運動想象腦電信號識別方法，通過腦電采集設(shè)備采集運動想象時受試者的腦電信號；使用多主體運動想象腦電信號識別模型對所述腦電信號進(jìn)行分析，確定運動想象內(nèi)容；首先構(gòu)造一種基于卷積自編碼器的運動想象腦電信號特征學(xué)習(xí)模型；再基于深度特征的不變性評價方法與判別性評價方法選擇出多主體腦電信號的不變性特征，在不變性特征所在網(wǎng)絡(luò)層后加全連接層與Softmax分類層構(gòu)成了多主體運動想象腦電信號識別模型；對模型進(jìn)行訓(xùn)練然后應(yīng)用。本發(fā)明能夠得到具有受試者間泛化能力的通用模型，在新受試者加入時無需采集標(biāo)定數(shù)據(jù)，能夠有效提高對新受試者運動想象內(nèi)容識別的準(zhǔn)確率。

技術(shù)領(lǐng)域

本發(fā)明屬于腦機接口技術(shù)領(lǐng)域，涉及一種基于深度特征學(xué)習(xí)的多受試者運動想象腦電信號識別方法。

背景技術(shù)

腦機接口技術(shù)是一種在人類的大腦和外界設(shè)備間建立起交流或者控制通路的技術(shù)，可以利用大腦活動控制外部設(shè)備。腦機接口在醫(yī)學(xué)領(lǐng)域、神經(jīng)生物學(xué)領(lǐng)域和心理學(xué)領(lǐng)域都已存在重要的應(yīng)用，且在虛擬現(xiàn)實、教育科技、智能家居等領(lǐng)域都有光明的商業(yè)化前景。因此包括美國、歐盟、日本和中國在內(nèi)的各國政府紛紛投入重金制定了各自的“腦計劃”，哈佛大學(xué)、麻省理工學(xué)院、波士頓大學(xué)、Facebook公司等機構(gòu)都設(shè)立了腦機接口相關(guān)實驗室。國際腦研究組織在日本京都舉辦的第四屆世界神經(jīng)科學(xué)大會更是稱21世紀(jì)為“腦科學(xué)世紀(jì)”。

運動想象腦電是一種內(nèi)源性自發(fā)腦電，具有簡單、靈活、無創(chuàng)、環(huán)境要求低等特點，是腦機接口的重要分支，應(yīng)用廣泛?；谶\動想象腦電信號識別的腦機接口系統(tǒng)在主體進(jìn)行特定運想象時采集腦電信號，依據(jù)腦電信號對想象內(nèi)容進(jìn)行識別，進(jìn)而將識別結(jié)果轉(zhuǎn)化為控制命令實現(xiàn)對外圍設(shè)備的控制。相關(guān)研究工作主要集中在三個方面，分別是采集腦電信號的設(shè)備與技術(shù)、特征提取的方法以及分類器的訓(xùn)練。腦電信號具有信噪比低、空間分辨率低的特點，如何對腦電信號提取有效的特征是運動想象識別系統(tǒng)成功的關(guān)鍵。

目前已有技術(shù)主要關(guān)注單主體系統(tǒng)，對目標(biāo)主體獨立建模，取得了令人滿意的識別效果。但是單主體系統(tǒng)需要針對不同主體分別采集數(shù)據(jù)、提取特征和訓(xùn)練模型，根據(jù)訓(xùn)練集與驗證集數(shù)據(jù)選擇出最優(yōu)的參數(shù)與配置，因此分類模型僅適用于目標(biāo)主體，主體間泛化能力弱，將其應(yīng)用于其他主體則效果不佳。這也就導(dǎo)致了當(dāng)新主體參與實驗時，必須對其采集足夠量的校準(zhǔn)數(shù)據(jù)，才能訓(xùn)練出合適的模型，這大大增加了腦機接口系統(tǒng)實際應(yīng)用的難度。

在基于運動想象腦電信號識別的腦機接口系統(tǒng)中，腦電信號的個體差異性給研究造成了巨大的困難。這種個體差異主要由主體間的解剖學(xué)差異、行為習(xí)慣差異、反應(yīng)行為差異和腦自發(fā)低頻震蕩差異等原因造成的。具體來說，運動想象相關(guān)信號段的位置與長度(有效信號段)因人而異，運動想象事件相關(guān)去同步化與事件相關(guān)同步化在腦電信號上體現(xiàn)最顯著的頻帶(有效頻帶)因人而異等。目前對單主體獨立建模的方法通常利用頻譜分析技術(shù)和共空間模式算法提取特征，再針對目標(biāo)主體通過特征選擇等技術(shù)手段選擇最佳模型配置以提高算法表現(xiàn)，回避了個體差異的影響，所以此類特征對個體間有效信號段與有效頻帶差異敏感，導(dǎo)致模型的主體間泛化能力弱，對某主體最優(yōu)的特征與模型在用于其他主體就得不到滿意的效果，無法滿足多主體運動想象腦機接口的要求。如何從多主體腦電中提取對個體差異具有不變性的特征是多主體腦機接口系統(tǒng)技術(shù)的難點。

發(fā)明內(nèi)容

本發(fā)明的目的是提供一種基于深度特征學(xué)習(xí)的多受試者運動想象腦電信號識別方法，解決了現(xiàn)有技術(shù)中存在的針對單受試者建模，模型僅適用于目標(biāo)受試者，受試者間泛化能力弱的問題。

本發(fā)明所采用的技術(shù)方案，基于深度特征學(xué)習(xí)的多受試者運動想象腦電信號識別方法，具體如下：

步驟1：通過腦電采集設(shè)備采集運動想象時受試者的腦電信號；

步驟2：構(gòu)造一種基于卷積自編碼器的運動想象腦電信號特征學(xué)習(xí)模型；

步驟3：基于深度特征的不變性評價方法與判別性評價方法選擇出多主體腦電信號的不變性特征，在不變性特征所在網(wǎng)絡(luò)層后加全連接層與Softmax分類層構(gòu)成了多主體運動想象腦電信號識別模型；