[發明專利]基于可視圖符號網絡和寬度學習的新型腦控智能康復系統

有效

• 申請號: 202010364687.2
• 申請日: 2020-04-30
• 公開（公告）號: CN111584028B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 高忠科;呂冬梅;黨偉東;馬超
• 申請（專利權）人: 天津大學
• 主分類號: A61B5/369
• 分類號: A61B5/369;A61B5/291;G16H20/30;A61B5/386;A61B5/389;A61N1/36;G06N3/047;G06F18/241
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 杜文茹

一種基于可視圖符號網絡和寬度學習的新型腦控智能康復系統，被試者觀看手部握拳與伸展動作視頻進行運動想象，腦電信號采集設備采集被試者的運動想象EEG腦電信號；運動意圖識別模塊對獲得的運動想象EEG腦電信號進行預處理，構建水平可視圖網絡，建單層符號網絡，提取單層符號網絡的六個網絡指標，并構成六維特征向量，將六維特征向量輸入到寬度學習模型中實現握拳運動想象EEG腦電信號與手部伸展運動想象EEG腦電信號的有效分類與辨識，將分類結果傳輸到腦控智能康復系統，腦控智能康復系統基于所述運動意圖協助被試者進行上肢康復訓練。本發明可以幫助上肢運動通路損傷以致于活動受限的腦卒中患者進行康復訓練，逐漸恢復他們的活動能力。

技術領域

本發明涉及一種腦控智能康復系統。特別是涉及一種基于可視圖符號網絡和寬度學習的?新型腦控智能康復系統。

背景技術

腦卒中是由于腦部血管突然破裂或因血管阻塞導致血液不能流入大腦而引起腦組織損傷?的一種常見的腦血液循環障礙性疾病，會造成患者運動神經通路受損，進一步造成患者人體?的運動功能障礙。腦卒中是世界范圍內致殘率、致死率最高的疾病之一。腦卒中后約四分之?三的患者遺留不同程度的殘疾而生活不能自理，嚴重威脅了人類健康，給患者、親屬、社會?帶來極大的負擔。腦卒中后進行有效的康復訓練，能夠加速神經功能的恢復、減輕殘疾的程?度，給患者帶來極大的方便。但對于腦卒中后重度肢體功能障礙，尤其是上肢運動功能嚴重?受損的患者目前尚無行之有效的康復方法。面對這類患者，運動想象療法因其簡單易行，又?能充分調動患者主觀能動性而成為值得探索的方法之一?；谶\動想象的腦-機接口系統(BCI)?能夠部分活化受損的運動傳導通路，通過將患者的運動意圖轉化為指令控制康復裝置進行相?應的動作，幫助患者完成主動康復訓練。運動想象信號分類準確率的提高可以增強腦卒中康?復的效果，但是由于腦電信號存在非平穩性、時變性以及個體差異性等諸多的問題，對運動?想象信號特征的準確且全面的提取仍然存在很大的困難。

復雜網絡是一種新型的非線性復雜系統分析工具，多個領域成功的例子證明了復雜網絡?的有效性。大腦極其復雜，是一個典型的非線性復雜系統，利用復雜網絡對于運動想象信號?進行特征提取，能夠挖掘其中隱藏的關鍵信息，提高分類準確率。近年來，研究發現深度學?習可以通過對數據進行非線性映射使數據降維，同時可以更好地保持原始數據的判別信息，?具有顯著的分類效果。寬度學習利用增量學習的思想，通過特征節點和增強節點的橫向擴展?設計成神經網絡結構，在增加節點時不需要重新訓練就可以達到模型更新的目的，結構和參?數確定過程簡單。與深度學習相比，寬度學習在訓練耗時大大縮短的情況下分類性能仍然具?有良好的表現，將其應用于運動想象信號辨識之中，或許能夠提高分類準確率，縮短計算時?間。將復雜網絡與寬度學習進行結合能夠提取運動想象信號更加豐富、更加本質的特征，對?信號進行更好地分類，進而提高基于運動想象的BCI接口在腦卒中康復醫療中的應用效果，?加速患者的醫療進程。

發明內容

本發明所要解決的技術問題是，提供一種可以實現運動想象信號特征的有效提取和運動?想象EEG信號的有效辨識，并轉化為指令控制腦控智能康復系統的基于可視圖符號網絡和寬?度學習的新型腦控智能康復系統。

本發明所采用的技術方案是：一種基于可視圖符號網絡和寬度學習的新型腦控智能康復?系統，被試者通過觀看手部握拳與伸展動作視頻進行運動想象，同時腦電信號采集設備采集?被試者的運動想象EEG腦電信號；運動意圖識別模塊對獲得的運動想象EEG腦電信號進行?預處理，構建水平可視圖網絡，基于水平可視圖網絡度序列構建單層符號網絡，提取單層符?號網絡的六個網絡指標，將六個網絡指標構成六維特征向量，將六維特征向量輸入到寬度學?習模型中實現握拳運動想象EEG腦電信號與手部伸展運動想象EEG腦電信號的有效分類與?辨識，將分類結果傳輸到腦控智能康復系統，腦控智能康復系統基于所述運動意圖協助被試?者進行上肢康復訓練。