[發(fā)明專利]基于圖卷積和遷移學(xué)習(xí)的腦控智能全肢體康復(fù)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010364732.4
• 申請(qǐng)日: 2020-04-30
• 公開(kāi)（公告）號(hào): CN111544256A
• 公開(kāi)（公告）日: 2020-08-18
• 發(fā)明（設(shè)計(jì)）人: 高忠科;洪曉林;馬鍇;馬文慶
• 申請(qǐng)（專利權(quán)）人: 天津大學(xué);天津富瑞隆金屬制品有限公司
• 主分類號(hào): A61H1/02
• 分類號(hào): A61H1/02;A61B5/0476;A61B5/00
• 代理公司: 天津市北洋有限責(zé)任專利代理事務(wù)所 12201
• 代理人: 杜文茹

一種基于圖卷積和遷移學(xué)習(xí)的腦控智能全肢體康復(fù)方法，包括：構(gòu)建腦電信號(hào)數(shù)據(jù)的目標(biāo)域和源域；構(gòu)建腦網(wǎng)絡(luò)矩陣和節(jié)點(diǎn)特征，并作為圖模型數(shù)據(jù)；構(gòu)建圖卷積遷移學(xué)習(xí)模型；構(gòu)建圖卷積遷移學(xué)習(xí)模型的損失函數(shù)；輸入源域圖模型數(shù)據(jù)和目標(biāo)域圖模型數(shù)據(jù)對(duì)圖卷積遷移學(xué)習(xí)模型進(jìn)行訓(xùn)練；通過(guò)腦電采集裝置采集被試者的腦電數(shù)據(jù)并構(gòu)建圖模型，將圖模型輸入優(yōu)化完畢的圖卷積遷移學(xué)習(xí)模型，在多類腦電任務(wù)上進(jìn)行識(shí)別；當(dāng)識(shí)別出腦電類別所對(duì)應(yīng)的被試者運(yùn)動(dòng)意圖后，通過(guò)腦控智能全肢體康復(fù)設(shè)備的外骨骼康復(fù)器械協(xié)助被試者執(zhí)行相應(yīng)的肢體動(dòng)作，完成康復(fù)訓(xùn)練。本發(fā)明通過(guò)腦控智能全肢體康復(fù)設(shè)的外骨骼康復(fù)器械協(xié)助使用者完成康復(fù)訓(xùn)練。

技術(shù)領(lǐng)域

本發(fā)明涉及一種腦控智能全肢體康復(fù)方法。特別是涉及一種基于圖卷積和遷移學(xué)習(xí)的腦控智能全肢體康復(fù)方法。

背景技術(shù)

隨著社會(huì)與科技的發(fā)展，人們對(duì)自身健康狀況日益重視，同時(shí)也對(duì)醫(yī)療技術(shù)方面提出更高的要求，比如關(guān)于腦疾病的醫(yī)療手段。由于人腦具有高度復(fù)雜的結(jié)構(gòu)和功能，人們希望通過(guò)理解大腦的運(yùn)轉(zhuǎn)機(jī)制來(lái)了解一些腦疾病的病理特征以及對(duì)應(yīng)的診斷方法，如阿爾茨海默癥(Alzheimer’s disease,AD)、抑郁癥(Major Depressive Disorder，MDD)以及帕金森氏癥(Parkinson’s disease,PD)等。因此，世界各國(guó)在該方面的研究也投入了大量的物力和人力，如美國(guó)與歐盟的大腦研究計(jì)劃。腦電圖是一種反應(yīng)大腦活動(dòng)時(shí)電波變化的多通道時(shí)序信號(hào)，是腦神經(jīng)細(xì)胞的電生理活動(dòng)在大腦皮層或頭皮表面的總體反映，與人類生命的健康息息相關(guān)。近些年來(lái)，基于腦電圖的研究取得了豐碩的成果，被廣泛應(yīng)用于腦科學(xué)臨床實(shí)踐當(dāng)中，也為進(jìn)一步對(duì)神經(jīng)性疾病的早期診斷及治療提供了新的途徑。因此，研究如何基于腦電圖進(jìn)行分類，對(duì)于臨床神經(jīng)學(xué)研究和人體健康都具有非常重要的意義。根據(jù)已有的研究表明，腦電圖在空間維上具有一定的同步性和異步性，在時(shí)間維度上具有一定的規(guī)律性，這些都集中反映了大腦在特定狀態(tài)下的活動(dòng)狀況，因此，揭示腦電在空間上的耦合性和時(shí)間上的依賴性對(duì)于腦電分類至關(guān)重要。同時(shí)，由于腦電圖具有多樣性，即使是同一個(gè)體，在不同時(shí)間段下對(duì)于同一事件的反應(yīng)所表現(xiàn)出來(lái)的腦電波也存在不同程度的差異，這使得將基于已有數(shù)據(jù)所構(gòu)建的分類模型在實(shí)際應(yīng)用中可能出現(xiàn)分類性能大幅降低的情況，因而從腦電圖中提取出具有跨域不變性的特征對(duì)提升分類模型泛化性能具有重要作用。

發(fā)明內(nèi)容

本發(fā)明所要解決的技術(shù)問(wèn)題是，提供一種用于從腦電圖中提取具有跨域不變性和可分性的腦電特征，提升分類模型泛化性能，解決腦電分類問(wèn)題的基于圖卷積和遷移學(xué)習(xí)的腦控智能全肢體康復(fù)方法。

本發(fā)明所采用的技術(shù)方案是：一種基于圖卷積和遷移學(xué)習(xí)的腦控智能全肢體康復(fù)方法，包括如下步驟：

1)構(gòu)建腦電信號(hào)數(shù)據(jù)的目標(biāo)域和源域

2)構(gòu)建腦網(wǎng)絡(luò)矩陣和節(jié)點(diǎn)特征，并作為圖模型數(shù)據(jù)；

3)構(gòu)建圖卷積遷移學(xué)習(xí)模型；

4)構(gòu)建圖卷積遷移學(xué)習(xí)模型的損失函數(shù)；

5)輸入源域圖模型數(shù)據(jù)和目標(biāo)域圖模型數(shù)據(jù)對(duì)圖卷積遷移學(xué)習(xí)模型進(jìn)行訓(xùn)練；

6)通過(guò)腦電采集裝置采集被試者的腦電數(shù)據(jù)并構(gòu)建圖模型，將圖模型輸入優(yōu)化完畢的圖卷積遷移學(xué)習(xí)模型，在多類腦電任務(wù)上進(jìn)行識(shí)別；當(dāng)識(shí)別出腦電類別所對(duì)應(yīng)的被試者運(yùn)動(dòng)意圖后，通過(guò)腦控智能全肢體康復(fù)設(shè)備的外骨骼康復(fù)器械協(xié)助被試者執(zhí)行相應(yīng)的肢體動(dòng)作，完成康復(fù)訓(xùn)練。

本發(fā)明的基于圖卷積和遷移學(xué)習(xí)的腦控智能全肢體康復(fù)方法，具有如下有益效果：

(1)提出了一種基于圖卷積和遷移學(xué)習(xí)的圖卷積遷移學(xué)習(xí)模型；

(2)該方法有望與康復(fù)醫(yī)療相結(jié)合，用于對(duì)腦卒中使用者的腦電信號(hào)進(jìn)行識(shí)別，辨識(shí)使用者運(yùn)動(dòng)意圖，并通過(guò)腦控智能全肢體康復(fù)設(shè)的外骨骼康復(fù)器械協(xié)助使用者完成康復(fù)訓(xùn)練。

附圖說(shuō)明