[發明專利]腦電信號特征處理方法及裝置

在審

• 申請號: 202210257465.X
• 申請日: 2022-03-16
• 公開（公告）號: CN114692680A
• 公開（公告）日: 2022-07-01
• 發明（設計）人: 郭玉柱;陳誠;李思萌;李莉;魏彥兆;韓宗昌;吳淮寧;張寶昌;張磊
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06F17/16;A61B5/00;A61B5/369
• 代理公司: 北京細軟智谷知識產權代理有限責任公司 11471
• 代理人: 付登云;劉明華

本發明涉及一種腦電信號特征處理方法及裝置，所述方法包括獲取待測患者在預設時間段內的腦電信號，根據腦電信號得到腦電數據矩陣；以滑動窗口對所述腦電數據矩陣進行截取并進行時延堆疊，得到滑窗增廣數據矩陣，并計算模態特征；選取與任務相關的模態向量，將模態向量沿時間進行拼接，得到模態變化信息矩陣并進行空間濾波，得到模態共空間模式；選取區分度最大的模態共空間模式濾波器，分別計算空間濾波后的左、右手運動想象對應模態共空間模式數據的方差信息作為最終特征進行分類。本發明可以基于較少的EEG時間序列數據提取與運動想象相關的全局動態特性，獲得大腦模態變化的參數化精確描述，從而提高分類精度，減少腦機接口的控制延時。

技術領域

本發明屬于腦電信號檢測技術領域，具體涉及一種腦電信號特征處理方法及裝置。

背景技術

從腦電信號中提取任務相關的大腦活動特征有助于準確解碼患者運動意圖，進行康復運動。然而，由于腦電信號包含豐富信息并且是典型的非線性、非平穩信號，因此從腦電信號中提取有效的大腦活動特征是腦機接口中的最具挑戰性的任務。現有的基于運動想象任務的腦電信號特征提取方法包括基于時域信息、頻域信息、時頻域和空間信息的方法。

其中，時域或頻域方法，例如自回歸(AR)模型方法、快速傅立葉變換(FFT)方法，能夠分別從時域或頻域表征大腦活動。時頻方法則分析頻率分量隨時間的變化。短時傅立葉變換(STFT)使用固定長度的窗口來分析信號的瞬時頻譜，給出了一種時頻譜估計方法，而小波變換(WT)則通過部署多分辨率時間窗口提供了一種動態時頻方法，被廣泛用于腦電信號研究。盡管如此，基于單通道信息的時頻譜方法無法反映腦電信號中不同通道之間的相互作用，且往往忽略大腦不同功能區域之間的相對相位關系，使得時頻譜估計容易受噪聲干擾，從而影響解碼準確度和解碼效率。

基于空間信息的方法也被廣泛用于腦電特征提取。其中，共空間模式(CommonSpatial Pattern，CSP)及其變種算法廣泛應用于運動想象任務的特征提取。CSP方法生成的空間濾波器通過同時最小化某一類別腦電信號在投影方向的方差和最大化另一類別的方差實現對不同任務的分類。共空間頻譜模式(Common Spatial-Spectral Patterns，CSSP)在CSP空間濾波器的基礎上進行了優化，通過對EEG信號插入時間延遲τ后再進行濾波，實現對頻域特征的提取。共稀疏光譜空間模式(Common Sparse Spectral SpatialPattern，CSSSP)進一步改進了CSSP方法，不同于CSSP為每個通道計算各自的頻譜，CSSSP計算所有通道共用的頻譜模式，提高了特征的魯棒性。子帶共空間模式(Sub-band CommonSpatial Pattern,SBCSP)方法則在CSP和CSSP的基礎上使用Gabor濾波器庫，將腦電信號分解為多個子帶。然后，在每個子帶上使用CSP空間濾波，并融合各個子帶分別提取的特征進行分類，實現了更高的分類精度。然而，SBCSP忽略了從不同子帶獲取的CSP特征的潛在關聯性。濾波器組共空間模式(Filter Bank Common Spatial Pattern，FBCSP)方法通過計算SBCSP中來自多個子帶的CSP特征的互信息，以便選擇其中最具辨識性的子帶特征用于分類。FBCSP相較于前面的幾種方法取得了更好的表現，在實際場景中獲得了更廣泛的應用。

盡管基于CSP的方法在運動想象任務中取得了不錯的效果，但其使用的信息仍比較粗糙，無法直接反映運動想象相關的腦功能連接變化，從而在跨個體分類任務中表現不理想。此外，傳統的CSP方法基于投影數據的二階統計量(方差信息)，需要基于較長的腦電數據段來獲得準確的統計信息，因此在實際腦機接口應用中具有較長的控制延時。例如，基于3秒時間窗的CSP來說，需要待測患者在運動想象任務進行3秒后才可能給出分類結果，實時性無法滿足在神經康復中快速誘導神經可塑性的需求。