[发明专利]基于脑电信号的伤残手软体康复机器人运动想象识别方法

说明书

本发明公开了基于脑电信号的伤残手软体康复机器人运动识别方法，包括步骤：(1)针对脑电信号在采集过程中可能出现眨眼产生的眼电干扰，采用离散小波变换和独立成分分析结合样本熵的新方法进行了去噪处理；(2)采用一种融合通道注意力模块的卷积神经网络结合支持向量机模型对信号进行特征提取和分类，识别患者的运动意图；(3)增强现实技术应用到人机交互系统，不仅帮助患者更好地进行运动想象，从而使他们产生更加容易识别的脑电信号，而且能够增加患者主动康复训练的趣味性。本发明基于脑电信号的伤残手软体康复机器人运动识别方法解决了单一脑电信号利用率低的问题，提高了脑电信号的信噪比以及识别精度。

技术领域

本发明涉及一种基于脑电信号的伤残手软体康复机器人运动想象识别方法，属于模式识别技术领域。

背景技术

脑卒中，俗称中风，是世界范围内常见的脑血管疾病之一，脑卒中后约70％-85％的患者会伴有偏瘫。人类的手部对生活自理能力和生活质量的影响远较下肢更为明显，然而在脑损伤后偏瘫患者手部功能的恢复也远较下肢更为困难和缓慢，这使得脑卒中后手部功能的康复成为世界性难题。随着计算机技术的不断发展以及对脑功能的深入研究，脑机接口(Brain-computer Interface,BCI)技术为中风偏瘫患者的康复治疗提供了一种新的思路。

广义上讲，BCI是指在人脑和计算机或其他电子设备之间建立的一种不需要依赖外周神经系统及肌肉组织进行信息传输的全新的信息交流系统。BCI的实现方式有很多种，包括脑电图、脑磁图、磁共振成像等。其中，除脑电图外其他几种方式费用昂贵、技术复杂、成像速度缓慢，因此通常人们所讲的BCI大部分是指基于脑电图得BCI。脑电图处理的原始信号称为脑电信号。所以，将BCI应用于偏瘫患者进行康复治疗的实质，就是将系统采集到的EEG经翻译解码后转化输出控制命令来支配外部设备作用于手部肌肉。外部设备部分补偿了患者弱化的机体功能，辅助协调手部执行实际动作。偏瘫患者通过重复训练，进行脑功能重塑的同时也促进了局部手部神经的康复，从而达到较好的康复训练效果，使得手部运动功能逐步恢复。

根据BCI在康复领域的应用情况，大致总结出目前基于BCI的三种康复治疗方式：第一种，依托BCI解码患者的脑电意图，直接用于控制外部硬件系统，如控制神经假肢、智能轮椅、荧幕光标等；第二种，对于神经阻断但手部尚在的残疾人可以利用BCI系统转换获取特征信号指令，借助设备辅助手部完成简单日常基本动作。第三种，由于神经科学的发展，科学家发现基于BCI的康复系统可以激发瘫痪患者的主动运动意图，从而促使受伤的运动神经通路修复，改善康复治疗的效果。因此国内外有许多学者和研究机构将瘫痪患者的运动功能康复治疗和BCI技术相结合，并取得了丰硕的成果。

基于康复训练领域的BCI技术研究，涉及医学、心理学、信号处理等交叉学科的内容，研究难度较大。相关研究表明，BCI技术应用于手部康复训练系统的研究有着极大的价值。

发明内容

本发明的目的在于提供基于脑电信号的伤残手软体康复机器人运动想象识别方法，应用于伤残手康复领域。本发明解决了三方面的问题：第一，采用离散小波变换和独立成分分析结合样本熵的方法对采集到的脑电信号进行预处理，提高脑电信号的信噪比，第二，是运动意图识别方法，通过融合通道注意力模块的卷积神经网络和支持向量机模型对脑电信号进行分类识别，提高了脑电信号的识别精度；第二，将增强现实技术应用到人机交互系统，不仅能有效的帮助患者更好地进行运动想象，从而使他们产生更加容易识别的脑电信号，而且能够增加患者主动康复训练的趣味性。

本发明的目的通过以下技术方案予以实现：

基于脑电信号的伤残手软体康复机器人运动想象识别方法，包括以下步骤：

⑴本发明针对恢复期前期，根据手抓握、伸展视频引导被试者进行左右手运动想象相应的手部运动，同时脑电信号采集设备实时获取左右手运动想象产生的脑电信号；