[发明专利]一种通用肌电运动意图识别模型构建方法及系统

说明书

本发明公开了一种通用肌电运动意图识别模型构建方法，包括：采集多个用户的肌电信号，并分别进行预处理；基于预处理后的多个用户的肌电信号进行多用户个性特征提取；基于提取的多用户个性特征进行多用户共性特征提取，基于多用户共性特征以及多用户个性特征构建深度广义相关性分析模型；采集新用户的肌电信号特征，基于深度广义相关性分析模型提取新用户的共性特征，与多用户共性特征进行用户共性特征融合，获得融合特征；基于融合特征构建通用模型数据集，输入运动意图分类网络中进行学习获得通用识别模型构建参数；基于通用识别模型构建参数构建通用肌电运动意图识别模型。还公开了对应的模型构建系统、电子设备以及计算机可读存储介质。

技术领域

本发明涉及计算机生物信号处理和训练技术领域，尤其涉及一种通用肌电运动意图识别模型构建方法及系统。

背景技术

“脑卒中”又称“中风”、“脑血管意外”，是一种急性脑血管疾病，是由于脑部血管突然破裂或因血管阻塞导致血液不能流入大脑而引起脑组织损伤的一组疾病，包括缺血性和出血性卒中，缺血性卒中的发病率高于出血性卒中，占脑卒中总数的60％～70％。颈内动脉和椎动脉闭塞和狭窄可引起缺血性脑卒中，年龄多在40岁以上，男性较女性多，严重者可引起死亡，出血性卒中的死亡率较高，调查显示，城乡合计脑卒中已成为我国第一位死亡原因，也是中国成年人残疾的首要原因，脑卒中具有发病率高、死亡率高和致残率高的特点，其中腕内翻是脑卒中常见的临床表现，用户手臂肌肉萎缩，失去手部的抓拿作用，十分不便，现有的手部康复训练包括两种方式：

第一种是采用人工的方式，需要护士医生或者家人的辅助完成，这需要大量的资金支持，也占用了家人的时间，训练中，手掌的急伸急缩对用户也不好。

第二种是辅助康复系统，然而该系统的使用前提是与特定的一个用户绑定后实施针对该用户的辅助康复训练，系统内部未设置肌电信号拾取以及对应的肌电运动意图识别通用模型，因此无法针对新用户达到与以往用户一样好的运动意图识别效果，造成整个辅助康复系统的使用通用性差。

因此，目前还没有一套具有通用肌电运动意图识别模型构建能力的脑卒中用户的康复治疗辅助系统。

发明内容

为了解决现有技术中存在的问题，本发明提供了如下一种通用肌电运动意图识别模型构建方法，针对个体用户用时频域特征提取的方法构建用户的个性特征；采集提取多个用户的个性特征，使用深度广义相关性分析模型实现共性特征提取，设置判据准则目标函数表示多个用户个性特征间的相关性。最终通过获取目标函数最大时的投影矢量构建共性特征数据集；将共性特征数据集划分为训练集与测试集；利用深度学习算法深度挖掘训练集中特征参量的内在关联，构建特征参量与运动意图之间的对应模型；利用验证集反复检验、优化模型，以构建完善可靠的通用型运动意图识别模型。

本发明一方面提供了一种通用肌电运动意图识别模型构建方法，包括：

S1，采集多个用户的肌电信号，并对所述多个用户的肌电信号分别进行预处理；

S2，基于预处理后的所述多个用户的肌电信号构建深度广义相关性分析模型，基于所述深度广义相关性分析模型提取多用户共性特征；

S3，采集新用户的肌电信号，基于所述新用户的肌电信号提取新用户的肌电信号特征，基于所述深度广义相关性分析模型从所述新用户的肌电信号特征中提取新用户的共性特征，将所述新用户的共性特征与提取的所述多用户共性特征进行用户共性特征融合，获得融合特征；

S4，基于所述融合特征构建通用模型数据集，将所述通用模型数据集输入运动意图分类网络中构建通用肌电运动意图识别模型，所述通用肌电运动意图识别模型用于对多用户和新用户达到运动意图识别效果。

优选的，所述S2还可以为：S2’，基于预处理后的所述多个用户的肌电信号进行多用户个性特征提取；基于提取的所述多用户个性特征构建深度广义相关性分析模型；基于所述深度广义相关性分析模型提取多用户共性特征。