[发明专利]基于扩展现实游戏的运动想象脑机接口自适应训练系统

权利要求书

1.一种基于扩展现实游戏的运动想象脑机接口自适应训练系统，其特征在于，所述系统包括：第一计算机、第二计算机、扩展现实设备，电极帽，SynAmps-2脑电放大器；

所述第一计算机用于设计及呈现新型刺激范式；所述第二计算机用于采集并处理脑电数据；

其中，所述新型刺激范式为：根据用户画像设计多功能趣味范式；所述脑电数据处理流程为：基于自适应生成阈值的动态停止策略，调整试次时长和训练难度。

2.根据权利要求1所述的一种基于扩展现实游戏的运动想象脑机接口自适应训练系统，其特征在于，所述多功能趣味范式采用XR技术营造沉浸式交互环境，为用户量身定做具有不同肢体运动细节的虚拟角色引导其执行正确的MI动作。

3.根据权利要求1或2所述的一种基于扩展现实游戏的运动想象脑机接口自适应训练系统，其特征在于，所述多功能趣味范式具体为：

①面向卒中患者的上肢运动障碍严肃范式；②面向卒中患者的下肢运动障碍严肃范式；③面向学生的课外趣味科普范式；④面向大众群体的休闲娱乐虚拟范式。

4.根据权利要求1所述的一种基于扩展现实游戏的运动想象脑机接口自适应训练系统，其特征在于，所述基于自适应生成阈值的动态停止策略为：

①计算贝叶斯后验概率：

设在线决策时，某一类运动想象任务的在线数据经过SVM算法返回的决策值为M，以离线各频带的分类正确率u为权重给M加权，作为该类任务的单试次决策系数向量v；

单试次用于分类的数据段长度为t，在不同t的条件下，预测正确和预测错误对应的先验概率分别为Ρ_h(H₁|t)、Ρ_h(H₀|t)，后验概率为：

其中，v_h为属于第h类任务的决策系数，P_h(v_h|H₁,t)以及P_h(v_h|H₀,t)分别为H₁和H₀的概率密度函数，通过训练数据集中多个试次的决策系数矩阵V∈R^K×K进行正态核密度估计得到，H₁为预测结果正确，H₀为预测结果错误；

②计算决策阈值：

类别h的初始阈值由网格搜索法遍历离线数据得到，记为对于类别h，所设阈值从第5个试次开始，由前4个试次类别h的置信度加权确定：

其中，i为目标任务的试次数，μ为权重；

③判定并输出反馈结果；

将计算的贝叶斯后验概率Ρ_h(H₁|v_h,t)作为类别为h，数据长度为t时的置信度，选取K个类别中，后验概率的最大值与其对应类别的决策阈值进行比较，直到该试次用于分类的数据长度t达到4000ms或置信度满足阈值要求，则停止数据输入并反馈当前的判定结果，终止循环。

5.根据权利要求4所述的一种基于扩展现实游戏的运动想象脑机接口自适应训练系统，其特征在于，所述后验概率的最大值与其对应类别的决策阈值进行比较具体为：

当最大值大于所设阈值则反馈预测结果为h，否则将以步长50ms累加数据长度继续判定。