一种基于EEG和fNIRS复合信号的运动想象分类方法与流程

本发明涉及脑机接口领域，尤其涉及一种基于eeg和fnirs复合信号的运动想象分类方法。

背景技术：

1、脑机接口是通过计算机或其他电子设备在人脑与外界环境之间建立一条不依赖于外周神经和肌肉组织的对外信息交流和控制的通路。当前，基于运动想象的脑机接口康复系统因其为患者提供一种主动的、自发的康复训练手段，进而提升康复效果，而得到了广泛的应用。

2、eeg作为一种非侵入式的大脑活动采集装置，在各类bci中得到了最为广泛的应用，然而eeg信号的空间分辨率低，且易受电噪声的影响；fnirs通过跟踪不同形态的血红蛋白的变化来测量血流，其无创、易用的特性也为bci提供了一种具有巨大潜力的应用方案，但神经活动与脑血液动力学响应存在延迟，目前并没有明确定义大脑接受特定刺激后，血红蛋白氧合状态是何时开始有明显变化的。

3、当前，基于eeg和fnirs运动想象分类方法，多是分别使用独立的模型处理eeg和fnirs的信号，将两种信号分别处理为特征后进行拼接，作为最终的特征输入分类器进行处理。这样的信号处理方式，一定程度上结合了两种方式的优点，从大脑神经活动和血液动力学两个维度的信号获取信息，可以对分类性能起到一定的提升，但并未考虑神经活动与血液动力学之间的相关性，即大脑的神经血管耦合关系。

技术实现思路

1、为解决现有技术中存在的不足，本发明的目的在于，提供一种基于eeg和fnirs复合信号的运动想象分类方法。

2、为实现本发明的目的，本发明所采用的技术方案是：

3、一种基于eeg和fnirs复合信号的运动想象分类方法，包括步骤：

4、使用整合eeg通道和fnirs通道的信号采集设备采集eeg信号和fnirs信号；对采集的eeg信号和fnirs信号进行数据预处理；通过最优起始点对预处理后的eeg信号和fnirs信号进行信号对齐，得到eeg和fnirs复合信号；

5、训练阶段，按照引导范式执行运动想象得到eeg信号和fnirs信号数据集，得到历史eeg和fnirs复合信号作为训练集训练分类模型；

6、预测阶段，按照引导范式执行运动想象实时采集eeg信号和fnirs信号，得到实时eeg和fnirs复合信号，使用训练好的分类模型对实时eeg和fnirs复合信号进行分类预测。

7、进一步地，所述fnirs信号至少包括氧合血红蛋白的浓度变化信号和脱氧血红蛋白的浓度变化信号。

8、进一步地，所述数据预处理包括：对于采集的eeg信号，使用6阶巴特沃斯带通滤波器提取α和β波段的信号，并使用50hz陷波器滤除工频干扰；

9、对于采集的fnirs信号，使用4阶巴特沃斯高通滤波器提取0.3hz以上的信号，并使用50hz陷波器滤除工频干扰。

10、进一步地，对预处理后的eeg信号和fnirs信号进行信号对齐具体过程为，

11、获取eeg信号和fnirs信号的最优起始点，对每一个试次以最优起始点为起点提取相同时间的eeg信号和fnirs信号，将所有fnirs信号通过插值扩展到与eeg信号相同长度。

12、进一步地，所述插值扩展为在fnirs信号两个信号点之间插入若干个0点，扩展到与eeg信号相同长度。

13、进一步地，eeg信号和fnirs信号的最优起始点的计算为，

14、选取若干通道采集的信号均值作为左侧参考信号，选取不同的若干通道采集的信号均值作为右侧参考信号；对左侧参考信号和右侧参考信号利用基于功率谱密度热力图的时间优选方法获取信号的最优起始点。

15、进一步地，分类模型应用基于共空间模式的特征提取和基于支持向量机的分类器进行特征提取和分类预测。

16、进一步地，训练阶段和预测阶段使用相同的引导范式执行运动想象。

17、本发明的有益效果在于，与现有技术相比，本发明结合eeg和fnirs两类信号优点，通过优选特定的时间起点将eeg和fnirs信号对齐，采用对齐后的eeg和fnirs复合信号进行分类预测，进而在信号中体现神经血管耦合机制，提高分类性能。

技术特征：

1.一种基于eeg和fnirs复合信号的运动想象分类方法，其特征在于，包括步骤：

2.根据权利要求1所述的基于eeg和fnirs复合信号的运动想象分类方法，其特征在于，所述fnirs信号至少包括氧合血红蛋白的浓度变化信号和脱氧血红蛋白的浓度变化信号。

3.根据权利要求1所述的基于eeg和fnirs复合信号的运动想象分类方法，其特征在于，所述数据预处理包括：对于采集的eeg信号，使用6阶巴特沃斯带通滤波器提取α和β波段的信号，并使用50hz陷波器滤除工频干扰；

4.根据权利要求1所述的基于eeg和fnirs复合信号的运动想象分类方法，其特征在于，对预处理后的eeg信号和fnirs信号进行信号对齐具体过程为，

5.根据权利要求4所述的基于eeg和fnirs复合信号的运动想象分类方法，其特征在于，所述插值扩展为在fnirs信号两个信号点之间插入若干个0点，扩展到与eeg信号相同长度。

6.根据权利要求4所述的基于eeg和fnirs复合信号的运动想象分类方法，其特征在于，eeg信号和fnirs信号的最优起始点的计算为，

7.根据权利要求1所述的基于eeg和fnirs复合信号的运动想象分类方法，其特征在于，分类模型应用基于共空间模式的特征提取和基于支持向量机的分类器进行特征提取和分类预测。

8.根据权利要求1所述的基于eeg和fnirs复合信号的运动想象分类方法，其特征在于，训练阶段和预测阶段使用相同的引导范式执行运动想象。

技术总结
本发明公开了一种基于EEG和fNIRS复合信号的运动想象分类方法，使用整合EEG通道和fNIRS通道的设备采集EEG信号和fNIRS信号，进行数据预处理；通过最优起始点对预处理后的EEG信号和fNIRS信号进行信号对齐，得到EEG和fNIRS复合信号；按照引导范式执行运动想象得到历史EEG和fNIRS复合信号作为训练集训练分类模型；按照引导范式执行运动想象计算实时EEG和fNIRS复合信号，使用训练好的分类模型对实时EEG和fNIRS复合信号进行预测。本发明结合EEG和fNIRS两类信号优点，通过优选特定的时间起点将EEG和fNIRs信号对齐，采用对齐后的信号进行分类预测，进而在信号中体现神经血管耦合机制，提高分类性能。

技术研发人员：丁竹君,靳辉,樊坤君,金晶,王薇
受保护的技术使用者：上海术理智能科技有限公司
技术研发日：
技术公布日：2024/2/21