一种基于脑机接口和人工智能算法的材料制备及方法与流程

本发明涉及脑机接口和人工智能，具体为一种基于脑机接口和人工智能算法的材料制备及方法。

背景技术：

1、人工智能(ai)是计算机科学的一个子领域，其宏伟的目标是研究和设计智能系统。近年来，我们见证了人工智能的快速发展，这些系统现在在一系列任务上达到了人类级甚至超人级的性能，鉴于人工智能的巨大进步，更广泛的科学界已经注意到，并正在探索利用人工智能进行科学发现。特别是，材料科学界已经开始使用人工智能技术来加速材料的发现，在人工智能发展的时候，脑机接口也在逐渐发展，脑机接口可以通过各种方式实现，例如通过测量大脑的电活动，或测量大脑中神经元的电活动，这些测量可以提供大脑活动的信息，然后通过算法将这些信息转换为命令。

2、脑机接口作为活体大脑和执行器之间的实时双向连接已经显示出了广阔的前景，人工智能可以推进神经活动的分析和解码，推动了脑机接口领域的发展。在过去的十年里，广泛的人工智能辅助应用已经出现。然而尽管技术有所改进，但在长期培训、实时反馈和脑机接口监测方面仍然存在挑战，因此，本发明提出一种基于脑机接口和人工智能算法的材料制备及方法。

技术实现思路

1、针对现有技术存在的上述缺点，本发明的目的是提供一种基于脑机接口和人工智能算法的材料制备及方法。

2、为实现上述目的，本发明提供如下技术方案：一种基于脑机接口和人工智能算法的材料制备及方法，

3、s1：采用脑干电装置以250hz采样率记录脑电图数据，低通滤波器评估大脑连接性的因果关系分析特征提取对bci的系统性能至关重要，采用截止频率为30hz的ter和截止频率为0.5hz的高通滤波器分别消除线噪声和直流漂移，从连续的脑电图记录中选择每个900ms的脑电图期，从刺激开始前100ms开始，在刺激开始后800ms结束；

4、s2：采用逆问题求解和提取皮层脑电图源的波束形成技术，对给定脑电图历元对应的脑电图源进行重构，由于体积传导效应，脑电图具有很好的时间分辨率，通过eeg信号被用来重建一组源信号，其中每个源信号代表位于皮层的源位置的贡献，解决“逆问题”意味着重建源位置对头皮采集的整个脑电图信号的贡献，脑电图可以假设为通过“正向模型”从皮层位置到头皮传感器的源贡献的投影，这种正演模型考虑了脑组织的结构和导电特性；

5、s3：这些区域位于大脑的布罗德曼区4和6，2000个可用的源位置中的每一个都通过立体定位坐标与相应的brodmann区域相关联，每个源位置的mni坐标都是已知的，它们被转换成talairach坐标，然后与talairachatlas标签进行匹配，从而得到每个源位置对应的brodmann面积，从2000个可供选择的地点中，选定了属于布罗德曼地区4和6的210个地点；

6、s4：在与识别数据模式的机器学习算法实时操作的车载决策算法将是理想的，这将减轻数据传输延迟和带宽不足的问题，也可能允许在设备上存储更少的数据，这可能由于物理限制而受到限制，数据只需要存储足够长的时间，系统就可以做出自主决策，本质上是作为一个与算法的处理能力相匹配的移动窗口。

7、优选的，所述神经元组织对电流流动的低电阻率，脂质细胞膜产生的电容性电流，以及胶质细胞、血管、软脑膜、硬脑膜、颅骨、头皮肌肉和皮肤的扭曲和衰减作用，减少了电流在神经元外空间中的传播，由于电极的平坦形状，即使是头发在信号衰减中也很重要，因为它减少了电极的覆盖区域，限制了大脑信号的正确获取。

8、优选的，所述较小的电极意味着与头皮的接触面积较小，获得的脑电图信号的振幅较小；相反，阻抗值应该非常低，以增加排斥噪声的能力，并减少由皮肤电位引起的伪影，干电极具有不稳定的电化学界面，因为金属和皮肤之间不使用导电凝胶和磨膏，使用非理想金属也会导致高接触阻抗、漂移和噪声。

9、优选的，所述机器学习涉及到从数据中“学习”的模型，标记数据由一组输入-输出对组成，其中训练数据输出被称为“标签”，而ml任务是用来标记图像中的主要对象，或者这个输入可以是一个人的面部图片，用于ml任务来标记这个人的年龄，每个输入-输出对都是ml算法的一个训练示例，ml算法使用该算法来发现从输入到输出标签的映射。

10、优选的，所述干泡沫泡沫由覆盖有导电织物的导电聚合物泡沫制造，可用于测量生物电势，而不需要皮肤制备或传导凝胶，干电极的泡沫基底使电极和不规则头皮表面之间具有高几何一致性，以保持低皮肤电极阻抗，即使在运动下也如此，弹簧加载传感器被提出用于在头发存在和没有任何皮肤准备或导电凝胶使用的潜在操作，每个探头都被设计为包括一个探头头、柱塞、弹簧和枪管。

11、优选的，所述对于视觉假肢的设计，电极阵列是至关重要的，假体电极阵列需要适应不同的最佳刺激位置、刺激模式和患者的疾病状态，该技术适用于视觉假体，并可能提供理想的视网膜刺激方法，具有灵活性来匹配视网膜的曲率，而不需要对视网膜施加显著的机械压力。

12、与现有技术相比，本发明的有益效果是：

13、人工智能算法可以对大量的历史数据进行分析和挖掘，找出数据之间的内在联系和规律，从而对未来的制备过程进行预测，通过预测可以提前调整参数和方案，减少实验次数和时间，提高制备效率，人工智能算法可以通过对大量数据进行学习，找到最优的制备路径和参数组合，这种方法可以缩短实验周期，提高制备效率，同时降低能耗和成本，实现制备过程的自动化控制和实时监测，通过实时监测各种参数的变化，可以及时发现异常情况并进行调整，确保制备过程的稳定性和安全性；

14、利用bmi技术，制备过程中的各种参数可以根据大脑活动的变化进行实时调整，确保制备过程的精确性和稳定性，通过解读大脑信号，bmi可以实现制备过程的自动化控制，降低人为错误和环境因素对制备结果的影响，利用bmi技术，可以根据个人的需求和偏好进行材料制备，实现个性化生产。

技术特征：

1.一种基于脑机接口和人工智能算法的材料制备及方法，其特征在于：

2.根据权利要求1所述的一种基于脑机接口和人工智能算法的材料制备及方法，其特征在于：所述神经元组织对电流流动的低电阻率，脂质细胞膜产生的电容性电流，以及胶质细胞、血管、软脑膜、硬脑膜、颅骨、头皮肌肉和皮肤的扭曲和衰减作用，减少了电流在神经元外空间中的传播，由于电极的平坦形状，即使是头发在信号衰减中也很重要，因为它减少了电极的覆盖区域，限制了大脑信号的正确获取。

3.根据权利要求1所述的一种基于脑机接口和人工智能算法的材料制备及方法，其特征在于：所述较小的电极意味着与头皮的接触面积较小，获得的脑电图信号的振幅较小；相反，阻抗值应该非常低，以增加排斥噪声的能力，并减少由皮肤电位引起的伪影，干电极具有不稳定的电化学界面，因为金属和皮肤之间不使用导电凝胶和磨膏，使用非理想金属也会导致高接触阻抗、漂移和噪声。

4.根据权利要求1所述的一种基于脑机接口和人工智能算法的材料制备及方法，其特征在于：所述机器学习涉及到从数据中“学习”的模型，标记数据由一组输入-输出对组成，其中训练数据输出被称为“标签”，而ml任务是用来标记图像中的主要对象，或者这个输入可以是一个人的面部图片，用于ml任务来标记这个人的年龄，每个输入-输出对都是ml算法的一个训练示例，ml算法使用该算法来发现从输入到输出标签的映射。

5.根据权利要求1所述的一种基于脑机接口和人工智能算法的材料制备及方法，其特征在于：所述干泡沫泡沫由覆盖有导电织物的导电聚合物泡沫制造，可用于测量生物电势，而不需要皮肤制备或传导凝胶，干电极的泡沫基底使电极和不规则头皮表面之间具有高几何一致性，以保持低皮肤电极阻抗，即使在运动下也如此，弹簧加载传感器被提出用于在头发存在和没有任何皮肤准备或导电凝胶使用的潜在操作，每个探头都被设计为包括一个探头头、柱塞、弹簧和枪管。

6.根据权利要求1所述的一种基于脑机接口和人工智能算法的材料制备及方法，其特征在于：所述对于视觉假肢的设计，电极阵列是至关重要的，假体电极阵列需要适应不同的最佳刺激位置、刺激模式和患者的疾病状态，该技术适用于视觉假体，并可能提供理想的视网膜刺激方法，具有灵活性来匹配视网膜的曲率，而不需要对视网膜施加显著的机械压力。

技术总结
本发明公开了一种基于脑机接口和人工智能算法的材料制备及方法，采用脑干电装置以250Hz采样率记录脑电图数据，低通滤波器评估大脑连接性的因果关系分析特征提取对BCI的系统性能至关重要，采用截止频率为30Hz的ter和截止频率为0.5Hz的高通滤波器分别消除线噪声和直流漂移，从连续的脑电图记录中选择每个900ms的脑电图期，从刺激开始前100ms开始，在刺激开始后800ms结束，利用BMI技术，制备过程中的各种参数可根据大脑活动的变化进行实时调整，确保制备过程的精确性和稳定性，通过解读大脑信号，BMI可实现制备过程的自动化控制，降低人为错误和环境因素对制备结果的影响，利用BMI技术可根据个人的需求和偏好进行材料制备，实现个性化生产。

技术研发人员：陈康,陈乃昶,陈德存,陈阳阳,陈其争
受保护的技术使用者：温州市永良机械技术研究所
技术研发日：
技术公布日：2024/5/9