多类运动想象分类方法、装置及设备

本发明涉及脑控领域，特别涉及一种多类运动想象分类方法、装置及设备。

背景技术：

1、运动想象bci系统根据采集的脑电信号，来解码人脑的运动意图，从而实现对外部设备的控制。一方面，如何设计准确高效的分类器是实现运动想象bci的关键问题之一；另一方面，运动想象bci需要更多的指令数才能够实现对外部设备的精细化控制，使bci广泛地应用各种任务场景。目前针对运动想象的二分类精度已经比较高，但四分类及以上类别的分类精度达不到bci系统实用性的要求。当指令数增加，运动想象任务也需要增加，有些任务类型的脑电信号难以分类，导致整个分类难度增加，通过运动想象实现“脑控”的指令数普遍较少，大多数研究及应用都是两个指令。在运动想象任务分类的研究中，想象左手和右手运动的分类相对简单，脑电信号的差异表现在左右脑的信号强度不同。然而类似于想象双手、双脚的运动的脑电信号在头皮空间的差异不够显著，导致其分类困难。

2、传统机器学习在特征提取上常常依赖相关频率的先验知识。此外，eeg信号的时间分辨率高，空间分辨率低，空间上的特征不易提取，导致在时间维度上脑电信号差异小以及在空间上脑电信号差异显著的运动想象任务难以分类。

3、综上，现有的针对四类及以上类别运动想象任务的分类准确率偏低。

技术实现思路

1、本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出一种多类运动想象分类方法、装置及设备，能够提高针对四类及以上类别运动想象任务的分类准确率。

2、根据本发明第一方面实施例的多类运动想象分类方法，包括以下步骤：

3、获取运动想象数据；

4、根据朔源模型对所述运动想象数据进行朔源，获得源空间激活源信号；

5、将所述源空间激活源信号映射到多个脑区，获得多个对应的脑区信号；

6、根据所述脑区信号构建脑区功能连接矩阵；

7、将所述脑区功能连接矩阵输入至卷积神经网络进行分类，获得多类运动想象分类结果数据。

8、根据本发明的一些实施例，所述获取运动想象数据集，包括：

9、获取初始运动想象数据；

10、对所述初始运动想象数据进行滤波预处理，得到运动想象数据。

11、根据本发明的一些实施例，所述根据朔源模型对所述运动想象数据进行朔源，获得源空间激活源信号，包括：

12、通过wmne方法对所述运动想象数据进行朔源，获得第一源空间激活源信号；

13、通过sloreta方法对所述运动想象数据进行朔源，获得第二源空间激活源信号；

14、所述源空间激活源信号包括所述第一源空间激活源信号和所述第二源空间激活源信号。

15、根据本发明的一些实施例，所述将所述源空间激活源信号映射到多个脑区，获得多个对应的脑区信号，包括：

16、通过aal脑模板将所述第一源空间激活源信号映射到多个脑区，获得多个对应的第一脑区信号；

17、通过dk脑模板将所述第二源空间激活源信号映射到多个脑区，获得多个对应的第二脑区信号；

18、所述脑区信号包括第一脑区信号和所述第二脑区信号。

19、根据本发明的一些实施例，所述根据朔源模型对所述运动想象数据进行朔源，获得源空间激活源信号步骤中，还包括：

20、所述根据朔源模型对所述运动想象数据进行朔源，获得源空间信号。

21、根据本发明的一些实施例，所述将所述源空间激活源信号映射到多个脑区，获得多个对应的脑区信号步骤之前，还包括：

22、根据所述源空间信号绘制脑区激活图，所述脑区激活图用于反应不同类别运动想象的脑区激活状态。

23、根据本发明的一些实施例，所述脑区激活图包括大脑皮层表面的脑区激活图和大脑皮层slice切片的脑区激活图。

24、根据本发明的一些实施例，所述将所述脑区功能连接矩阵输入至卷积神经网络进行分类步骤中，所述卷积神经网络采用图卷积神经网络。

25、根据本发明第二方面实施例的多类运动想象分类装置，包括：

26、数据输入模块，用于获取运动想象数据；

27、朔源模块，用于根据朔源模型对所述运动想象数据进行朔源，获得源空间激活源信号；

28、脑区映射模块，用于将所述源空间激活源信号映射到多个脑区，获得多个对应的脑区信号；

29、矩阵构建模块，用于根据所述脑区信号构建脑区功能连接矩阵；

30、分类网络模块，用于将所述脑区功能连接矩阵输入至卷积神经网络进行分类，获得多类运动想象分类结果数据。

31、根据本发明第三方面实施例的电子设备，所述设备包括：处理器以及存储有计算机程序指令的存储器；

32、所述处理器执行所述计算机程序指令时实现如上述的多类运动想象分类方法。

33、根据本发明实施例的多类运动想象分类方法、装置及设备，至少具有如下有益效果：

34、本实施方式中首先获取运动想象数据；然后根据朔源模型对所述运动想象数据进行朔源，获得源空间激活源信号；然后将所述源空间激活源信号映射到多个脑区，获得多个对应的脑区信号；然后根据所述脑区信号构建脑区功能连接矩阵；最后将所述脑区功能连接矩阵输入至卷积神经网络进行分类，获得多类运动想象分类结果数据。可以提高针对四类及以上类别运动想象任务的分类准确率。

35、本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

技术特征：

1.一种多类运动想象分类方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的多类运动想象分类方法，其特征在于，所述获取运动想象数据集，包括：

3.根据权利要求1所述的多类运动想象分类方法，其特征在于，所述根据朔源模型对所述运动想象数据进行朔源，获得源空间激活源信号，包括：

4.根据权利要求3所述的多类运动想象分类方法，其特征在于，所述将所述源空间激活源信号映射到多个脑区，获得多个对应的脑区信号，包括：

5.根据权利要求1所述的多类运动想象分类方法，其特征在于，所述根据朔源模型对所述运动想象数据进行朔源，获得源空间激活源信号步骤中，还包括：

6.根据权利要求5所述的多类运动想象分类方法，其特征在于，所述将所述源空间激活源信号映射到多个脑区，获得多个对应的脑区信号步骤之前，还包括：

7.根据权利要求6所述的多类运动想象分类方法，其特征在于，所述脑区激活图包括大脑皮层表面的脑区激活图和大脑皮层slice切片的脑区激活图。

8.根据权利要求1所述的多类运动想象分类方法，其特征在于，所述将所述脑区功能连接矩阵输入至卷积神经网络进行分类步骤中，所述卷积神经网络采用图卷积神经网络。

9.一种多类运动想象分类装置，其特征在于，包括：

10.一种电子设备，其特征在于，所述设备包括：处理器以及存储有计算机程序指令的存储器；

技术总结
本发明公开了一种多类运动想象分类方法、装置及设备，方法包括获取运动想象数据；根据朔源模型对所述运动想象数据进行朔源，获得源空间激活源信号；将所述源空间激活源信号映射到多个脑区，获得多个对应的脑区信号；根据所述脑区信号构建脑区功能连接矩阵；将所述脑区功能连接矩阵输入至卷积神经网络进行分类，获得多类运动想象分类结果数据。本发明能够提高针对四类及以上类别运动想象任务的分类准确率。

技术研发人员：沈辉,马瑞刚,黄鼎勇,胡德文
受保护的技术使用者：中国人民解放军国防科技大学
技术研发日：
技术公布日：2024/9/26