融合Topomap图像识别与fMRI结合的高精度EEG识别系统技术方案

本发明专利技术公开了融合Topomap图像识别与fMRI结合的高精度EEG识别系统，包括：若干组EEG电极；容积传导模型单元，所述容积传导模型单元采用模糊理论结合MRI技术及电场理论来构造每个测试者独有的容积传导模型，并利用此模型来消除容积传导效应的影响；逆向溯源模型单元，所述逆向溯源模型单元通过多层同心半球模型结合数据关联性分析及信息熵计算，来建立有效的逆向溯源模型；动态分析单元；本发明专利技术提供的融合Topomap图像识别与fMRI结合的高精度EEG识别系统，与传统的EEG识别系统相比，本发明专利技术提高了EEG空间精度；再者，本发明专利技术利用深度学习及图论方法来实施例EEG动态变化过程及相应延迟情况，来保证时

【技术实现步骤摘要】
融合Topomap图像识别与fMRI结合的高精度EEG识别系统


[0001]本专利技术属于EEG识别系统领域，更具体地说，尤其涉及融合Topomap图像识别与fMRI结合的高精度EEG识别系统。

技术介绍

[0002]脑电图(Electroencephalogram,EEG)与功能磁共振成像技术(Functional Magnetic Resonance Imaging,fMRI)可以进行无创性的大脑扫描成像,已经在认知神经科学等综合性科学研究领域中得到广泛应用。这两种成像方式都存在自身的优缺点,如果将两种技术相结合,取长避短,可使空间信息与时间信息同时描绘出。采用EEG
‑
fMRI融合方法,在同一时间进行无损伤性的高时间与高空间分辨率的扫描成像,精确定位大脑在认知过程中激活源方位,跟踪大脑神经活动的动态过程,和研究多个激活区的连通性,进而描绘出在不同状态或疾病条件下大脑反射的动态过程。由于侵入式脑机技术的风险大，用户接受程度低，因此非侵入式的脑机接口技术成为可以普及化的主要模式，其主要的技术包括：fMRI/MRI、EEG、MEG。然而，MRI由于低时间精度的限制，无法实时、动态地监测脑部活动变化情况。因此无法进行实时脑机控制、动态脑部诊断等应用。另外MRI、MEG的成本相对EEG要高许多，而且环境设置要求较高，无法满足便携式、可穿戴式的要求。EEG对比其他的非侵入式技术具有很多优势，但由于其低空间精度，导致EEG相关技术无法准确的进行模式识别及脑功能区域的关联分析，从而导致EEG在各个领域的应用遇到了瓶颈。国内外学者们通过分析，确认了提高EEG空间精度的可行性及必要性；
[0003]对脑电波测量(EEG)和肌电势测量(EMG)的需求也在增加。再加上老年人口的增加，是驱动EEG/EMG设备市场增长的重要因素之一。
[0004]本方案，通过结合复杂网络、深度学习初步建立了一个EEG源空间功能映射模型；在上述基础上，结合图论、逆向溯源(多层同心半球模型)、EEG特征信号窗口等方法来深入实施例EEG高空间精度方法及应用。

技术实现思路

[0005]本专利技术的目的是为了解决现有技术中存在的缺点，而提出的融合Topomap图像识别与fMRI结合的高精度EEG识别系统，本系统解决了如何利用EEG信号来有效地构建具有特征性的多层复杂脑网络及EEG源连接模型，以提高EEG空间精度，从而能够揭示人脑活动的规律，并实现人脑控制机器及外围设备。
[0006]为实现上述目的，本专利技术提供如下技术方案：
[0007]融合Topomap图像识别与fMRI结合的高精度EEG识别系统，其特征在于：包括：
[0008]若干组EEG电极，分别在1导，16导，32导的EEG电极帽上进行实验；
[0009]容积传导模型单元，所述容积传导模型单元采用模糊理论结合MRI技术及电场理论来构造每个测试者独有的容积传导模型，并利用此模型来消除容积传导效应的影响；
[0010]逆向溯源模型单元，所述逆向溯源模型单元通过多层同心半球模型结合数据关联
性分析及信息熵计算，来建立有效的逆向溯源模型；
[0011]动态分析单元，所述动态分析单元采用对多电极、分时段进行PLA处理后产生带权重的网络图，并且探究测试个体EEG动态脑网络结构与时频、空间等变化的关联及规律，实现动态建立个体差异模型。
[0012]优选的，所述动态分析单元采用数据采样及分段压缩模型来对EEG数据进行快速处理，具体为：
[0013]1)在设定的时间窗口对实时采集到的数据进行分段；
[0014]2)对每个P300的EEG数据进行PLA处理，将EEG数据降维；
[0015]3)计算动态变化下最优PLA算法的结合。
[0016]优选的，所述系统还包括：空间功能映射模型单元，所述空间功能映射模型单元采用的方法为：
[0017]1)利用三层/四层同心半球模型将分时间窗口聚合的EEG数据以各个电极点为结点；
[0018]2)按逆向溯源的方法及个体差异模型来构造EEG源空间功能映射模型。
[0019]优选的，所述空间功能映射模型单元采用的方法还包括：
[0020]采用最小生成树结合周期时间序列构造复杂网络的方法，来为每个测试者构建个体差异的EEG复杂网络；
[0021]将PLA及频率分割的每一时间窗口作为网络的一个结点，准周期间的距离小于某一阈值时两结点存在连边，实现了将脑电信号转换成复杂网络进行分析。
[0022]优选的，所述的最优PLA算法，公式如下：
[0023][0024]其中，μ为数据的均值，σ为其标准方差，Δ其为分割数据的时间段，f为频率属性。
[0025]优选的，所述的最优PLA算法中，以最快速度计算每个EEG电极上的每段分段线的斜率，根据斜率来进行分类，并根据分类结果建立复杂脑网络，并建立各个电极的动态关联，并采用不同的聚类算法来进行效率评估。
[0026]优选的，所述动态分析单元对EEG每个电极导采集的数据进行快速分割，来分类不同频率的EEG数据，具体为：
[0027]通过计算各数据点间的距离，若该距离小于某一临界阈值时两节点间存在连边；否则两节点间无连边，由此便得到一个二进制矩阵，将其视为复杂网络的邻接矩阵。
[0028]优选的，所述建立个体差异模型，在进行EEG脑机控制时，判断个体的EEG差异，并根据差异模型来有效识别测试对象的信号。
[0029]优选的，所述建立个体差异模型具体为：
[0030]1)通过对EEG复杂网络的划分来产生结点集合子图；
[0031]2)采用“用网络的划分来产生结点算法”结合正态分布理论；
[0032]3)结合卷积神经网络、多层感知机及其他数据挖掘技术来寻找个体模型，并利用个体模型来进行源连接及功能区间映射；
[0033]4)采用复杂网络划分与SOM海量数据挖掘方法对动态EEG复杂网络进行处理。
[0034]优选的，将脑电数据转换为图像进行脑电分析的思想可以充分利用当前成熟的图像识别技术，极大地提高脑电识别和分类的效率，采用VGG
‑
16模型对脑热力图像进行分类。
[0035]本专利技术的技术效果和优点：本专利技术提供的融合Topomap图像识别与fMRI结合的高精度EEG识别系统，与传统的EEG识别系统相比，本专利技术提高了EEG空间精度；
[0036]再者，本专利技术利用深度学习及图论方法来实施例EEG动态变化过程及相应延迟情况，来保证时
‑
空精度一致性、准确性；将时
‑
空模型误差控制在0.5％以内；
[0037]其次，本专利技术通过构建完善的动态脑网络结合深度学习技术来解决EEG识别不稳定的问题。不再单纯地用信号模技术来滤波去噪保持稳定性，而是通过大量EEG历史数据的半监督学习结合信号处理方法来解决抗干扰性问题，来保证EEG源分析的稳定性；
[0038]最后，本发本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.融合Topomap图像识别与fMRI结合的高精度EEG识别系统，其特征在于：包括：若干组EEG电极，分别在1导，16导，32导的EEG电极帽上进行实验；容积传导模型单元，所述容积传导模型单元采用模糊理论结合MRI技术及电场理论来构造每个测试者独有的容积传导模型，并利用此模型来消除容积传导效应的影响；逆向溯源模型单元，所述逆向溯源模型单元通过多层同心半球模型结合数据关联性分析及信息熵计算，来建立有效的逆向溯源模型；动态分析单元，所述动态分析单元采用对多电极、分时段进行PLA处理后产生带权重的网络图，并且探究测试个体EEG动态脑网络结构与时频、空间等变化的关联及规律，实现动态建立个体差异模型。将图像识别方法与传统的脑电分析方法相结合，通过卷积神经网络(CNN)的正则化结构和平移不变性程度，来提高识别准确性。2.根据权利要求1所述的融合Topomap图像识别与fMRI结合的高精度EEG识别系统，其特征在于：所述动态分析单元采用数据采样及分段压缩模型来对EEG数据进行快速处理，具体为：1)在设定的时间窗口对实时采集到的数据进行分段；2)对每个P300的EEG数据进行PLA处理，将EEG数据降维；3)计算动态变化下最优PLA算法的结合。4)采用视觉几何群(VGG)方法对脑热力图像进行分类。3.根据权利要求1所述的融合Topomap图像识别与fMRI结合的高精度EEG识别系统，其特征在于：所述系统还包括：空间功能映射模型单元，所述空间功能映射模型单元采用的方法为：1)利用三层/四层同心半球模型将分时间窗口聚合的EEG数据以各个电极点为结点；2)按逆向溯源的方法及个体差异模型来构造EEG源空间功能映射模型。4.根据权利要求3所述的融合Topomap图像识别与fMRI结合的高精度EEG识别系统，其特征在于：所述空间功能映射模型单元采用的方法还包括：采用最小生成树结合周期时间序列构造复杂网络的方法，来为每个测试者构建个体差异的EEG复杂网络；将PLA及频率分割的每一时间窗口作为网络的一个结点，准周期间的距离小于某一阈值时两结点存在连边，实现了将脑电信号转换成复杂网络进行分析。5.根据权利要求2所述的融合Topomap图像识别与fMRI结合的高精度E...

【专利技术属性】
技术研发人员：张浩澜，
申请(专利权)人：浙大宁波理工学院，
类型：发明
国别省市：