基于扩展现实游戏的运动想象脑机接口自适应训练系统技术方案

本发明专利技术公开了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，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

【技术实现步骤摘要】
基于扩展现实游戏的运动想象脑机接口自适应训练系统


[0001]本专利技术涉及脑机接口领域，尤其涉及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。

技术介绍

[0002]脑
‑
机接口(Brain
‑
Computer Interface,BCI)是一种不依赖于大脑外围神经与肌肉正常输出通道的通讯控制系统。运动想象(Motor Imagery,MI)，是指大脑演练或模拟特定动作但不执行实际动作的心理过程，该过程会伴随大脑皮层特定区域的激活。但由于MI任务为主观的心理活动，MI
‑
BCI用户通常需要长时间的BCI反馈训练才能熟悉运动想象方式，实现脑电特征的有效诱导。
[0003]有研究表明，三维运动引导在增强运动皮层激活方面比二维运动引导更有效。包括：虚拟现实、增强现实、混合现实在内的扩展现实技术(Extended Reality，XR)能够给受试者创建“身临其境”的虚拟环境，使受试者更容易感知想象的动作。而传统MI实验范式中，受试者常根据箭头方向进行运动想象，符号或文字给出的提示通常非常枯燥。游戏场景则允许受试者自由地运用大脑控制角色，在一定规则内达成目标取得胜利，减缓实验疲劳。因此，结合扩展现实游戏的运动想象新型范式既增强了运动想象信号的强度同时又增加了训练过程的趣味性。
[0004]此外，传统MI范式刺激时长固定，反馈时间固定，为了缩短BCI反馈训练时间，动态停止(Dynamic stopping,DS)策略在BCI范式研究中被提出。现有的动态停止策略通过循环对比贝叶斯后验概率和所设阈值，灵活控制了训练时长。然而固定的决策阈值却缺乏对用户个体状态的自适应性。

技术实现思路

[0005]本专利技术提供了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，在动态停止策略的基础上对决策阈值进行了自适应性调整，提出了一种动态阈值生成方法，具有良好的用户体验感和趣味性，可针对用户状态自适应调整训练难度，提升训练效率，对于运动想象在娱乐、医疗康复等领域应用落地具有重要意义。
[0006]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，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；
[0007]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；
[0008]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。
[0009]其中，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。
[0010]所述多功能趣味范式具体为：
[0011]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。
[0012]其中，所述基于自适应生成阈值的动态停止策略为：
[0013]①
计算贝叶斯后验概率：
[0014]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。
[0015]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：
[0016][0017]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；
[0018]②
计算决策阈值：
[0019]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：
[0020][0021]其中，i为目标任务的试次数，μ为权重；
[0022]③
判定并输出反馈结果；
[0023]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。
[0024]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：
[0025]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。
[0026]本专利技术提供的技术方案的有益效果是：
[0027]1、本专利技术通过沉浸式的趣味游戏场景优化用户体验，强化诱发脑电特征；加入动态停止策略，缩短训练时长；针对个体性差异，通过置信度自检、阈值自适应，调整训练难度，提升训练效率；该系统有望在脑
‑
机接口落地应用领域获得丰硕的研究成果，成为游戏与娱乐方面的新型技术，并带来一定的社会效益和经济效益；
[0028]2、本专利技术设计的系统具有良好的用户体验感和趣味性，可针对用户状态自适应调整训练难度，提升训练效率，对于运动想象在娱乐、医疗康复等领域应用落地具有重要意义；
[0029]3、本专利技术创新了运动想象脑电特征诱发范式和自适应阈值生成方法，有望提高训
练效率和分类正确率；作为娱乐游戏，为BCI走向脑控电子竞技游戏领域开辟新市场；作为严肃游戏，研究用于军事训练、医疗康复、教育科研等领域；作为新型技术，降低人机交互成本，促进市场竞争力进而提高经济效益和社会效益；
[0030]4、本专利技术对老年人常见的脑卒中等疾病造成的运动功能性障碍，可以作为一种辅助治疗手段和传统功能训练一起使用；本专利技术创新了优质的扩展现实游戏内容，降低XR游戏研发成本，可用于扩大XR游戏的市场规模。
附图说明
[0031]图1为扩展现实游戏运动想象脑机接口自适应训练系统的示意图；
[0032]图2为基于运动想象的扩展现实游戏范式场景的示意图；
[0033]图3为基于贝叶斯后验概率的动态停止策略数据处理的流程图；
[0034]图4为基于自适应生成阈值的动态停止策略在线阈值更新及置信度计算方法的示意图。
具体实施方式
[0035]为使本专利技术的目的、技术方案和优点更加清楚，下面对本专利技术实施方式作进一步地详细描述。
[003本文档来自技高网...

【技术保护点】

【技术特征摘要】
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...

【专利技术属性】
技术研发人员：王坤，田非凡，许敏鹏，潘林聪，明东，
申请(专利权)人：天津大学，
类型：发明
国别省市：