【技术实现步骤摘要】
基于共性特征的运动神经通路模型重构方法及相关装置
[0001]本专利技术属于医疗康复
,涉及一种基于共性特征的运动神经通路模型重构方法及相关装置
。
技术介绍
[0002]脑疾病
、
脑外伤
、
脊髓损伤等都会造成运动神经通路受损,导致大量患者出现偏瘫等运动障碍
,
需要进行运动康复
。
近年来,一种新型的运动功能康复技术
——
基于神经活动识别的脑机接口技术
(Brain Computer Interface,BCI)
受到了广泛的关注
。BCI
技术可以直接利用患者的神经活动来控制外部设备
(
如仿生手
、
虚拟现实等
)
,从而实现主动参与
、
自我反馈
、
神经可塑性促进等效果,提高康复效率和质量
。
然而,
EEG
信号存在显著的个体差异,这导致
BCI
模型在个体间的泛化性较差
。
目前,主流解决方案有基于迁移学习的模型校准策略和通过特征提取提高准确率策略
。
[0003]基于迁移学习模型校准策略可增加新用户个体特征,提高模型性能,但会增加工作量,目前这项技术还在不断优化中
。
例如
2018
年的一个层次聚类减少
90
%校准时间;
2020
年出现的在线预对 ...
【技术保护点】
【技术特征摘要】
1.
基于共性特征的运动神经通路模型重构方法,其特征在于,包括以下步骤:根据用户的脑信号
、
肌肉激活信号和肢体力信号构建非线性映射的大脑
‑
肌肉模型和肌肉
‑
肢体运动模型;将大脑
‑
肌肉模型和肌肉
‑
肢体运动模型先转化为传递函数,再表示为关系谱;从关系谱中提取共性特征,依据共性特征重构大脑
‑
肌肉模型和肌肉
‑
肢体运动模型
。2.
根据权利要求1所述的基于共性特征的运动神经通路模型重构方法,其特征在于,所述脑信号
、
肌肉激活信号和肢体力信号为经过预处理和特征提取后的脑信号
、
肌肉激活信号和肢体力信号
。3.
根据权利要求2所述的基于共性特征的运动神经通路模型重构方法,其特征在于,所述预处理包括:对采集的脑信号
、
肌肉激活信号和肢体力信号进行滤波
、
降噪和分段操作;所述特征提取包括:从预处理后的脑信号
、
肌肉激活信号和肢体力信号数据片段中提取有效的特征;所述传递函数为多项式形式
。4.
根据权利要求1所述的基于共性特征的运动神经通路模型重构方法,其特征在于,所述从关系谱中提取共性特征,依据共性特征重构大脑
‑
肌肉模型和肌肉
‑
肢体运动模型包括:对每个关系谱中
n
组数值的关系项进行统计检验,得出用户间的共性关系项,并作为共性特征重构大脑
‑
肌肉模型和肌肉
‑
肢体运动模型
。5.
根据权利要求4所述的基于共性特征的运动神经通路模型重构方法,其特征在于,所述对每个关系谱中
n
组数值的关系项进行...
【专利技术属性】
技术研发人员:刘刚,尧德中,庞雅静,徐佳颖,张锐,
申请(专利权)人:郑州大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。