【技术实现步骤摘要】
本申请属于脑电数据处理领域，具体涉及基于肌电监测的运动想象方法、系统和存储介质。
技术介绍
1、随着脑机接口技术的大力发展，使得脑机相关应用遍布各个领域，例如在医疗领域中，采用无创非侵入式脑电设备进行脑电波的收集，将脑电波数据转换为脑电图（eeg）来进行分析诊断或预防相关病灶；并且还能植入一些特定的范式以及算法来进行康复治疗以及科技探索甚至游戏娱乐等。
2、目前来说脑机接口在运动想象应用方面还存在着一些问题，其一针对机器学习训练模型时无法在一次训练中收集到足够数据，所以训练模型的精准性不会很准确，从而导致在线训练的结果不会很理想，使得患者出现不相信，不想做等负面思想。其二对于不同人群训练效果也是不完全一样，需要找到适合不同人群的方法来提高训练效果。
技术实现思路
1、为了解决现有技术中存在的上述技术问题，本申请实施例提供了一种基于肌电监测的运动想象方法，提高运动想象训练效果。
2、本申请采用以下技术方案。
3、第一方面，本申请实施例提供了基于肌电监测的运动想象方法，包括：
4、同步采集用户在执行运动想象任务中的脑电数据和肌电数据；
5、根据所述肌电数据，判断所述脑电数据是肢体带动数据或是纯想象数据；
6、当判断所述脑电数据是所述肢体带动数据，则确定所述用户执行所述运动想象任务中达到目标状态，将达到所述目标状态的次数加一；
7、当判断所述脑电数据是所述纯想象数据，则利用训练获得的纯想象模型进行分类判断
8、在所述运动想象任务结束后，将达到所述目标状态的次数与达到所述第一目标类别的次数进行比较获得比较结果，以根据比较结果对所述用户进行运动想象训练。
9、在一些实施方式中，根据所述肌电数据，判断所述脑电数据是肢体带动数据或是纯想象数据，包括：
10、取设定时长内所述肌电数据的平均幅值，若所述平均幅值大于第一参考值与第二参考值之差的一半，则确定所述脑电数据是肢体带动数据，否则确定所述脑电数据是纯想象数据；
11、其中，所述第一参考值为所述用户肢体用最大力执行训练动作下在所述设定时长内肌电数据的平均幅值，所述第二参考值为所述用户肢体放松下在所述设定时长内肌电数据的平均幅值。
12、在一些实施方式中，所述运动想象方法还包括预先训练所述纯想象模型，包括：
13、同步采集用户在执行运动想象任务中的脑电数据和肌电数据；
14、根据所述肌电数据，判断所述脑电数据是否为纯想象数据；
15、将判断为所述纯想象数据对应的脑电数据及其对应类别，输入至待训练的第一分类模型，训练所述第一分类模型获得所述纯想象模型。
16、在一些实施方式中，将达到所述目标状态的次数与达到所述第一目标类别的次数进行比较，根据比较结果对所述用户进行运动想象训练，包括：
17、当达到所述第一目标类别的次数与达到所述目标状态的次数之比大于一，则对所述用户采用纯运行想象方式进行运动想象训练；当达到所述第一目标类别的次数与达到所述目标状态的次数之比小于一，则对所述用户采用运行想象结合肢体辅助运动方式进行运动想象训练。
18、在一些实施方式中，所述运动想象方法还包括：当判断所述脑电数据是所述肢体带动数据，则利用训练获得的肢体带动模型进行分类判断，若输出结果为第二目标类别，则确定所述脑电数据为优秀数据。
19、在一些实施方式中，所述运动想象方法还包括预先训练所述肢体带动模型，包括：
20、同步采集用户在执行运动想象任务中的脑电数据和肌电数据；
21、根据所述肌电数据，判断所述脑电数据是否为肢体带动数据；
22、将判断为所述肢体带动数据对应的脑电数据及其对应类别，输入至待训练的第二分类模型，训练所述第二分类模型获得所述肢体带动模型。
23、第二方面，本申请实施例提供了基于肌电监测的运动想象系统，包括：
24、数据采集模块，用于同步采集用户在执行运动想象任务中的脑电数据和肌电数据；
25、数据划分模块，用于根据所述肌电数据，判断所述脑电数据是肢体带动数据或是纯想象数据；
26、计数模块，用于当数据划分模块判断所述脑电数据是所述肢体带动数据，则确定所述用户执行所述运动想象任务中达到目标状态，将达到所述目标状态的次数加一；当数据划分模块判断所述脑电数据是所述纯想象数据，则利用训练获得的纯想象模型进行分类判断，若输出结果为第一目标类别，将达到所述第一目标类别的次数加一；
27、对比评估模块，用于在所述运动想象任务结束后，将达到所述目标状态的次数与达到所述第一目标类别的次数进行比较获得比较结果，以根据比较结果对所述用户进行运动想象训练。
28、在一些实施方式中，所述系统还包括训练模块，所述训练模块用于预先训练所述纯想象模型，包括：
29、同步采集用户在执行运动想象任务中的脑电数据和肌电数据；
30、根据所述肌电数据，判断所述脑电数据是否为纯想象数据；
31、将判断为所述纯想象数据对应的脑电数据及其对应类别，输入至待训练的第一分类模型，训练所述第一分类模型获得所述纯想象模型。
32、在一些实施方式中，所述系统还包括优质数据确定模块，用于当判断所述脑电数据是所述纯想象数据，则利用训练获得的肢体带动模型进行分类判断，若输出结果为第二目标类别，则确定所述脑电数据为优质数据。
33、第三方面，本申请实施例提供了一种计算机可读存储介质，其存储有计算机程序，其特征在于，所述计算机程序被执行时，可实现如第一方面任一可能得实施方式提供的基于肌电监测的运动想象方法。
34、与现有技术相比，本申请实施例提供的基于肌电监测的运动想象方法，通过同步采集用户在执行运动想象任务中的脑电数据和肌电数据，将肌电数据作为判断依据，能够有效区分脑电数据是由实际肢体运动带动产生的还是纯粹由想象产生的，从而提高了运动想象训练过程中的精准性。根据肌电数据的判断结果，能够分别统计用户达到目标状态和第一目标类别的次数。这种个性化的数据记录方式使得训练师能够针对每个用户的实际情况，制定更加个性化的训练计划。
35、与现有技术相比，本申请实施例提供的基于肌电监测的运动想象系统，具有与以上基于肌电监测的运动想象方法相同的技术效果，不做赘述。
本文档来自技高网...【技术保护点】
1.一种基于肌电监测的运动想象方法，其特征在于，包括：
2.根据权利要求1所述的基于肌电监测的运动想象方法，其特征在于，根据所述肌电数据，判断所述脑电数据是肢体带动数据或是纯想象数据，包括：
3.根据权利要求1所述的基于肌电监测的运动想象方法，其特征在于，所述运动想象方法还包括预先训练所述纯想象模型，包括：
4.根据权利要求1所述的基于肌电监测的运动想象方法，其特征在于，将达到所述目标状态的次数与达到所述第一目标类别的次数进行比较，根据比较结果对所述用户进行运动想象训练，包括：
5.根据权利要求1所述的基于肌电监测的运动想象方法，其特征在于，所述运动想象方法还包括：当判断所述脑电数据是所述肢体带动数据，则利用训练获得的肢体带动模型进行分类判断，若输出结果为第二目标类别，则确定所述脑电数据为优秀数据。
6.根据权利要求5所述的基于肌电监测的运动想象方法，其特征在于，所述运动想象方法还包括预先训练所述肢体带动模型，包括：
7.基于肌电监测的运动想象系统，其特征在于，包括：
8.根据权利要求7所述的基于
9.根据权利要求7所述的基于肌电监测的运动想象系统，其特征在于，所述系统还包括优质数据确定模块，用于当判断所述脑电数据是所述纯想象数据，则利用训练获得的肢体带动模型进行分类判断，若输出结果为第二目标类别，则确定所述脑电数据为优质数据。
10.一种计算机可读存储介质，其存储有计算机程序，其特征在于，所述计算机程序被执行时，可实现如权利要求1-6中任一项所述的基于肌电监测的运动想象方法。
...【技术特征摘要】
1.一种基于肌电监测的运动想象方法，其特征在于，包括：
2.根据权利要求1所述的基于肌电监测的运动想象方法，其特征在于，根据所述肌电数据，判断所述脑电数据是肢体带动数据或是纯想象数据，包括：
3.根据权利要求1所述的基于肌电监测的运动想象方法，其特征在于，所述运动想象方法还包括预先训练所述纯想象模型，包括：
4.根据权利要求1所述的基于肌电监测的运动想象方法，其特征在于，将达到所述目标状态的次数与达到所述第一目标类别的次数进行比较，根据比较结果对所述用户进行运动想象训练，包括：
5.根据权利要求1所述的基于肌电监测的运动想象方法，其特征在于，所述运动想象方法还包括：当判断所述脑电数据是所述肢体带动数据，则利用训练获得的肢体带动模型进行分类判断，若输出结果为第二目标类别，则确定所述脑电数据为优秀数据。...
【专利技术属性】
技术研发人员：魏家豪，李迎新，王薇，
申请(专利权)人：上海术理智能科技有限公司，
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。