CN108319367A - 一种脑机接口方法 - Google Patents

一种脑机接口方法 Download PDF

Info

Publication number
CN108319367A
CN108319367A CN201810096184.4A CN201810096184A CN108319367A CN 108319367 A CN108319367 A CN 108319367A CN 201810096184 A CN201810096184 A CN 201810096184A CN 108319367 A CN108319367 A CN 108319367A
Authority
CN
China
Prior art keywords
brain
audient
sensation target
spatial position
sensation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201810096184.4A
Other languages
English (en)
Other versions
CN108319367B (zh
Inventor
张丹
陈菁菁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tsinghua University
Original Assignee
Tsinghua University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tsinghua University filed Critical Tsinghua University
Priority to CN201810096184.4A priority Critical patent/CN108319367B/zh
Publication of CN108319367A publication Critical patent/CN108319367A/zh
Application granted granted Critical
Publication of CN108319367B publication Critical patent/CN108319367B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G06F3/015—Input arrangements based on nervous system activity detection, e.g. brain waves [EEG] detection, electromyograms [EMG] detection, electrodermal response detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Dermatology (AREA)
  • General Health & Medical Sciences (AREA)
  • Neurology (AREA)
  • Neurosurgery (AREA)
  • Human Computer Interaction (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明提供一种脑机接口方法，包括：S1，提取任一受众的脑电响应中的空间位置特征；所述脑电响应是所述任一受众在注视与预设的单一视觉运动刺激物呈不同方位的多个视觉目标中的任一视觉目标时，产生的运动起始诱发电位；S2，将所述空间位置特征输入所述任一受众对应的空间特征分类器，获取所述任一受众注视的所述任一视觉目标的方位。本发明提供的一种脑机接口方法，基于运动起始诱发电位实现了对视觉目标方位的判断，仅应用单一视觉运动刺激物在同一时间段中完成了多个目标的编码，有效提高了基于暂态视觉诱发电位的脑机接口方法在编码效率和屏幕利用效率方面的不足，减小了视觉负荷，提高了用户友好度，有助于将脑机接口向实际应用推广。

Description

一种脑机接口方法
技术领域
本发明涉及生物医学工程及自动控制技术领域，尤其涉及一种脑机接口方法。
背景技术
脑机接口(brain-computer interface，BCI)，又称“大脑端口”(direct neuralinterface)和“脑机融合感知”(brain-machine interface)，是一种通过采集与提取大脑产生的生理信号，进行特征提取和分类后转化成机器可以识别的控制信号，从而在大脑和外部设备之间建立信息传递渠道的人机交互方式。
脑机接口主要应用于信息交流与控制、功能恢复与增强和状态监测等领域，其具体应用场景包括帮助瘫痪患者控制轮椅和机械臂等辅助设备；帮助中风患者进行神经通路的再生修复，促进康复；识别和连续监测人的各项基础认知功能状态等。
根据脑机接口利用的脑电信号的来源不同，脑机接口可分为多种类型，其中一种常用的脑机接口为基于暂态视觉诱发电位的脑机接口。然而现有的基于暂态诱发电位的脑机接口系统存在着以下问题：首先，在进行目标识别时，编码不同目标时需要分时进行，即同一时间段只能编码一个目标，编码效率较低，传输信息的速度也较低；其次，编码多个目标需要多个刺激物，因而，在一块屏幕上必须分割出多个区域放置刺激物，由此导致刺激物占屏幕比例大，如果背景本身需要有较丰富的元素(例如按钮、窗口和图片等)，现有的基于暂态诱发电位的脑机接口系统将无法被有效整合进该背景中。而这些特性，使得其很难满足信息传输的速度需求，也难以形成受众友好的使用界面，从而在进行实际应用推广中遭遇瓶颈。
发明内容
本发明为解决现有技术中存在的基于暂态诱发电位的脑机接口同一时段只能编码一个目标且编码多个目标需要多个刺激物的问题，提供了一种脑机接口方法。
一方面，本发明提出一种脑机接口方法，包括：S1，提取任一受众的脑电响应中的空间位置特征；所述脑电响应是所述任一受众在注视与预设的单一视觉运动刺激物呈不同方位的多个视觉目标中的任一视觉目标时，产生的运动起始诱发电位；S2，将所述空间位置特征输入所述任一受众对应的空间特征分类器，获取所述任一受众注视的所述任一视觉目标的方位。
优选地，所述步骤S1前还包括：控制刺激器呈现单一视觉运动刺激物和与所述单一视觉运动刺激物呈不同方位的多个视觉目标；提示任一受众注视任一所述视觉目标；应用脑电采集器获取所述任一受众的脑电响应。
优选地，所述步骤S1进一步包括：根据预设的频率范围对所述脑电响应中各通道的脑电信息进行滤波；从所述各通道的脑电信息中分别提取预设的时域范围的时域数据；将各通道的时域数据进行拼接，获取所述脑电响应的空间位置特征。
优选地，所述步骤S2前，还包括：提取所述任一受众注视的各视觉目标时对应的脑电响应的空间位置特征；将各视觉目标的方位与所述各视觉目标对应的空间位置特征输入分类器中进行训练；将训练完成的所述分类器作为所述任一受众对应的空间特征分类器。
优选地，所述提示任一受众注视与所述单一视觉运动刺激物呈不同方位的各视觉目标中的任一视觉目标，进一步包括：改变任一视觉目标的颜色，以使得所述任一受众能够注视所述任一视觉目标。
优选地，所述将各视觉目标的方位与所述各视觉目标对应的空间位置特征输入分类器中进行训练，进一步包括：将各视觉目标的方位与所述各视觉目标对应的空间位置特征输入分类器中，应用支持向量机或随机森林对所述分类器进行训练。
另一方面，本发明提出一种脑机接口系统，包括：特征提取模块，用于提取任一受众的脑电响应中的空间位置特征；所述脑电响应是所述任一受众在注视与预设的单一视觉运动刺激物呈不同方位的各视觉目标中的任一视觉目标时，产生的运动起始诱发电位；特征分类模块，用于将所述空间位置特征输入所述任一受众对应的空间特征分类器，获取所述任一受众注视的所述任一视觉目标的方位。
优选地，还包括：脑电诱发采集模块，用于控制刺激器呈现单一视觉运动刺激物；提示任一受众注视与所述单一视觉运动刺激物呈不同方位的各视觉目标中的任一视觉目标；应用脑电采集器获取所述任一受众的脑电响应；分类训练模块，用于提取所述任一受众注视的各视觉目标时对应的脑电响应的空间位置特征；将各视觉目标的方位与所述各视觉目标对应的空间位置特征输入分类器中进行训练；将训练完成的所述分类器作为所述任一受众对应的空间特征分类器；其中，所述脑电诱发采集模块与特征提取模块电连接；所述分类训练模块与特征分类模块电连接。
又一方面，本发明提出一种脑机接口设备，包括：至少一个处理器；以及与所述处理器通信连接的至少一个存储器，其中：所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如前所述的方法。
再一方面，本发明提出一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如前所述的方法。
本发明提供的一种脑机接口方法，基于运动起始诱发电位实现了对视觉目标方位的判断，仅应用单一视觉运动刺激物在同一时间段中完成了多个目标的编码，有效提高了基于暂态视觉诱发电位的脑机接口方法在编码效率和屏幕利用效率方面的不足，减小了视觉负荷，提高了用户友好度，有助于将脑机接口向实际应用推广。
附图说明
图1为本发明具体实施例的一种脑机接口方法的流程示意图；
图2为本发明具体实施例的刺激器呈现的一种单一视觉运动刺激物示意图；
图3为本发明具体实施例的一种脑机接口系统的结构示意图；
图4为本发明具体实施例的一种脑机接口系统的结构示意图；
图5为本发明具体实施例的一种脑机接口设备的结构示意图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
图1为本发明具体实施例的一种脑机接口方法的流程示意图，如图1所示，一种脑机接口方法，包括：S1，提取任一受众的脑电响应中的空间位置特征；所述脑电响应是所述任一受众在注视与预设的单一视觉运动刺激物呈不同方位的多个视觉目标中的任一视觉目标时，产生的运动起始诱发电位；S2，将所述空间位置特征输入所述任一受众对应的空间特征分类器，获取所述任一受众注视的所述任一视觉目标的方位。
具体地，视皮层视网膜拓扑映射(retinotopic mapping)是一种随着刺激物空间位置变化，在头皮采集到的视觉诱发电位也会发生相应变化的生理现象。因而，通过分析视觉诱发电位的变化规律，就能够获知刺激物所在的空间位置，为后续的脑机接口的分类提供生理依据。
而运动起始诱发电位是指在刺激物开始运动时诱发大脑产生的一种视觉脑电响应。相比其它暂态视觉诱发电位，运动起始诱发电位具有响应信号强，随距离增加衰减慢，在较低的亮度和对比度也能诱发响应，产生的视觉负荷较低等特点，是一种优秀的脑机接口输入信号。
基于所述运动起始诱发电位，本发明具体实施例中提供的脑机接口方法，首先，从任一受众的脑电响应中提取空间位置特征。
此处，所述任一受众的脑电响应，是该受众在注视与预先设定的单一视觉运动刺激物呈不同方位的多个视觉目标中的任一视觉目标时，产生的运动起始诱发电位。
其中，所述单一视觉运动刺激物用于刺激受众产生运动起始诱发电位。所述多个视觉目标，分别设置在所述单一视觉运动刺激物的不同方位处。所述空间位置特征为所述脑电响应中包含的能够用于识别该受众注视的视觉目标方位的特征。
随后，将上一步骤中提取的空间位置特征输入该受众对应的空间特征分类器中，并根据所述空间特征分类器输出的信息，获取该受众注视的视觉目标的方位。
此处，所述空间特征分类器用于根据输入的空间位置特征判断所述脑电响应对应的视觉目标方位。
本发明具体实施例中，基于运动起始诱发电位实现了对视觉目标方位的判断，仅应用单一视觉运动刺激物在同一时间段中完成了多个目标的编码，有效提高了基于暂态视觉诱发电位的脑机接口方法在编码效率和屏幕利用效率方面的不足，减小了视觉负荷，提高了用户友好度，有助于将脑机接口向实际应用推广。
基于上述具体实施例，一种脑机接口方法，所述步骤S1前还包括：控制刺激器呈现单一视觉运动刺激物和与所述单一视觉运动刺激物呈不同方位的多个视觉目标；提示任一受众注视任一所述视觉目标；应用脑电采集器获取所述任一受众的脑电响应。
具体地，在从任一受众的脑电响应中提取空间位置特征前，需要获取所述任一受众的脑电响应，进一步地：
首先，控制刺激器呈现单一视觉运动刺激物。此处，所述刺激器用于为受众提供刺激物。本发明具体实施例中，所述刺激物为单一的运动的刺激物，用于诱发任一受众的运动起始诱发电位。
同时，控制刺激器呈现与所述单一视觉运动刺激物呈不同方位的多个视觉目标。例如，围绕所述单一视觉运动刺激物呈环状均匀布置4个视觉目标。
其次，从上述视觉目标中任选一个视觉目标，提示所述任一受众注视所述视觉目标。
在所述任一受众对所述视觉目标进行注视时，应用脑电采集器对所述任一受众的脑电响应进行采集。其中，所述脑电采集器是一种通过无创方式获取大脑头皮电信号的采集装置。
本发明具体实施例中，通过构造单一视觉运动刺激物和多个不同方位的视觉目标，为脑电响应的采集提供了条件。
基于上述任一具体实施例，一种脑机接口方法，所述步骤S1进一步包括：根据预设的频率范围对所述脑电响应中各通道的脑电信息进行滤波；从所述各通道的脑电信息中分别提取预设的时域范围的时域数据；将各通道的时域数据进行拼接，获取所述脑电响应的空间位置特征。
具体地，从任一受众的脑电响应中提取空间位置特征，进一步包括：
所述脑电响应由多个通道的脑电信息构成。首先，分别对脑电响应中的各通道的脑电信息进行滤波，以使得滤波后的各通道的脑电信息符合预先设置的频率范围。
随后，分别从所述脑电响应中各个通道的脑电信息中提取符合预先设定的时域范围的数据，作为各通道的时域数据。
最后，对上一步骤中提取的各通道的时域数据进行拼接，将拼接后的时域数据作为所述脑电响应的空间位置特征，用于后续判断所述脑电响应对应的视觉目标的方位。
例如，首先，将各通道的脑电信号滤波到1-30Hz，随后，将各通道运动刺激发生后的0到300毫秒的时域数据提取出来，并进行拼接，最终得到通道数×时间点数的空间位置特征，所述时间点数为脑电响应的采样率与时间窗长度之积。
本发明具体实施例中，应用限定频率和时域范围并进行拼接获取了脑电响应的空间特征分类，为应用空间特征分类进行脑电响应对应的视觉目标方位的判断提供了条件。
基于上述任一具体实施例，一种脑机接口方法，所述步骤S2前，还包括：提取所述任一受众注视的各视觉目标时对应的脑电响应的空间位置特征；将各视觉目标的方位与所述各视觉目标对应的空间位置特征输入分类器中进行训练；将训练完成的所述分类器作为所述任一受众对应的空间特征分类器。
具体地，在应用任一受众对应的空间特征分类器对所述任一受众的空间位置特征进行分类之前，需要获取所述任一受众对应的空间特征分类器，进一步地：
首先，获取所述任一受众注视各视觉目标时对应的脑电响应，并分别对各视觉目标对应的脑电响应的空间位置特征进行提取。
随后，将各视觉目标的方位和所述各视觉目标对应的空间位置特征输入分类器中进行训练，直至所述分类器的准确率达到预先设置的目标准确率或训练次数达到预先设置的训练次数阈值。
最后，将上一步骤中训练完成的分类器作为所述任一受众对应的空间特征分类器，用于在实际应用中对所述任一受众的空间位置特征进行分类。
本发明具体实施例中，通过对受众的基础数据进行训练获取对应的空间特征分类器，为实现对任一受众空间位置特征的分类提供了数据基础。
基于上述任一具体实施例，一种脑机接口方法，所述提示任一受众注视与所述单一视觉运动刺激物呈不同方位的各视觉目标中的任一视觉目标，进一步包括：改变任一视觉目标的颜色，以使得所述任一受众能够注视所述任一视觉目标。
具体地，通过改变视觉目标的颜色，实现提示任一受众注视所述视觉目标的作用。
例如，图2为本发明具体实施例的刺激器呈现的一种单一视觉运动刺激物示意图，如图2所示，刺激器中，单一视觉运动刺激物201为竖条，以一定的速度在中间的方块内部运动，中间方块的上下左右四个方位各设置有一个视觉目标202。当其中任一视觉目标202转为深色时，提示受众注视该视觉目标202。
本发明具体实施例中，通过改变视觉目标的颜色提示受众注视响应的视觉目标，受众注视的视觉目标稳定不动，相比于其他方法中受众需要注视闪烁和/或运动的目标，受众的视觉负荷更低。
基于上述任一具体实施例，一种脑机接口方法，所述将各视觉目标的方位与所述各视觉目标对应的空间位置特征输入分类器中进行训练，进一步包括：将各视觉目标的方位与所述各视觉目标对应的空间位置特征输入分类器中，应用支持向量机或随机森林对所述分类器进行训练。
具体地，支持向量机(support vector machine，SVM)是与相关的学习算法有关的监督学习模型，可以分析数据和识别模式，用于分类和回归分析，在解决小样本、非线性及高维模式识别中体现了许多特有的优势。
随机森林(random forest)指的是利用多棵树对样本进行训练并预测的一种分类器。随机森林能够处理大量的输入变数，并产生高准确度的分类器。
基于上述任一具体实施例，图3为本发明具体实施例的一种脑机接口系统的结构示意图，如图3所示，一种脑机接口系统，包括特征提取模块301和特征分类模块302；其中，所述特征提取模块301，用于提取任一受众的脑电响应中的空间位置特征；所述脑电响应是所述任一受众在注视与预设的单一视觉运动刺激物呈不同方位的各视觉目标中的任一视觉目标时，产生的运动起始诱发电位；所述特征分类模块302，用于将所述空间位置特征输入所述任一受众对应的空间特征分类器，获取所述任一受众注视的所述任一视觉目标的方位。
具体地，视皮层视网膜拓扑映射(retinotopic mapping)是一种随着刺激物空间位置变化，在头皮采集到的视觉诱发电位也会发生相应变化的生理现象。因而，通过分析视觉诱发电位的变化规律，就能够获知刺激物所在的空间位置，为后续的脑机接口的分类提供生理依据。
而运动起始诱发电位是指在刺激物开始运动时诱发大脑产生的一种视觉脑电响应。相比其它暂态视觉诱发电位，运动起始诱发电位具有响应信号强，随距离增加衰减慢，在较低的亮度和对比度也能诱发响应，产生的视觉负荷较低等特点，是一种优秀的脑机接口输入信号。
基于所述运动起始诱发电位，首先，特征提取模块301从任一受众的脑电响应中提取空间位置特征。
此处，所述任一受众的脑电响应，是该受众在注视与预先设定的单一视觉运动刺激物呈不同方位的多个视觉目标中的任一视觉目标时，产生的运动起始诱发电位。
其中，所述单一视觉运动刺激物用于刺激受众产生运动起始诱发电位。所述多个视觉目标，分别设置在所述单一视觉运动刺激物的不同方位处。所述空间位置特征为所述脑电响应中包含的能够用于识别该受众注视的视觉目标方位的特征。
随后，特征分类模块302将所述特征提取模块301提取的空间位置特征输入该受众对应的空间特征分类器中，并根据所述空间特征分类器输出的信息，获取该受众注视的视觉目标的方位。
此处，所述空间特征分类器用于根据输入的空间位置特征判断所述脑电响应对应的视觉目标方位。
本发明具体实施例中，基于运动起始诱发电位实现了对视觉目标方位的判断，仅应用单一视觉运动刺激物在同一时间段中完成了多个目标的编码，有效提高了基于暂态视觉诱发电位的脑机接口方法在编码效率和屏幕利用效率方面的不足，减小了视觉负荷，提高了用户友好度，有助于将脑机接口向实际应用推广。
基于上述任一具体实施例，一种脑机接口系统，还包括分类训练模块；所述分类训练模块，用于提取所述任一受众注视的各视觉目标时对应的脑电响应的空间位置特征；将各视觉目标的方位与所述各视觉目标对应的空间位置特征输入分类器中进行训练；将训练完成的所述分类器作为所述任一受众对应的空间特征分类器；所述分类训练模块与特征分类模块电连接。
具体地，在应用任一受众对应的空间特征分类器对所述任一受众的空间位置特征进行分类之前，需要通过分类训练模块获取所述任一受众对应的空间特征分类器，进一步地：
首先，所述分类训练模块获取所述任一受众注视各视觉目标时对应的脑电响应，并分别对各视觉目标对应的脑电响应的空间位置特征进行提取。
随后，所述分类训练模块将各视觉目标的方位和所述各视觉目标对应的空间位置特征输入分类器中进行训练，直至所述分类器的准确率达到预先设置的目标准确率或训练次数达到预先设置的训练次数阈值。
最后，所述分类训练模块将训练完成的分类器作为所述任一受众对应的空间特征分类器，用于在实际应用中对所述任一受众的空间位置特征进行分类。
本发明具体实施例中，通过对受众的基础数据进行训练获取对应的空间特征分类器，为实现对任一受众空间位置特征的分类提供了数据基础。
基于上述任一具体实施例，一种脑机接口系统，还包括脑电诱发采集模块；所述脑电诱发采集模块，用于控制刺激器呈现单一视觉运动刺激物；提示任一受众注视与所述单一视觉运动刺激物呈不同方位的各视觉目标中的任一视觉目标；应用脑电采集器获取所述任一受众的脑电响应；所述脑电诱发采集模块与特征提取模块电连接。
具体地，在从任一受众的脑电响应中提取空间位置特征前，需要通过脑电诱发采集模块获取所述任一受众的脑电响应，进一步地：
首先，脑电诱发采集模块控制刺激器呈现单一视觉运动刺激物。此处，所述刺激器用于为受众提供刺激物。本发明具体实施例中，所述刺激物为单一的运动的刺激物，用于诱发任一受众的运动起始诱发电位。
同时，脑电诱发采集模块控制刺激器呈现与所述单一视觉运动刺激物呈不同方位的多个视觉目标。例如，围绕所述单一视觉运动刺激物呈环状均匀布置4个视觉目标。
其次，脑电诱发采集模块从上述视觉目标中任选一个视觉目标，提示所述任一受众注视所述视觉目标。
在所述任一受众对所述视觉目标进行注视时，脑电诱发采集模块应用脑电采集器对所述任一受众的脑电响应进行采集。其中，所述脑电采集器是一种通过无创方式获取大脑信号的采集装置。
本发明具体实施例中，通过构造单一视觉运动刺激物和多个不同方位的视觉目标，为脑电响应的采集提供了条件。
基于上述任一具体实施例，一种脑机接口系统，所述特征提取模块进一步用于：根据预设的频率范围对所述脑电响应中各通道的脑电信息进行滤波；从所述各通道的脑电信息中分别提取预设的时域范围的时域数据；将各通道的时域数据进行拼接，获取所述脑电响应的空间位置特征。
具体地，所述脑电响应由多个通道的脑电信息构成，所述特征提取模块进一步用于：
首先，所述特征提取模块分别对脑电响应中的各通道的脑电信息进行滤波，以使得滤波后的各通道的脑电信息符合预先设置的频率范围。
随后，所述特征提取模块分别从所述脑电响应中各个通道的脑电信息中提取符合预先设定的时域范围的数据，作为各通道的时域数据。
最后，所述特征提取模块对上一步骤中提取的各通道的时域数据进行拼接，将拼接后的时域数据作为所述脑电响应的空间位置特征，用于后续判断所述脑电响应对应的视觉目标的方位。
例如，首先，特征提取模块将各通道的脑电信号滤波到1-30Hz，随后，将各通道运动刺激发生后的0到300毫秒的时域数据提取出来，并进行拼接，最终得到通道数×时间点数的空间位置特征，所述时间点数为脑电响应的采样率与时间窗长度之积。
本发明具体实施例中，应用限定频率和时域范围并进行拼接获取了脑电响应的空间特征分类，为应用空间特征分类进行脑电响应对应的视觉目标方位的判断提供了条件。
基于上述任一具体实施例，一种脑机接口系统，所述提示任一受众注视与所述单一视觉运动刺激物呈不同方位的各视觉目标中的任一视觉目标，进一步包括：改变任一视觉目标的颜色，以使得所述任一受众能够注视所述任一视觉目标。
具体地，通过改变视觉目标的颜色，实现提示任一受众注视所述视觉目标的作用。
例如，如图2所示，刺激器中，单一视觉运动刺激物201为竖条，以一定的速度在中间的方块内部运动，中间方块的上下左右四个方位各设置有一个视觉目标202。当其中任一视觉目标202转为深色时，提示受众注视该视觉目标202。
本发明具体实施例中，通过改变视觉目标的颜色提示受众注视响应的视觉目标，受众注视的视觉目标稳定不动，相比于其他方法中受众需要注视闪烁和/或运动的目标，受众的视觉负荷更低。
基于上述任一具体实施例，一种脑机接口系统，所述将各视觉目标的方位与所述各视觉目标对应的空间位置特征输入分类器中进行训练，进一步包括：将各视觉目标的方位与所述各视觉目标对应的空间位置特征输入分类器中，应用支持向量机或随机森林对所述分类器进行训练。
具体地，支持向量机(support vector machine，SVM)是与相关的学习算法有关的监督学习模型，可以分析数据和识别模式，用于分类和回归分析，在解决小样本、非线性及高维模式识别中体现了许多特有的优势。
随机森林(random forest)指的是利用多棵树对样本进行训练并预测的一种分类器。随机森林能够处理大量的输入变数，并产生高准确度的分类器。
为了更好地理解与应用本发明提出的一种脑机接口方法，本发明进行以下示例，且本发明不仅局限于以下示例。
图4为本发明具体实施例的一种脑机接口系统的结构示意图，如图4所示，受众需要全程佩戴脑电诱发采集模块403用于采集受众的脑电响应，采集脑电信号；刺激器405中呈现如图2所示的单一视觉运动刺激物，提示用户注视与该单一视觉运动刺激物呈“上”、“下”、“左”和“右”四种不同方位的视觉目标，诱发受众产生不同空间特征的脑电响应，特征提取模块301对所述脑电响应中的空间位置特征进行提取，特征分类模块302根据不同的空间位置特征对脑电响应进行分类，最终反馈呈现器404呈现受众当前注视的视觉目标。
每位受众采集至少12通道脑电信号，覆盖电极包括P3、P4、P7、P8、Pz、Oz、O1、O2、PO3、PO4、PO7和PO8，采样率不低于200Hz。采集通道数增加可以提升目标识别的准确率。
在实际应用中，将受众的脑电数据切分为一定时长的片段，该时长选择建议在1秒或以上，以获取较好的识别准确率。
图5为本发明具体实施例的一种脑机接口设备的结构示意图，如图5所示，该设备包括：至少一个处理器501；以及与所述处理器501通信连接的至少一个存储器502，其中：所述存储器502存储有可被所述处理器501执行的程序指令，所述处理器501调用所述程序指令能够执行上述各实施例所提供的脑机接口方法，例如包括：S1，提取任一受众的脑电响应中的空间位置特征；所述脑电响应是所述任一受众在注视与预设的单一视觉运动刺激物呈不同方位的多个视觉目标中的任一视觉目标时，产生的运动起始诱发电位；S2，将所述空间位置特征输入所述任一受众对应的空间特征分类器，获取所述任一受众注视的所述任一视觉目标的方位。
本发明实施例还提供一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储计算机指令，该计算机指令使计算机执行对应实施例所提供的脑机接口方法，例如包括：S1，提取任一受众的脑电响应中的空间位置特征；所述脑电响应是所述任一受众在注视与预设的单一视觉运动刺激物呈不同方位的多个视觉目标中的任一视觉目标时，产生的运动起始诱发电位；S2，将所述空间位置特征输入所述任一受众对应的空间特征分类器，获取所述任一受众注视的所述任一视觉目标的方位。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后，本申请的方法仅为较佳的实施方案，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种脑机接口方法，其特征在于，包括：
S1，提取任一受众的脑电响应中的空间位置特征；所述脑电响应是所述任一受众在注视与预设的单一视觉运动刺激物呈不同方位的多个视觉目标中的任一视觉目标时，产生的运动起始诱发电位；
S2，将所述空间位置特征输入所述任一受众对应的空间特征分类器，获取所述任一受众注视的所述任一视觉目标的方位。
2.根据权利要求1所述的方法，其特征在于，所述步骤S1前还包括：
控制刺激器呈现单一视觉运动刺激物和与所述单一视觉运动刺激物呈不同方位的多个视觉目标；
提示任一受众注视任一所述视觉目标；
应用脑电采集器获取所述任一受众的脑电响应。
3.根据权利要求1所述的方法，其特征在于，所述步骤S1进一步包括：
根据预设的频率范围对所述脑电响应中各通道的脑电信息进行滤波；
从所述各通道的脑电信息中分别提取预设的时域范围的时域数据；
将各通道的时域数据进行拼接，获取所述脑电响应的空间位置特征。
4.根据权利要求1所述的方法，其特征在于，所述步骤S2前，还包括：
提取所述任一受众注视的各视觉目标时对应的脑电响应的空间位置特征；
将各视觉目标的方位与所述各视觉目标对应的空间位置特征输入分类器中进行训练；
将训练完成的所述分类器作为所述任一受众对应的空间特征分类器。
5.根据权利要求2所述的方法，其特征在于，所述提示任一受众注视与所述单一视觉运动刺激物呈不同方位的各视觉目标中的任一视觉目标，进一步包括：
改变任一视觉目标的颜色，以使得所述任一受众能够注视所述任一视觉目标。
6.根据权利要求4所述的方法，其特征在于，所述将各视觉目标的方位与所述各视觉目标对应的空间位置特征输入分类器中进行训练，进一步包括：
将各视觉目标的方位与所述各视觉目标对应的空间位置特征输入分类器中，应用支持向量机或随机森林对所述分类器进行训练。
7.一种脑机接口系统，其特征在于，包括：
特征提取模块，用于提取任一受众的脑电响应中的空间位置特征；所述脑电响应是所述任一受众在注视与预设的单一视觉运动刺激物呈不同方位的各视觉目标中的任一视觉目标时，产生的运动起始诱发电位；
特征分类模块，用于将所述空间位置特征输入所述任一受众对应的空间特征分类器，获取所述任一受众注视的所述任一视觉目标的方位。
8.根据权利要求7所述的系统，其特征在于，还包括：
脑电诱发采集模块，用于控制刺激器呈现单一视觉运动刺激物；提示任一受众注视与所述单一视觉运动刺激物呈不同方位的各视觉目标中的任一视觉目标；应用脑电采集器获取所述任一受众的脑电响应；
分类训练模块，用于提取所述任一受众注视的各视觉目标时对应的脑电响应的空间位置特征；将各视觉目标的方位与所述各视觉目标对应的空间位置特征输入分类器中进行训练；将训练完成的所述分类器作为所述任一受众对应的空间特征分类器；
其中，所述脑电诱发采集模块与特征提取模块电连接；所述分类训练模块与特征分类模块电连接。
9.一种脑机接口设备，其特征在于，包括：
至少一个处理器；以及与所述处理器通信连接的至少一个存储器，其中：所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1至6任一所述的方法。
10.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行如权利要求1至6任一所述的方法。
CN201810096184.4A 2018-01-31 2018-01-31 一种基于运动起始诱发电位的脑机接口方法 Active CN108319367B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810096184.4A CN108319367B (zh) 2018-01-31 2018-01-31 一种基于运动起始诱发电位的脑机接口方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810096184.4A CN108319367B (zh) 2018-01-31 2018-01-31 一种基于运动起始诱发电位的脑机接口方法

Publications (2)

Publication Number Publication Date
CN108319367A true CN108319367A (zh) 2018-07-24
CN108319367B CN108319367B (zh) 2020-06-09

Family

ID=62891268

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810096184.4A Active CN108319367B (zh) 2018-01-31 2018-01-31 一种基于运动起始诱发电位的脑机接口方法

Country Status (1)

Country Link
CN (1) CN108319367B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111991806A (zh) * 2020-08-28 2020-11-27 北京捷通华声科技股份有限公司 游戏操控方法及装置
CN114003048A (zh) * 2021-12-31 2022-02-01 季华实验室 多目标对象的运动控制方法、装置、终端设备及介质
CN116919424A (zh) * 2023-08-24 2023-10-24 之江实验室 脑机接口康复方法、装置、电子设备和存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101515200A (zh) * 2009-04-03 2009-08-26 北京工业大学 基于瞬态视觉诱发脑电的目标选择方法
WO2015183737A1 (en) * 2014-05-30 2015-12-03 The Regents Of The University Of Michigan Brain-computer interface for facilitating direct selection of multiple-choice answers and the identification of state changes
CN105938397A (zh) * 2016-06-21 2016-09-14 西安交通大学 基于稳态运动视觉诱发电位与缺省刺激响应的混合脑-机接口方法
CN106933353A (zh) * 2017-02-15 2017-07-07 南昌大学 一种基于运动想象和编码调制视觉诱发电位的二维光标运动控制系统及方法
CN105137830B (zh) * 2015-08-03 2018-09-25 广东工业大学 一种基于视觉诱发脑机接口的国画机器手及其绘图方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101515200A (zh) * 2009-04-03 2009-08-26 北京工业大学 基于瞬态视觉诱发脑电的目标选择方法
WO2015183737A1 (en) * 2014-05-30 2015-12-03 The Regents Of The University Of Michigan Brain-computer interface for facilitating direct selection of multiple-choice answers and the identification of state changes
CN105137830B (zh) * 2015-08-03 2018-09-25 广东工业大学 一种基于视觉诱发脑机接口的国画机器手及其绘图方法
CN105938397A (zh) * 2016-06-21 2016-09-14 西安交通大学 基于稳态运动视觉诱发电位与缺省刺激响应的混合脑-机接口方法
CN106933353A (zh) * 2017-02-15 2017-07-07 南昌大学 一种基于运动想象和编码调制视觉诱发电位的二维光标运动控制系统及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
郭飞等: "基于运动起始视觉响应和认知正相晚成分的脑-机接口", 《中国优秀硕士学位论文全文数据库》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111991806A (zh) * 2020-08-28 2020-11-27 北京捷通华声科技股份有限公司 游戏操控方法及装置
CN114003048A (zh) * 2021-12-31 2022-02-01 季华实验室 多目标对象的运动控制方法、装置、终端设备及介质
CN114003048B (zh) * 2021-12-31 2022-04-26 季华实验室 多目标对象的运动控制方法、装置、终端设备及介质
CN116919424A (zh) * 2023-08-24 2023-10-24 之江实验室 脑机接口康复方法、装置、电子设备和存储介质
CN116919424B (zh) * 2023-08-24 2024-05-03 之江实验室 脑机接口康复装置和电子设备

Also Published As

Publication number Publication date
CN108319367B (zh) 2020-06-09

Similar Documents

Publication Publication Date Title
CN103885445B (zh) 一种脑控动物机器人系统以及动物机器人的脑控方法
CN105938397B (zh) 基于稳态运动视觉诱发电位与缺省刺激响应的混合脑-机接口方法
CN110070105B (zh) 基于元学习实例快速筛选的脑电情绪识别方法、系统
CN101464728B (zh) 视觉运动相关神经信号为载体的人机交互方法
CN108415554B (zh) 一种基于p300的脑控机器人系统及其实现方法
CN108319367A (zh) 一种脑机接口方法
DE102018102194A1 (de) Elektronische Einrichtung, Informationsverarbeitungsverfahren und Programm
CN110534180B (zh) 深度学习人机互适应运动想象脑机接口系统和训练方法
CN102866775A (zh) 基于多模式融合的脑机接口控制系统及方法
CN103699226A (zh) 一种基于多信息融合的三模态串行脑-机接口方法
CN105411580B (zh) 一种基于触听觉诱发电位的脑控轮椅系统
CN206162388U (zh) 一种脑机交互穿戴系统
CN106227354A (zh) 一种脑机交互穿戴系统
CN106502404A (zh) 一种基于稳态体感诱发电位的新型脑‑机接口方法及系统
CN110262658A (zh) 一种基于强化注意的脑机接口字符输入系统及实现方法
CN115454238A (zh) 一种基于ssvep-mi融合的人车交互控制方法、装置及汽车
CN113053492B (zh) 基于用户背景和情绪的自适应虚拟现实干预系统及方法
CN106599816B (zh) 基于人造视网膜的图像识别方法和装置
CN112783314B (zh) 基于ssvep的脑机接口刺激范式生成、检测方法、系统、介质、终端
CN109814720B (zh) 一种设备的脑控方法及系统
US10984234B2 (en) Method and apparatus for image recognition based on retina prosthesis
CN114201041B (zh) 一种基于脑机接口的人机交互指挥方法和装置
CN110209073A (zh) 基于增强现实的脑机交互载人移动平台系统
CN111967333B (zh) 一种信号生成方法、系统、存储介质及脑机接口拼写器
CN109116988A (zh) 基于错觉运动感知的稳态诱发电位脑-机接口方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant