CN108904980A - 基于脑电和功能性电刺激的上肢主动康复方法及装置 - Google Patents

基于脑电和功能性电刺激的上肢主动康复方法及装置 Download PDF

Info

Publication number
CN108904980A
CN108904980A CN201810862266.5A CN201810862266A CN108904980A CN 108904980 A CN108904980 A CN 108904980A CN 201810862266 A CN201810862266 A CN 201810862266A CN 108904980 A CN108904980 A CN 108904980A
Authority
CN
China
Prior art keywords
rehabilitation
eeg signals
feature
intended
obtains
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
CN201810862266.5A
Other languages
English (en)
Other versions
CN108904980B (zh
Inventor
单新颖
毕胜
常琪
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.)
National Research Center for Rehabilitation Technical Aids
Original Assignee
National Research Center for Rehabilitation Technical Aids
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 National Research Center for Rehabilitation Technical Aids filed Critical National Research Center for Rehabilitation Technical Aids
Priority to CN201810862266.5A priority Critical patent/CN108904980B/zh
Publication of CN108904980A publication Critical patent/CN108904980A/zh
Application granted granted Critical
Publication of CN108904980B publication Critical patent/CN108904980B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N1/00—Electrotherapy; Circuits therefor
    • A61N1/18—Applying electric currents by contact electrodes
    • A61N1/32—Applying electric currents by contact electrodes alternating or intermittent currents
    • A61N1/36—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation
    • A61N1/36003—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation of motor muscles, e.g. for walking assistance
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/369—Electroencephalography [EEG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4836—Diagnosis combined with treatment in closed-loop systems or methods
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N1/00—Electrotherapy; Circuits therefor
    • A61N1/18—Applying electric currents by contact electrodes
    • A61N1/32—Applying electric currents by contact electrodes alternating or intermittent currents
    • A61N1/36—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation
    • A61N1/36014—External stimulators, e.g. with patch electrodes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61N—ELECTROTHERAPY; MAGNETOTHERAPY; RADIATION THERAPY; ULTRASOUND THERAPY
    • A61N1/00—Electrotherapy; Circuits therefor
    • A61N1/18—Applying electric currents by contact electrodes
    • A61N1/32—Applying electric currents by contact electrodes alternating or intermittent currents
    • A61N1/36—Applying electric currents by contact electrodes alternating or intermittent currents for stimulation
    • A61N1/36014—External stimulators, e.g. with patch electrodes
    • A61N1/3603—Control systems
    • A61N1/36031—Control systems using physiological parameters for adjustment

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Veterinary Medicine (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Physiology (AREA)
  • Radiology & Medical Imaging (AREA)
  • Psychiatry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Psychology (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明提供了基于脑电和功能性电刺激的上肢主动康复方法及装置，涉及康复机器人技术领域，包括：在刺激左右手的情况下，根据刺激范式，获得基于左右手运动想象的脑电信号；将脑电信号进行放大和预处理后，对预处理的脑电信号进行特征提取，得到用以分类左、右手运动康复意图的特征向量；将特征向量输入分类器进行分类，得到左/右手运动的康复意图；将FES系统通过康复意图对康复对象的相应部位进行功能性电刺激；通过FES系统进行的功能性电刺激，形成对脑功能的可塑性康复反馈。本发明通过脑电信号实现对康复对象的主动康复意图的识别，并通过FES系统根据康复意图进行功能性刺激，从而达到更好的主动、客观和精准的康复效果。

Description

基于脑电和功能性电刺激的上肢主动康复方法及装置
技术领域
本发明涉及康复机器人技术领域，尤其是涉及基于脑电和功能性电刺激的上肢康复方法及装置。
背景技术
脑卒中是引起上肢运动功能不能控制的主要原因之一，大约有1/3的脑卒中患者会留有不同程度的残疾。在脑卒中急性期，患者受损的运动功能可有部分自发性恢复，而慢性期脑卒中患者受损运动功能自发恢复的可能性大大降低。
基于脑卒中的传统的康复训练方法主要是由人工或者借助简单器械带动患肢进行，这类康复方法需要多名医护人员，体力消耗很大，较难保证康复训练的强度和持久性，而且受治疗师主观因素影响，很难保证康复的主动性、客观性、精准性和一致性，限制了康复训练方法的进一步优化和康复效果的提升。尤其今年来人员成本不断攀升，使得传统的训练方法的康复费用不断增加，给患者家庭和社会带来很大经济和生活压力。
发明内容
有鉴于此，本发明的目的在于提供基于脑电和功能性电刺激的上肢主动康复方法及装置，通过脑电信号实现对康复对象的主动康复意图的识别，并通过FES系统根据康复意图进行功能性刺激，从而达到更好的主动、客观和精准的康复效果。
第一方面，本发明实施例提供了一种基于脑电和功能性电刺激的上肢主动康复方法，其中，所述方法包括：
在刺激左右手的情况下，根据刺激范式，获得基于左右手运动想象的脑电信号；
将所述脑电信号通过前置放大器进行放大，并对放大的脑电信号进行预处理，得到预处理的脑电信号；
对所述预处理的脑电信号进行特征提取，得到用以分类左、右手运动康复意图的特征向量；
将所述特征向量输入分类器进行分类，得到左手或右手运动的康复意图；
将功能性电刺激FES系统通过所述康复意图对康复对象的相应部位进行特定电流参数的功能性电刺激；
通过FES系统进行的所述功能性电刺激，形成对脑功能的可塑性康复反馈。
结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，对放大的脑电信号进行预处理，得到预处理的脑电信号，包括：
将所述放大的脑电信号经过降采样，获得所需周期的脑电信号；
将所述所需周期的脑电信号通过3Hz的高通滤波器，再通过30Hz低通滤波器，得到与左右手运动想象相关的第一范围内的脑电信号；
将所述第一范围内的脑电信号去除眼电伪迹，得到所述预处理的脑电信号；
其中，所述第一范围为3～30Hz。
结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，对所述预处理的脑电信号进行特征提取，得到用以分类左、右手运动康复意图的特征向量，包括：
将所述预处理的脑电信号进一步通过带通滤波器获得第二范围内的脑电信号；
采取CSP共空间模式将第二范围内的脑电信号进行特征提取，得到第一特征；
采用小波包变换将第二范围内的脑电信号进行特征提取，得到第二特征；
将所述第一特征和所述第二特征合并为特征集，并对特征集内的特征值进行主成分分析，获得多个所述特征向量；
其中，所述第二范围为8～30Hz。
结合第一方面的第二种可能的实施方式，本发明实施例提供了第一方面的第三种可能的实施方式，其中，采取CSP将第二范围内的脑电信号进行特征提取，得到第一特征，包括：
基于所述CSP，并根据所述第二范围内的脑电信号得到左手和右手合成的空间协方差矩阵；
对所述合成的空间协方差矩阵进行白化变换得到白化矩阵，并将白化矩阵的脑电信号进行投影，得到最佳分类特征投影矩阵，则第二范围内的运动想象经过投影矩阵变换后得到所述第一特征。
结合第一方面的第二种可能的实施方式，本发明实施例提供了第一方面的第四种可能的实施方式，其中，采用小波包变换将第二范围内的脑电信号进行特征提取，得到第二特征，包括：
所述小波包变换的二尺度方程根据下式所得：
其中h0(k)、h1(k)是多分辨分析中的滤波器系数，且满足h1(k)＝-(1-kh0(1-k))；
当n＝0时，w0(t)＝φ(t)为尺度函数，w1(t)＝ψ(t)为小波函数，定义函数序列{wn(t)}n∈Z为由w0(t)＝φ(t)所确定的小波包；
将所述小波包进行分解，第k个样本的小波包分解系数根据下式所得：
其中，j是分解的节点树的深度，p是相应深度下节点的个数。
结合第一方面的第二种可能的实施方式，本发明实施例提供了第一方面的第五种可能的实施方式，其中，对特征集内的特征值进行主成分分析，获得多个所述特征向量，包括：
在特征集内，从8Hz起以2Hz带宽、1Hz步长向30Hz方向截取频带范围内的脑电信号，对8个电极脑电信号的能量进行加权求和获得42个特征值，对特征值进行主成分分析，获得多个所述特征向量。
结合第一方面，本发明实施例提供了第一方面的第六种可能的实施方式，其中，将所述特征向量输入分类器进行分类，得到左手或右手运动的康复意图，包括：
将所述特征向量输入SVM支持向量机分类器或线性分类器，再通过适当的非线性映射将输入向量映射到高维的特征空间，使得所述特征向量被超平面分割，其中所述超平面的方程为：
x*ω+b＝0，
则在d维空间中，使线性可分的样本集(xi，yi)，i＝1，…，n，x∈Rd，yi∈{+1.-1}，满足第一条件，其中，所述第一条件为：
yi(ω*xi+b)-1≥0，i＝1，…，n；
满足所述第一条件且使1/2||ω||2最小的分类线为最优分类线，并利用Lagrange乘子方法计算最优决策函数，其中，所述最优决策函数为：
其中，N为支持向量的个数，αi为Langrannge乘子。
结合第一方面，本发明实施例提供了第一方面的第七种可能的实施方式，其中，所述FES系统集成在康复机器人中，所述将功能性电刺激FES系统通过所述康复意图对康复对象的相应部位进行特定电流参数的功能性电刺激，包括：
将所述左手或右手运动的康复意图通过TCP/IP无线通信传输到FES系统，FES系统根据所述康复意图设定特定的刺激电流、刺激脉宽、刺激频率和刺激时间参数向上肢的手指屈曲肌施加功能电刺激以刺激左手或右手运动。
第二方面，本发明实施例还提供一种基于脑电和功能性电刺激的上肢主动康复装置，其中，所述装置包括：
信号采集单元，用于在刺激左右手的情况下，根据刺激范式，获得基于左右手运动想象的脑电信号；
预处理单元，用于将所述脑电信号通过前置放大器进行放大，并对放大的脑电信号进行预处理，得到预处理的脑电信号；
特征提取单元，用于对所述预处理的脑电信号进行特征提取，得到用以分类左、右手运动康复意图的特征向量；
分类单元，用于将所述特征向量输入分类器进行分类，得到左手或右手运动的康复意图；
刺激单元，用于将FES系统通过所述康复意图对康复对象的相应部位进行特定电流参数的功能性电刺激；
反馈单元，用于通过FES系统进行的所述功能性电刺激，形成对脑功能的可塑性康复反馈。
本发明实施例带来了以下有益效果：
本发明提供的基于脑电和功能性电刺激的上肢主动康复方法及装置，包括：在刺激左右手的情况下，根据刺激范式，获得基于左右手运动想象的脑电信号；将脑电信号通过前置放大器进行放大，并对放大的脑电信号进行预处理，得到预处理的脑电信号；对预处理的脑电信号进行特征提取，得到用以分类左、右手运动康复意图的特征向量；将特征向量输入分类器进行分类，得到左手或右手运动的康复意图；将FES系统通过康复意图对康复对象的相应部位进行特定电流参数的功能性电刺激；通过FES系统进行的功能性电刺激，形成对脑功能的可塑性康复反馈。本发明通过脑电信号实现对康复对象的主动康复意图的识别，并通过FES系统根据康复意图进行功能性刺激，从而达到更好的主动、客观和精准的康复效果。
本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例一提供的基于脑电和功能性电刺激的上肢主动康复方法流程图；
图2为本发明实施例一提供的康复对象训练过程示意图；
图3为本发明实施例一提供的脑电信号放大器预处理过程示意图；
图4为本发明实施例一提供的步骤S103的实现方法流程图；
图5为本发明实施例二提供的基于运动想象的脑机接口和功能性电刺激的上肢康复装置的系统示意图；
图6为为本发明实施例三提供的基于脑电和功能性电刺激的上肢主动康复系统示意图。
图标：
10-信号采集单元；20-预处理单元；30-特征提取单元；40-分类单元；50-刺激单元；60-反馈单元。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
脑卒中是引起上肢运动功能不能控制的主要原因之一，大约有1/3的脑卒中患者会留有不同程度的残疾。在脑卒中急性期，患者受损的运动功能可有部分自发性恢复，而慢性期脑卒中患者受损运动功能自发恢复的可能性大大降低。基于脑卒中的传统的康复训练方法主要是由人工或者借助简单器械带动患肢进行，这类康复方法需要多名医护人员，体力消耗很大，较难保证康复训练的强度和持久性，而且受治疗师主观因素影响，很难保证康复的主动性、客观性、精准性和一致性，限制了康复训练方法的进一步优化和康复效果的提升。尤其今年来人员成本不断攀升，使得传统的训练方法的康复费用不断增加，给患者家庭和社会带来很大经济和生活压力。
基于此，本发明实施例提供的基于脑电和功能性电刺激的上肢康复方法及装置，通过脑电信号实现对康复对象的主动康复意图的识别，并通过FES系统根据康复意图进行功能性刺激，从而达到更好的主动、客观和精准的康复效果。
为便于对本实施例进行理解，首先对本发明实施例所公开的基于脑电和功能性电刺激的上肢主动康复方法进行详细介绍。
实施例一：
图1为本发明实施例一提供的基于脑电和功能性电刺激的上肢康复方法流程图。
参照图1，基于脑电和功能性电刺激的上肢主动康复方法主要包括：
步骤S101，在刺激左右手的情况下，根据刺激范式，获得基于左右手运动想象的脑电信号；
步骤S102，将脑电信号通过前置放大器进行放大，并对放大的脑电信号进行预处理，得到预处理的脑电信号；
步骤S103，对预处理的脑电信号进行特征提取，得到用以分类左、右手运动康复意图的特征向量；
步骤S104，将特征向量输入分类器进行分类，得到左手或右手运动的康复意图；
步骤S105，将FES(Functional Electrical Stimulation，功能性电刺激)系统通过康复意图对康复对象的相应部位进行特定电流参数的功能性电刺激；
步骤S106，通过FES系统进行的功能性电刺激，形成对脑功能的可塑性康复反馈。
进一步的，步骤S101在具体实现时包括如下内容。
开发基于运动想象的左右手的刺激范式，如图2所示，即在一个刺激阶段中，前3s在屏幕中出现一个十字加号，用于引起被试的注意力，然后进行6s提示左肘关节或右肘关节即提示被试者进行左手或右手的运动想象，左肘关节或右肘关节随机出现，之后进行6s的休息，整个刺激阶段为15s。
根据国际10-20系统，通过脑电帽的头皮电极采集FC3、C3、CP3、Cz、FCz、FC4、C4、CP4八个电极的脑电信号，根据刺激范式，获得基于左右手运动想象的脑电信号。接下来再参照图3，执行步骤S102中的内容，将脑电信号通过前置放大器进行放大，对放大的脑电信号进行预处理，得到预处理的脑电信号。康复对象连接导联1、导联2、…导联8，每个导联又分别与前置放大器、高通滤波器、低通滤波器、50Hz陷波电路、后置放大器相连接，然后再与24位高性能A/D转换器相连接，24位高性能A/D转换器再微控制器相连接，微控制器分别与直流矫正和阻抗检测相连接。其中，50Hz陷波电路是为了消除工频干扰，减少噪声成分。
进一步的，步骤S102中，对放大的脑电信号进行软件的预处理，得到预处理的脑电信号在具体实现时包括如下内容。
首先，将放大的脑电信号经过降采样，获得所需周期的脑电信号；
其次，将所需周期的脑电信号通过3Hz的高通滤波器(即：使高于3Hz的信号通过)，再通过30Hz低通滤波器(即：使低于30Hz的信号通过)，得到与左右手运动想象相关的第一范围为3～30Hz内的脑电信号；
然后，将3～30Hz内的脑电信号去除眼电伪迹，得到预处理的脑电信号。
进一步的，参照图4，步骤S103在具体实现时包括如下内容。
步骤S201，将预处理的脑电信号进一步通过带通滤波器获得第二范围为8～30Hz内的脑电信号。
步骤S202，采取CSP(CommonSpatial Pattern，共空间模式)将第二范围内的脑电信号进行特征提取，得到第一特征。
具体的，CSP的原理是将单次任务实验的脑电数据表示为一个N*T维的矩阵E，其中N为脑电测量时的通道数，T是脑电采集时每个通道的采样点数，则归一化的脑电数据协方差矩阵可以如公式(1)所示：
根据公式(1)，分别使用Cl和Cr表示左手和右手的空间协方差矩阵，则基于CSP，并根据8～30Hz内的脑电信号得到左手和右手合成的空间协方差矩阵，如公式(2)所示：
Cc＝UcλcUcT (2)，
其中Uc是矩阵的原特征向量，λc是相应的特征值，在这一变化过程中，将特征值按照降序进行排列，其相应的原特征向量也重新进行排列。
接下来，对矩阵特征向量Uc进行白化变换得到白化矩阵P，如公式(3)所示：
并将白化矩阵的脑电信号进行投影，得到最佳分类特征投影矩阵，即协方差矩阵Cl和Cr可以变换为公式(4)的形式，则第二范围内的运动想象经过投影矩阵变换后得到第一特征，
Sl＝PClPT，Sr＝PCrPT (4)；
Sl和Sr拥有共同的特征向量，即如果Sl＝BClPT，则Sr＝BCrBT。将白化后的脑电波信号投影在特征向量B的前m列和后m列特征向量上，就能够得出最佳的分类特征。投影矩阵W＝BTP，则单次任务实验的脑电信号E可以变换为Z＝WE。
步骤S203，采用小波包变换将第二范围内的脑电信号进行特征提取，得到第二特征；
具体的，小波包变换的二尺度方程根据公式(5)所得：
其中h0(k)、h1(k)是多分辨分析中的滤波器系数，且满足h1(k)＝-(1-kh0(1-k))；当n＝0时，w0(t)＝φ(t)为尺度函数，w1(t)＝ψ(t)为小波函数，定义函数序列{wn(t)}n∈Z为由w0(t)＝φ(t)所确定的小波包。
小波包分解是将小波分析的二元结构改变成二叉树结构。二叉树的节点标注为(j,p)，j是分解的节点树的深度，p是相应深度下节点的个数，则在分解深度为j，第k个样本的小波包分解系数可根据公式(6)所得：
步骤S204，将第一特征和第二特征合并为特征集，并对特征集内的特征值进行主成分分析，获得多个特征向量；
具体的，将通过CSP提取到的第一特征与小波包变换提取的第二特征合并为特征集，对特征值进行主成分分析，获得几个相互独立且影响较大的主成分，将主成分送入分类器进行特征分类。
在特征集内，从8Hz起以2Hz带宽、1Hz步长向30Hz方向截取频带范围内的脑电信号，对8个电极脑电信号的能量进行加权求和获得42个特征值，对特征值进行主成分分析，获得多个特征向量。
进一步的，步骤S104在具体实现时包括如下内容。
将特征向量输入SVM(Support Vector Machine，支持向量机)分类器或线性分类器，得到左手或者右手运动的康复意图；再通过适当的非线性映射将输入向量映射到高维的特征空间，使得特征向量(属于两类)被超平面分割，该超平面不但能够实现两类数据的正确分开，而且使分类间隔最大。超平面的方程如公式(7)所示：
x*ω+b＝0 (7)，
则在d维空间中，使线性可分的样本集(xi，yi)i＝1，…，n，x∈Zd，yi∈{+1，-1}满足第一条件，其中，第一条件如公式(8)所示：
yi(ω*xi+b)-1≥0,i＝1,…,n (8)；
满足公式(8)且使1/2||ω||2最小的分类线为最优分类线，并利用Lagrange(拉格朗日)乘子方法解决最优问题后，得到最优决策函数如公式(9)所示：
其中，N为支持向量的个数，ai为Langrannge乘子。
进一步的，步骤S105在具体实现时包括如下内容。
将左手或右手运动的康复意图通过TCP/IP无线通信传输到FES系统，FES系统根据康复意图设定特定的刺激电流、刺激脉宽、刺激频率和刺激时间参数向上肢的手指屈曲肌施加功能电刺激以刺激左手或右手运动。
具体的，将左手或右手运动的康复意图通过TCP/IP无线通信传输到FES系统，FES系统根据康复意图设定特定的刺激电流5～140(mA)、刺激脉宽50～500(us)、刺激频率10～100(Hz)和刺激时间(s)等参数向上肢的手指屈曲肌施加功能电刺激以达到左手或右手运动。通过FES系统进行功能性电刺激，形成之下而上对脑功能的可塑性康复反馈信号，构建形成闭环反馈系统。
进一步的，FES系统集成在康复机器人中。FES系统通过电刺激手段，采用精确的刺激顺序和刺激强度来激活轻瘫或者是瘫痪的肢体肌肉，使得肢体瘫痪的病人可以恢复一定的运动功能。
实施例二：
图5为本发明实施例二提供的基于脑电和功能性电刺激的上肢主动康复装置的意图；
参照图5，很完整的表述了患者采集脑电信号、特征提取和分类、意图识别到控制FES刺激上肢康复的整个环节，通过以上环节达到运动功能，实现更好的康复效果。
基于上述系统，可以提供康复对象训练方法，具体包括：
首先需要在受试者头皮安放头皮电极来测量受试者的基于左、右手运动想象脑电信号，脑电信号通过无线传输到计算机中做分析处理。在正式操作之前，需要先进行离线BCI(Brain Computer Interface，脑机接口技术)训练，即不连接FES系统，让受试者进行指定的想象运动，比如想象运动左手或是右手。通过几轮训练，使得分类的准确率可以达到80％以上。其次，进行实时工作状态，即连接FES系统，计算机通过在线分析将不同的模式信号转换成相应的控制命令传输给FES系统软件控制平台，FES系统根据控制命令以一定的电刺激手段刺激受试者相应肌肉，使得受试者达到一定的运动功能。
实施例三：
图6为为本发明实施例三提供的基于脑电和功能性电刺激的上肢主动康复系统示意图。
参照图6，基于脑电和功能性电刺激的上肢主动康复装置主要包括如下单元：
信号采集单元10，用于在刺激左右手的情况下，根据刺激范式，获得基于左右手运动想象的脑电信号；
预处理单元20，用于将脑电信号通过前置放大器进行放大，并对放大的脑电信号进行预处理，得到预处理的脑电信号；
特征提取单元30，用于对预处理的脑电信号进行特征提取，得到用以分类左、右手运动康复意图的特征向量；
分类单元40，用于将特征向量输入分类器进行分类，得到左手或右手运动的康复意图；
刺激单元50，用于将FES系统通过康复意图对康复对象的相应部位进行特定电流参数的功能性电刺激；
反馈单元60，用于通过FES系统进行的功能性电刺激，形成对脑功能的可塑性康复反馈。
另外，在其他的的实现方式中，还可以进一步提供一种电子设备，其包括存储器、处理器，存储器中存储有可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述基于脑电和功能性电刺激的上肢主动康复方法的步骤。
本发明实施例所提供的装置、系统，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置、系统实施例部分未提及之处，可参考前述方法实施例中相应内容。
本发明实施例带来了以下有益效果：
本发明提供的基于脑电和功能性电刺激的上肢主动康复方法及装置，包括：在刺激左右手的情况下，根据刺激范式，获得基于左右手运动想象的脑电信号；将脑电信号通过前置放大器进行放大，并对放大的脑电信号进行预处理，得到预处理的脑电信号；对预处理的脑电信号进行特征提取，得到用以分类左、右手运动康复意图的特征向量；将特征向量输入分类器进行分类，得到左手或右手运动的康复意图；将FES系统通过康复意图对康复对象的相应部位进行特定电流参数的功能性电刺激；通过FES系统进行的功能性电刺激，形成对脑功能的可塑性康复反馈。本发明通过脑电信号实现对康复对象的主动康复意图的识别，并通过FES系统根据康复意图进行功能性刺激，从而达到更好的主动、客观和精准的康复效果。
本发明实施例还提供一种电子设备，包括存储器、处理器，存储器中存储有可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述实施例提供的基于脑电和功能性电刺激的上肢主动康复方法的步骤。
本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器运行时执行上述实施例的基于脑电和功能性电刺激的上肢主动康复方法的步骤。
另外，在本发明实施例的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
在本发明的描述中，需要说明的是，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
本发明实施例所提供的进行基于脑电和功能性电刺激的上肢主动康复方法的计算机程序产品，包括存储了处理器可执行的非易失的程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (9)

1.一种基于脑电和功能性电刺激的上肢主动康复方法，其特征在于，所述方法包括：
在刺激左右手的情况下，根据刺激范式，获得基于左右手运动想象的脑电信号；
将所述脑电信号通过前置放大器进行放大，并对放大的脑电信号进行预处理，得到预处理的脑电信号；
对所述预处理的脑电信号进行特征提取，得到用以分类左、右手运动康复意图的特征向量；
将所述特征向量输入分类器进行分类，得到左手或右手运动的康复意图；
将功能性电刺激FES系统通过所述康复意图对康复对象的相应部位进行特定电流参数的功能性电刺激；
通过FES系统进行的所述功能性电刺激，形成对脑功能的可塑性康复反馈。
2.根据权利要求1所述的方法，其特征在于，对放大的脑电信号进行预处理，得到预处理的脑电信号，包括：
将所述放大的脑电信号经过降采样，获得所需周期的脑电信号；
将所述所需周期的脑电信号通过3Hz的高通滤波器，再通过30Hz低通滤波器，得到与左右手运动想象相关的第一范围内的脑电信号；
将所述第一范围内的脑电信号去除眼电伪迹，得到所述预处理的脑电信号；
其中，所述第一范围为3～30Hz。
3.根据权利要求1所述的方法，其特征在于，对所述预处理的脑电信号进行特征提取，得到用以分类左、右手运动康复意图的特征向量，包括：
将所述预处理的脑电信号进一步通过带通滤波器获得第二范围内的脑电信号；
采取CSP共空间模式将第二范围内的脑电信号进行特征提取，得到第一特征；
采用小波包变换将第二范围内的脑电信号进行特征提取，得到第二特征；
将所述第一特征和所述第二特征合并为特征集，并对特征集内的特征值进行主成分分析，获得多个所述特征向量；
其中，所述第二范围为8～30Hz。
4.根据权利要求3所述的方法，其特征在于，采取CSP将第二范围内的脑电信号进行特征提取，得到第一特征，包括：
基于所述CSP，并根据所述第二范围内的脑电信号得到左手和右手合成的空间协方差矩阵；
对所述合成的空间协方差矩阵进行白化变换得到白化矩阵，并将白化矩阵的脑电信号进行投影，得到最佳分类特征投影矩阵，则第二范围内的运动想象经过投影矩阵变换后得到所述第一特征。
5.根据权利要求3所述的方法，其特征在于，采用小波包变换将第二范围内的脑电信号进行特征提取，得到第二特征，包括：
所述小波包变换的二尺度方程根据下式所得：
其中h0(k)、h1(k)是多分辨分析中的滤波器系数，且满足h1(k)＝-(1-kh0(1-k))；
当n＝0时，w0(t)＝φ(t)为尺度函数，w1(t)＝ψ(t)为小波函数，定义函数序列{wn(t)}n∈Z为由w0(t)＝φ(t)所确定的小波包；
将所述小波包进行分解，第k个样本的小波包分解系数根据下式所得：
其中，j是分解的节点树的深度，p是相应深度下节点的个数。
6.根据权利要求3所述的方法，其特征在于，对特征集内的特征值进行主成分分析，获得多个所述特征向量，包括：
在特征集内，从8Hz起以2Hz带宽、1Hz步长向30Hz方向截取频带范围内的脑电信号，对8个电极脑电信号的能量进行加权求和获得42个特征值，对特征值进行主成分分析，获得多个所述特征向量。
7.根据权利要求1所述的方法，其特征在于，将所述特征向量输入分类器进行分类，得到左手或右手运动的康复意图，包括：
将所述特征向量输入SVM支持向量机分类器或线性分类器，再通过适当的非线性映射将输入向量映射到高维的特征空间，使得所述特征向量被超平面分割，其中所述超平面的方程为：
x*ω+b＝0，
则在d维空间中，使线性可分的样本集(xi，yi)，i＝1，…，n，x∈Rd，yi∈{+1.-1}，满足第一条件，其中，所述第一条件为：
yi(ω*xi+b)-1≥0，i＝1，…，n；
满足所述第一条件且使1/2||ω||2最小的分类线为最优分类线，并利用Lagrange乘子方法计算最优决策函数，其中，所述最优决策函数为：
其中，N为支持向量的个数，αi为Langrannge乘子。
8.根据权利要求1所述的方法，其特征在于，所述FES系统集成在康复机器人中，所述将功能性电刺激FES系统通过所述康复意图对康复对象的相应部位进行特定电流参数的功能性电刺激，包括：
将所述左手或右手运动的康复意图通过TCP/IP无线通信传输到FES系统，FES系统根据所述康复意图设定特定的刺激电流、刺激脉宽、刺激频率和刺激时间参数向上肢的手指屈曲肌施加功能电刺激以刺激左手或右手运动。
9.一种基于脑电和功能性电刺激的上肢主动康复装置，其特征在于，所述装置包括：
信号采集单元，用于在刺激左右手的情况下，根据刺激范式，获得基于左右手运动想象的脑电信号；
预处理单元，用于将所述脑电信号通过前置放大器进行放大，并对放大的脑电信号进行预处理，得到预处理的脑电信号；
特征提取单元，用于对所述预处理的脑电信号进行特征提取，得到用以分类左、右手运动康复意图的特征向量；
分类单元，用于将所述特征向量输入分类器进行分类，得到左手或右手运动的康复意图；
刺激单元，用于将FES系统通过所述康复意图对康复对象的相应部位进行特定电流参数的功能性电刺激；
反馈单元，用于通过FES系统进行的所述功能性电刺激，形成对脑功能的可塑性康复反馈。
CN201810862266.5A 2018-08-01 2018-08-01 基于脑电和功能性电刺激的上肢主动康复方法及装置 Active CN108904980B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810862266.5A CN108904980B (zh) 2018-08-01 2018-08-01 基于脑电和功能性电刺激的上肢主动康复方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810862266.5A CN108904980B (zh) 2018-08-01 2018-08-01 基于脑电和功能性电刺激的上肢主动康复方法及装置

Publications (2)

Publication Number Publication Date
CN108904980A true CN108904980A (zh) 2018-11-30
CN108904980B CN108904980B (zh) 2022-05-17

Family

ID=64393888

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810862266.5A Active CN108904980B (zh) 2018-08-01 2018-08-01 基于脑电和功能性电刺激的上肢主动康复方法及装置

Country Status (1)

Country Link
CN (1) CN108904980B (zh)

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109718059A (zh) * 2019-03-11 2019-05-07 燕山大学 手部康复机器人自适应控制方法及装置
CN110251088A (zh) * 2019-07-03 2019-09-20 博睿康科技（常州）股份有限公司 一种联合肌电脑电的功能性电刺激康复设备
CN110975236A (zh) * 2019-12-30 2020-04-10 颜开 一种基于脑电和功能性电刺激的上肢主动康复装置
CN111584028A (zh) * 2020-04-30 2020-08-25 天津大学 基于可视图符号网络和宽度学习的新型脑控智能康复系统
CN111584033A (zh) * 2020-04-30 2020-08-25 天津大学 基于多层有序网络的脑控智能康复系统运动意图识别系统
CN111584030A (zh) * 2020-04-30 2020-08-25 天津大学 基于深度学习和复杂网络的意念控制智能康复系统及应用
CN111631908A (zh) * 2020-05-31 2020-09-08 天津大学 基于脑机交互与深度学习的主动式手部训练系统及方法
CN111671445A (zh) * 2020-04-20 2020-09-18 广东食品药品职业学院 一种意识障碍程度分析方法
CN113058157A (zh) * 2021-02-25 2021-07-02 国家康复辅具研究中心 多信号融合的反馈式功能性电刺激系统
CN113509640A (zh) * 2021-07-14 2021-10-19 南开大学 基于眼动控制的功能性电刺激系统及其使用方法
CN113712574A (zh) * 2021-09-03 2021-11-30 上海诺诚电气股份有限公司 一种脑电生物反馈得康复方法及系统
CN115363604A (zh) * 2022-10-19 2022-11-22 山东海天智能工程有限公司 基于脑电信号的电极放电自动调节系统、介质及电子设备

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090306741A1 (en) * 2006-10-26 2009-12-10 Wicab, Inc. Systems and methods for altering brain and body functions and for treating conditions and diseases of the same
CN103735262A (zh) * 2013-09-22 2014-04-23 杭州电子科技大学 一种双树复小波与共空间模式结合的脑电特征提取方法
WO2014170897A1 (en) * 2013-04-14 2014-10-23 Yissum Research Development Company Of The Hebrew University Of Jerusalem Ltd. Classifying eeg signals in response to visual stimulus
CN106267557A (zh) * 2016-08-26 2017-01-04 山东海天智能工程有限公司 一种基于小波变换和支持向量机辨识的脑控主动上肢医疗康复训练系统
CN106693145A (zh) * 2016-12-20 2017-05-24 深圳创达云睿智能科技有限公司 一种脑波反馈训练方法及系统
CN106821375A (zh) * 2017-02-10 2017-06-13 东南大学 一种基于csp算法及ar模型想象动作电位的脑电信号特征提取方法
CN107315478A (zh) * 2017-07-05 2017-11-03 中国人民解放军第三军医大学 一种运动想象上肢智能康复机器人系统及其训练方法
CN108304068A (zh) * 2018-01-30 2018-07-20 山东建筑大学 一种基于脑机接口的上肢康复训练机器人控制系统及方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090306741A1 (en) * 2006-10-26 2009-12-10 Wicab, Inc. Systems and methods for altering brain and body functions and for treating conditions and diseases of the same
WO2014170897A1 (en) * 2013-04-14 2014-10-23 Yissum Research Development Company Of The Hebrew University Of Jerusalem Ltd. Classifying eeg signals in response to visual stimulus
CN103735262A (zh) * 2013-09-22 2014-04-23 杭州电子科技大学 一种双树复小波与共空间模式结合的脑电特征提取方法
CN106267557A (zh) * 2016-08-26 2017-01-04 山东海天智能工程有限公司 一种基于小波变换和支持向量机辨识的脑控主动上肢医疗康复训练系统
CN106693145A (zh) * 2016-12-20 2017-05-24 深圳创达云睿智能科技有限公司 一种脑波反馈训练方法及系统
CN106821375A (zh) * 2017-02-10 2017-06-13 东南大学 一种基于csp算法及ar模型想象动作电位的脑电信号特征提取方法
CN107315478A (zh) * 2017-07-05 2017-11-03 中国人民解放军第三军医大学 一种运动想象上肢智能康复机器人系统及其训练方法
CN108304068A (zh) * 2018-01-30 2018-07-20 山东建筑大学 一种基于脑机接口的上肢康复训练机器人控制系统及方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
吴林彦等: "基于CSP算法与小波包分析方法的运动想象脑电信号特征提取性能的比较", 《生物医学工程研究》 *
逯鹏;谢全威;李新建;胡玉霞;张景景: "基于运动观察EEG的运动方向解析", 《计算机应用研究》 *
金海龙等: "基于希尔伯特-黄变换和BP神经网络的运动想象脑电研究", 《生物医学工程学杂志》 *

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109718059A (zh) * 2019-03-11 2019-05-07 燕山大学 手部康复机器人自适应控制方法及装置
CN110251088A (zh) * 2019-07-03 2019-09-20 博睿康科技（常州）股份有限公司 一种联合肌电脑电的功能性电刺激康复设备
CN110975236A (zh) * 2019-12-30 2020-04-10 颜开 一种基于脑电和功能性电刺激的上肢主动康复装置
CN111671445A (zh) * 2020-04-20 2020-09-18 广东食品药品职业学院 一种意识障碍程度分析方法
CN111584033B (zh) * 2020-04-30 2023-04-18 天津大学 基于多层有序网络的脑控智能康复系统运动意图识别系统
CN111584028A (zh) * 2020-04-30 2020-08-25 天津大学 基于可视图符号网络和宽度学习的新型脑控智能康复系统
CN111584033A (zh) * 2020-04-30 2020-08-25 天津大学 基于多层有序网络的脑控智能康复系统运动意图识别系统
CN111584030A (zh) * 2020-04-30 2020-08-25 天津大学 基于深度学习和复杂网络的意念控制智能康复系统及应用
CN111584028B (zh) * 2020-04-30 2023-04-18 天津大学 基于可视图符号网络和宽度学习的新型脑控智能康复系统
CN111631908A (zh) * 2020-05-31 2020-09-08 天津大学 基于脑机交互与深度学习的主动式手部训练系统及方法
CN113058157A (zh) * 2021-02-25 2021-07-02 国家康复辅具研究中心 多信号融合的反馈式功能性电刺激系统
CN113058157B (zh) * 2021-02-25 2022-01-18 国家康复辅具研究中心 多信号融合的反馈式功能性电刺激系统
CN113509640A (zh) * 2021-07-14 2021-10-19 南开大学 基于眼动控制的功能性电刺激系统及其使用方法
CN113712574B (zh) * 2021-09-03 2022-06-21 上海诺诚电气股份有限公司 一种脑电生物反馈得康复方法及系统
CN113712574A (zh) * 2021-09-03 2021-11-30 上海诺诚电气股份有限公司 一种脑电生物反馈得康复方法及系统
CN115363604A (zh) * 2022-10-19 2022-11-22 山东海天智能工程有限公司 基于脑电信号的电极放电自动调节系统、介质及电子设备
CN115363604B (zh) * 2022-10-19 2023-03-03 山东海天智能工程有限公司 基于脑电信号的电极放电自动调节系统、介质及电子设备

Also Published As

Publication number Publication date
CN108904980B (zh) 2022-05-17

Similar Documents

Publication Publication Date Title
CN108904980A (zh) 基于脑电和功能性电刺激的上肢主动康复方法及装置
CN104107134B (zh) 基于肌电反馈的上肢训练方法及系统
CN103691059B (zh) 基于角度信息与肌电信号反馈控制的电刺激康复装置及方法
CN104173124B (zh) 一种基于生物信号的上肢康复系统
CN106236503B (zh) 肌电驱动的上肢可穿戴外骨骼系统及控制方法
Nazarpour et al. Application of higher order statistics to surface electromyogram signal classification
CN106377837A (zh) 基于步态识别的功能性肌肉电刺激助行装置及控制方法
CN109366508A (zh) 一种基于bci的高级机械臂控制系统及其实现方法
CN111584030A (zh) 基于深度学习和复杂网络的意念控制智能康复系统及应用
CN110974212A (zh) 一种融合心电和肌电特征的康复训练运动状态监测方法及系统
CN109011142A (zh) 一种基于1/f波动理论的便携式电刺激仪
CN109276808A (zh) 基于视频运动捕捉的多模态脑卒中上肢康复训练系统
CN108268844A (zh) 基于表面肌电信号的动作模式识别方法及装置
CN100525854C (zh) 智能型瘫痪病人辅助康复系统
CN104571504B (zh) 一种基于想象动作的在线脑‑机接口方法
CN108992066A (zh) 基于肌电信号的便携式下肢行为模式实时识别系统及方法
CN106345055A (zh) 一种基于步态识别的功能性肌肉电刺激助行装置
Chen et al. Neucuberehab: A pilot study for eeg classification in rehabilitation practice based on spiking neural networks
CN111584027A (zh) 融合复杂网络和图卷积的脑控康复系统运动想象识别系统
Suhaimi et al. Analysis of EMG-based muscles activity for stroke rehabilitation
Li et al. Neural network based modeling and control of elbow joint motion under functional electrical stimulation
CN115738075A (zh) 一种电刺激康复训练系统
CN108937926A (zh) 大数据的表面肌电信号的分析方法和装置
CN106955111A (zh) 基于表面肌电信号的脑瘫儿步态识别方法
Zhang et al. Activity recognition of the torso based on surface electromyography for exoskeleton control

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