CN109078262B - 一种基于外周神经电刺激的mi-bci训练方法 - Google Patents
一种基于外周神经电刺激的mi-bci训练方法 Download PDFInfo
- Publication number
- CN109078262B CN109078262B CN201810926547.2A CN201810926547A CN109078262B CN 109078262 B CN109078262 B CN 109078262B CN 201810926547 A CN201810926547 A CN 201810926547A CN 109078262 B CN109078262 B CN 109078262B
- Authority
- CN
- China
- Prior art keywords
- bci
- subject
- electrical stimulation
- stimulation
- action
- 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.)
- Active
Links
Images
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
- A61N1/36014—External stimulators, e.g. with patch electrodes
-
- 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]
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- Surgery (AREA)
- Medical Informatics (AREA)
- Pathology (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明涉及一种基于外周神经电刺激的MI‑BCI训练方法,属于脑机接口技术领域,解决了现有技术中MI‑BCI分类正确率差的问题。本发明公开的基于外周神经电刺激的MI‑BCI训练方法,是一种新型的MI‑BCI训练方法,通过对人体外周神经进行特定频率的电刺激,从而改善大脑皮层相应功能区的活性,进而提高大脑皮层对使用相关功能区的想象能力,有助于快速提升MI‑BCI分类正确率,为推进MI‑BCI的实际应用做出贡献。
Description
技术领域
本发明涉及脑机接口技术领域,尤其涉及一种基于外周神经电刺激的MI-BCI训练方法。
背景技术
脑-机接口(BCI)能够通过计算机监测或识别代表人脑思维意念的信号,将之转换为计算机指令,直接完成对外控制交流。运动想象(MI)有运动意图但无实际动作输出,其能引起感觉大脑运动皮层mu和beta节律幅度的升高或降低(ERD或ERS)。
基于MI的BCI系统(MI-BCI)是唯一一种不需要外界刺激而直接反映使用者主观运动意识的BCI范式,通过识别不同任务诱发的具有特异性的脑电变化从而判断使用者的运动意图。MI-BCI模式符合大脑正常思维活动的状态,能够做到“让思想变成行动”,在康复工程以及运动训练中具有极其重要的地位。然而,现有MI-BCI对被试要求较高且分类正确率具有很大的个体差异性,目前缺少一种快速提升MI-BCI正确率的训练方法。
发明内容
鉴于上述的分析,本发明实施例旨在提供一种基于外周神经电刺激的MI-BCI训练方法,用以解决现有技术MI-BCI分类正确率差的问题。
一方面,本发明实施例提供了一种基于外周神经电刺激的MI-BCI训练方法,包括如下步骤:
对K名受试者进行顺序编号,并选取每名受试者都能够通过左手或右手实施的l个指定动作;
对受试者指定部位的神经实施电刺激,待刺激结束后,执行刺激后MI-BCI任务,想象其左手或右手实施上述每一个指定动作,同时采集每一个所述指定动作对应的脑电信号;
对所述脑电信号进行数据预处理,获得预处理结果;
对所述预处理结果进行特征提取,并对提取结果进行分类识别。
上述技术方案的有益效果如下:经大量试验研究表明,特定频率的体感刺激可以诱发相同频率且具有空间特异性的稳态体感诱发电位,同时诱发ERD节律现象,激活大脑皮层相应的皮层感觉功能区。对MI-BCI任务中参与肢体的外周神经施加一定的电刺激,能够激活所述肢体对应的脑功能区,并改善大脑皮层功能区的神经活性。上述技术方案利用这一特性,对MI-BCI任务中参与肢体的指定部位施加一定频率的神经电刺激,通过研究刺激位置、反应强度等参数,探索有益于增强相应脑区活性的刺激位置、强度等参数,从而改善相应肢体动作的想象能力,快速提升MI-BCI的分类正确率,即建立一种新型的MI-BCI训练方法,为推进MI-BCI的实际应用探索新途径。
基于上述方法的另一个实施例中,基于外周神经电刺激的MI-BCI训练方法还包括如下步骤:
在实施电刺激之前,执行刺激前MI-BCI任务,想象左手或右手实施每一个所述指定动作,同时采集每一个所述指定动作对应的脑电信号;
对所述脑电信号进行数据预处理,获得预处理结果;
对所述预处理结果进行特征提取,并对提取结果进行分类识别。
上述技术方案的有益效果是:外周神经电刺激后能够提高MI-BCI任务的执行能力,为了突显电刺激对MI-BCI的训练效果,增加了刺激前MI-BCI任务,通过对比刺激前/后MI-BCI任务的分类识别正确率,从而验证外周神经电刺激对提升MI-BCI性能的有效性,便于以后推广到实际应用。
进一步,所述执行刺激前MI-BCI任务或刺激后MI-BCI任务分别包括如下步骤:
受试者静坐于距离脑电信号采集系统显示器预设距离的指定位置处,保持全身放松;
所述显示器屏幕正中央出现随机出现指定动作的提示,受试者根据所述提示想象其左手或右手对应的指定动作,采集所述指定动作对应的脑电信号数据;
对每名受试者重复进行N次上述试验,采集每次试验验中所述指定动作对应的脑电信号数据。
上述进一步方案的有益效果是:上述整个试验中,受试者应处于全身放松状态,避免神经过度紧张而出现判断失误,同时也有利于受试者将精神集中到指定动作上,尽可能排除外界环境影响。
进一步,所述对脑电信号进行数据预处理包括如下步骤:
对每名受试者每次试验获得的所述指定动作对应的脑电信号数据进行空间滤波,获得空间滤波处理结果;
对所述空间滤波处理结果进行带通滤波,获得带通滤波处理结果;
对所述带通滤波处理结果进行降采样,获得降采样结果。
上述进一步方案的有益效果是:通过空间滤波和带通滤波组成的时空滤波,能够突显MI-BCI任务诱发脑电的主要成分,有效去除杂波。通过降采样,能够降低后续数据处理维度。
进一步,所述特征提取采用CSP特征提取方法,所述分类识别采用LDA分类识别方法。
上述进一步方案的有益效果是:采用CSP特征提取方法能够有效提取左/右手MI-BCI任务对应的脑电特征,并采用LDA分类识别方法有效地完成动作识别。
进一步,所述脑电采集系统采用Neuroscan 64导联脑电采集系统;
所述脑电采集系统采用Ag/AgCl电极。
上述进一步方案的有益效果是:通过Neuroscan 64导联脑电采集系统获取高质量脑电信号,并去除工频干扰。
进一步,所述空间滤波采用共平均参考空间滤波处理方法;
所述带通滤波后的频率范围为8~30Hz;
所述降采样后的采样频率为200~300Hz。
上述进一步方案的有益效果是:通过共平均参考空间滤波处理方法的时空滤波,突显MI-BCI任务诱发脑电的主要成分。8~30Hz带通滤波将脑电信号集中到与MI-BCI任务高度相关的alpha和beta频段。通过降采样,能够降低后续数据处理维度。
进一步,所述指定动作包括左手和右手的握拳动作;
对每名受试者分别进行至少80次刺激前MI-BCI任务和刺激后MI-BCI任务。
上述进一步方案的有益效果是:左手和右手的握拳动作较为简单并且典型,适合试验研究。通过多次重复试验,可以提高试验结果的正确性。
进一步,所述对受试者指定部位的神经实施电刺激的步骤包括:
在受试者两侧手腕的正中神经处,各设置两个相距3~4cm左右的自粘性心电电极;
通过上述两侧手腕的自粘性心电电极向各自对应的正中神经同时施加脉宽为200μs的双向电流脉冲,持续施加预设时间,其中,左手腕和右手腕电刺激的频率为25~32Hz,所述电流脉冲的强度为1.5~7mA。
上述进一步方案的有益效果是:利用周围神经电刺激产生的体感反馈诱导肢体对应大脑皮层功能区的兴奋性,提高功能区的神经元活性。
进一步,所述出受试者根据提示想象左手或右手对应的指定动作的步骤包括:
所述显示器屏幕正中央出现白圆,受试者保持静息放松状态;
所述白圆消失,所述显示器屏幕正中央出现红圆,受试者准备执行指定动作;
所述红圆消失,所述显示器屏幕正中央出现所述指定动作对应的箭头,受试者根据所述箭头指示的方向依次想象左手或右手对应的指定动作,持续预设时间。
上述进一步方案的有益效果是:受试者根据显示器屏幕中央的提示同步进行MI-BCI任务,箭头作为左/右手MI-BCI任务提示,意义明确,便于理解,有助于受试者更好地完成指定动作的MI-BCI任务。
本发明中,上述各技术方案之间还可以相互组合,以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述,并且,部分优点可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可通过说明书、权利要求书以及附图中所特别指出的内容中来实现和获得。
附图说明
附图仅用于示出具体实施例的目的,而并不认为是对本发明的限制,在整个附图中,相同的参考符号表示相同的部件。
图1为本发明实施例1基于外周神经电刺激的MI-BCI训练方法步骤示意图;
图2为本发明实施例2基于外周神经电刺激的MI-BCI训练方法步骤示意图;
图3为本发明实施例2执行刺激前MI-BCI任务步骤示意图;
图4为本发明实施例2执行刺激后MI-BCI任务步骤示意图;
图5为本发明实施例2对脑电信号进行数据预处理步骤示意图;
图6为本发明实施例2受试者根据提示想象左手或右手对应的指定动作的步骤示意图;
图7为本发明实施例2刺激前MI-BCI任务或刺激后MI-BCI任务脑电信号处理流程示意图;
图8为本发明实施例2刺激前MI-BCI任务或刺激后MI-BCI任务流程示意图;
图9为本发明实施例2受试者单侧手腕的正中神经处电极布设位置示意图;
图10为本发明实施例2单次电刺激示意图。
具体实施方式
下面结合附图来具体描述本发明的优选实施例,其中,附图构成本申请一部分,并与本发明的实施例一起用于阐释本发明的原理,并非用于限定本发明的范围。
实施例1
本发明的一个具体实施例,公开了一种基于外周神经电刺激的MI-BCI训练方法,如图1所示,所述基于外周神经电刺激的MI-BCI训练方法包括如下步骤:
S1.对K名受试者进行顺序编号,并选取每名受试者都能够通过左手或右手实施的l个指定动作。所述指定动作应尽可能简单且典型,适合用于试验研究。
S2.对受试者身体上指定部位的外周神经实施电刺激,待刺激结束后,执行刺激后MI-BCI任务(MI任务),想象其左手或右手实施上述每一个指定动作,同时采集每一个所述指定动作对应的脑电信号。具体地,通过脑电采集系统采集受试者大脑皮层的脑电信号,理论上只采集指定动作涉及肢体对应的大脑皮层功能区即可。
S3.对所述脑电信号进行数据预处理,获得预处理结果。具体地,所述数据预处理一般包括滤波、降采样等。
S4.对所述预处理结果进行特征提取,并对提取结果进行分类识别。具体地,特征提取即选择与指定动作最相关的特征信息,分类识别即判断通过所述特征信息判断对应的指定动作的正确率。
实施时,通过大量试验研究表明,对人体外周神经进行电刺激后,能够有效增强大脑皮层相应功能区的活性,提高MI-BCI分类正确率。
与现有技术相比,本实施例采用特定频率的体感刺激可以诱发相同频率且具有空间特异性的稳态体感诱发电位,同时诱发ERD节律现象,激活相应的皮层感觉功能区。对MI-BCI任务中的参与肢体运动的外周神经施加一定的电刺激能够激活所述肢体对应的脑区,并改善大脑皮层功能区的神经活性。本实施例利用这一特性,对MI-BCI任务中的参与肢体的指定部位施加一定频率的神经电刺激,通过研究刺激位置、强度等参数,探索有益于增强相应脑区活性的刺激位置、强度等参数,从而改善相应肢体动作的想象能力,快速提升MI-BCI分类正确率,即建立一种新型的MI-BCI训练方法,为推进MI-BCI的实际应用探索新途径。
实施例2
在实施例1的基础上进行优化,如图2所示,基于外周神经电刺激的MI-BCI训练方法可以包括如下步骤:
S1.对K名受试者进行顺序编号,并选取每名受试者都能够通过左手或右手实施的l个指定动作。所述指定动作包括左手和右手的握拳动作。本次试验中,共有14名受试者参与了脑电数据采集。
S2.在实施电刺激之前,执行刺激前MI-BCI任务,想象左手或右手实施每一个所述指定动作,同时采集每一个所述指定动作对应的脑电信号。优选地,对脑电信号进行采集的采集系统为Neuroscan 64导联脑电采集系统,电极采用Ag/AgCl电极,以受试者前额为地,鼻尖作为参考。脑电采集系统设置的采样频率为1000Hz,通带范围为0.5~100Hz,陷波频率为50Hz。
S3.对受试者指定部位的神经实施电刺激,例如对受试者左手实施15min的电刺激,待刺激结束后,执行刺激后MI-BCI任务,想象其左手或右手实施上述每一个指定动作,同时采集每一个所述指定动作对应的脑电信号。所述指定部位包括手指、手腕等,本实施例中采用手腕。
S4.对步骤S2和步骤S3获得的脑电信号进行数据预处理,获得预处理结果。所述数据预处理包括空间滤波、带通滤波、降采样。带通滤波后的频率范围为8~30Hz,降采样至200~300Hz。
S5.对所述预处理结果进行特征提取,并对提取结果进行分类识别。
上面给出步骤的顺序以及其组合可根据实际训练需要进行调整,上述步骤中S2、S4、S5可以单独组合在一起,作为独立步骤,与实施电刺激的任务即实施例1进行比对。刺激前MI-BCI任务和刺激后MI-BCI任务脑电信号处理流程如图7所示。
优选地,如图3所示,步骤S2中执行刺激前MI-BCI任务具体包括如下步骤:
S21.在实施电刺激之前,受试者静坐于距离脑电信号采集系统显示器预设距离的指定位置处,保持全身放松。所述预设距离为1m。
S22.显示器屏幕正中央出现随机出现指定动作的提示,受试者根据所述提示想象其左手或右手对应的指定动作,采集所述指定动作对应的脑电信号数据。单次上述任务流程需花费10s,如图8所示,在操作中,避免任何肢体运动并限制眨眼动作,以减少干扰。
S23.对每名受试者重复进行80次刺激前MI-BCI任务和80次刺激后MI-BCI任务,左右手各40次,采集每次试验验中所述指定动作对应的脑电信号数据。
优选地,如图4所示,步骤S3中执行刺激后MI-BCI任务包括如下步骤:
S31.对受试者指定部位的神经实施电刺激,待刺激结束后,受试者静坐于距离脑电信号采集系统显示器预设距离的指定位置处,保持全身放松。
S32.显示器屏幕正中央出现随机出现指定动作的提示,受试者根据所述提示想象其左手或右手对应的指定动作,采集所述指定动作对应的脑电信号数据。
S33.对每名受试者重复进行80次刺激前MI-BCI任务和80次刺激后MI-BCI任务,左右手各40次,采集每次试验验中所述指定动作对应的脑电信号数据。
优选地,如图5所示,步骤S4中对脑电信号进行数据预处理包括如下步骤:
S41.对每名受试者每次试验获得的所述指定动作对应的脑电信号数据进行空间滤波,获得空间滤波处理结果。该空间滤波采用现有的共平均参考空间滤波处理方法。
S42.对所述空间滤波处理结果进行带通滤波,获得带通滤波处理结果。本实施例中,带通滤波后的频率范围为8~30Hz。
S43.对带通滤波处理结果进行降采样,获得降采样结果。降采样后的采样频率为200~300Hz,即每秒200~300个样本点。
对受试者指定部位的神经实施电刺激的步骤包括:
S311.在受试者两侧手腕的正中神经处,各设置两个相距3~4cm的自粘性心电电极。
S312.通过上述两侧手腕的自粘性心电电极向各自对应的正中神经同时施加脉宽为200μs的双向电流脉冲,持续施加预设时间,其中,正中神经刺激的电极位置如图9所示,左手腕和右手腕的电刺激频率范围为25~32Hz,所述电流脉冲的强度为1.5~7mA,所述预设时间为7s。施加电刺激时,流过电极的电流大小如图10所示。
在第2s对双侧手腕正中神经同时施加上述电刺激,流过电极的电流在0.5s内达到最大值,即预设电流强度,并于第8s结束。
优选地,如图6所示,受试者根据提示想象左手或右手对应的指定动作的步骤包括:
S221或S321.所述显示器屏幕正中央出现白圆,持续2s,受试者保持静息放松状态,如图8所示。
S222或S322.所述白圆消失,所述显示器屏幕正中央出现红圆,持续2s,受试者准备执行指定动作。
S223或S323.所述红圆消失,所述显示器屏幕正中央出现所述指定动作对应的箭头,受试者根据所述箭头指示的方向依次想象左手或右手对应的指定动作,持续预设时间。所述预设时间为8s。
S224或S324.所述箭头消失,所述显示器屏幕正中央出现结束标志,例如“Rest”,持续2s,受试者保持静息放松状态,等待进入下一试验的步骤S221或S321。
优选地,上述特征提取采用CSP特征提取方法,分类识别采用LDA分类识别方法。
优选地,本发明采用现有的共空间模式算法(CSP)提取MI任务的脑电特征,CSP计算流程如下:
S51.假设两类MI-BCI任务(刺激前MI-BCI任务或刺激后MI-BCI任务)下采集到的多通道脑电信号为Xi,i∈{1,2},它们的维数均为M*T,M为脑电通道数,T为采样点数。Σi分别为两类模式下所有同类单次任务协方差矩阵的均值。
S52.滤波器矩阵W的求解可通过最大化瑞利商,可表示为:
S53.使用拉格朗日算子,求解约束优化问题,将广义特征值分解问题Σ1W=λΣ2W转化为标准特征值分解Σ2 -1Σ1W=λW,即求解Σ2 -1Σ1的特征向量W。W为所求的空间滤波器矩阵,经过滤波后的信号为Z=WTX。其中,zj,j∈{1,2 2m}为Z的前m和后m个行向量,对应最大和最小的m个特征值。然后分别计算方差,并且经过归一化和对数变换可以得到相应的特征点,表示为:
S54.利用十折交叉验证方法,将数据分为训练集和测试集,通过CSP算法提取脑电数据的空间特征。采用线性判别分析(LDA)完成两类MI任务的分类识别,通过训练集脑电数据的空间特征训练分类器,然后预测来自测试集的空间特征。最终分类结果为
式中,acccv为十折交叉验证后得到的平均正确率,acc(k)为第k折计算得到的正确率结果。
实施时,多次重复试验证明,14名受试者通过CSP算法获得的刺激前、刺激后MI-BCI任务的分类平均正确率如下:正中神经电刺激前的分类正确率为76.7%,刺激后的分类正确率约为81.3%,约提升了4.6%,这一点非常关键。进一步,研究人员通过配对T检验统计分析发现,刺激后MI-BCI任务的分类正确率显著高于刺激前MI-BCI任务的分类正确率(P=0.02)。该试验结果表明,对受试者双侧手腕正中神经进行电刺激有助于提升MI-BCI的性能,证明了本实施例通过外周神经电刺激提高MI-BCI系统性能的可行性和有效性。外周神经电刺激有望构建一种新型的有助于目标肢体有效识别的MI-BCI训练方法,实现MI-BCI分类正确率的有效提升。
与实施例1相比,本实施例提供的基于外周神经电刺激的MI-BCI训练方法是一种通过对受试者双侧手腕施正中神经处加电刺激,从而增强其手部对应的大脑头层的脑功能区的神经活性,进而提高使用者(受试者)的运动想象能力,从而建立一种新型MI-BCI训练方法,经大量试验证实,实现了MI-BCI分类正确率的有效提升,有助于拓展现有MI-BCI的训练策略。
上面主要论述了基于外周神经电刺激的MI-BCI训练方法,本发明也可基于中枢神经调控(经颅电/磁刺激)建立新型MI-BCI训练方法,本领域技术人员可以理解,此处不进行赘述。
本领域技术人员可以理解,实现上述实施例方法的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于计算机可读存储介质中。其中,所述计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,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,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (9)
1.一种基于外周神经电刺激的MI-BCI训练方法,其特征在于,包括如下步骤:
对K名受试者进行顺序编号,并选取每名受试者都能够通过左手或右手实施的l个指定动作;
对受试者指定部位的神经实施电刺激,待刺激结束后,执行刺激后MI-BCI任务,想象其左手或右手实施上述每一个指定动作,同时采集每一个所述指定动作对应的脑电信号;
对所述脑电信号进行数据预处理,获得预处理结果;
对所述预处理结果进行特征提取,并对提取结果进行分类识别;
所述刺激后MI-BCI任务包括如下步骤:
受试者静坐于距离脑电信号采集系统显示器预设距离的指定位置处,保持全身放松;
所述显示器屏幕正中央出现随机出现指定动作的提示,受试者根据所述提示想象其左手或右手对应的指定动作,采集所述指定动作对应的脑电信号数据;
对每名受试者重复进行N次上述试验,采集每次试验中所述指定动作对应的脑电信号数据;
受试者根据提示想象左手或右手对应的指定动作的步骤包括:
所述显示器屏幕正中央出现白圆,受试者保持静息放松状态;
所述白圆消失,所述显示器屏幕正中央出现红圆,受试者准备执行指定动作;
所述红圆消失,所述显示器屏幕正中央出现所述指定动作对应的箭头,受试者根据所述箭头指示的方向依次想象左手或右手对应的指定动作,持续预设时间。
2.根据权利要求1所述的基于外周神经电刺激的MI-BCI训练方法,其特征在于,还包括如下步骤:
在实施电刺激之前,执行刺激前MI-BCI任务,想象左手或右手实施每一个所述指定动作,同时采集每一个所述指定动作对应的脑电信号;
对所述脑电信号进行数据预处理,获得预处理结果;
对所述预处理结果进行特征提取,并对提取结果进行分类识别。
3.根据权利要求2所述的基于外周神经电刺激的MI-BCI训练方法,其特征在于,所述执行刺激前MI-BCI任务包括如下步骤:
受试者静坐于距离脑电信号采集系统显示器预设距离的指定位置处,保持全身放松;
所述显示器屏幕正中央出现随机出现指定动作的提示,受试者根据所述提示想象其左手或右手对应的指定动作,采集所述指定动作对应的脑电信号数据;
对每名受试者重复进行N次上述试验,采集每次试验中所述指定动作对应的脑电信号数据。
4.根据权利要求1-3之一所述的基于外周神经电刺激的MI-BCI训练方法,其特征在于,所述对脑电信号进行数据预处理包括如下步骤:
对每名受试者每次试验获得的所述指定动作对应的脑电信号数据进行空间滤波,获得空间滤波处理结果;
对所述空间滤波处理结果进行带通滤波,获得带通滤波处理结果;
对所述带通滤波处理结果进行降采样,获得降采样结果。
5.根据权利要求4所述的基于外周神经电刺激的MI-BCI训练方法,其特征在于,所述特征提取采用CSP特征提取方法,所述分类识别采用LDA分类识别方法。
6.根据权利要求3所述的基于外周神经电刺激的MI-BCI训练方法,其特征在于,所述脑电采集系统采用Neuroscan 64导联脑电采集系统;
所述脑电采集系统采用Ag/AgCl电极。
7.根据权利要求4所述的基于外周神经电刺激的MI-BCI训练方法,其特征在于,所述空间滤波采用共平均参考空间滤波处理方法;
所述带通滤波后的频率范围为8~30Hz;
所述降采样后的采样频率为200~300Hz。
8.根据权利要求2-3、6-7之一所述的基于外周神经电刺激的MI-BCI训练方法,其特征在于,所述指定动作包括左手和右手的握拳动作;
对每名受试者分别进行至少80次刺激前MI-BCI任务和刺激后MI-BCI任务。
9.根据权利要求1-3、5-7之一所述的基于外周神经电刺激的MI-BCI训练方法,其特征在于,所述对受试者指定部位的神经实施电刺激的步骤包括:
在受试者两侧手腕的正中神经处,各设置两个相距3~4cm的自粘性心电电极;
通过上述两侧手腕的自粘性心电电极向各自对应的正中神经同时施加脉宽为200μs的双向电流脉冲,持续施加预设时间,其中,左手腕和右手腕电刺激的频率为25~32Hz,所述电流脉冲的强度为1.5~7mA。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810926547.2A CN109078262B (zh) | 2018-08-15 | 2018-08-15 | 一种基于外周神经电刺激的mi-bci训练方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810926547.2A CN109078262B (zh) | 2018-08-15 | 2018-08-15 | 一种基于外周神经电刺激的mi-bci训练方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109078262A CN109078262A (zh) | 2018-12-25 |
CN109078262B true CN109078262B (zh) | 2022-11-01 |
Family
ID=64793439
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810926547.2A Active CN109078262B (zh) | 2018-08-15 | 2018-08-15 | 一种基于外周神经电刺激的mi-bci训练方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109078262B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110694169A (zh) * | 2019-09-16 | 2020-01-17 | 浙江大学 | 基于运动意图诱发中枢神经系统微电刺激的运动功能障碍神经桥接系统 |
CN112200066B (zh) * | 2020-10-09 | 2022-04-08 | 河北工业大学 | 一种结合空间与频率的体感刺激脑机接口范式及实现方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102284137A (zh) * | 2011-05-20 | 2011-12-21 | 天津大学 | 一种功能性电刺激的多源信息融合控制方法 |
CN104814734A (zh) * | 2015-05-13 | 2015-08-05 | 西安电子科技大学 | 基于csp和互相关的运动想象脑电信号分类方法 |
CN204631770U (zh) * | 2015-04-15 | 2015-09-09 | 昆明理工大学 | 一种用于运动想象脑电的脑机接口高效用户训练装置 |
CN105468143A (zh) * | 2015-11-17 | 2016-04-06 | 天津大学 | 一种基于运动想象脑-机接口的反馈系统 |
CN106419909A (zh) * | 2016-09-12 | 2017-02-22 | 西安电子科技大学 | 特征重组和小波变换的多类运动想象脑电信号分类方法 |
CN106502410A (zh) * | 2016-10-27 | 2017-03-15 | 天津大学 | 提高脑‑机接口中运动想象能力的经颅电刺激装置和方法 |
CN107239142A (zh) * | 2017-06-01 | 2017-10-10 | 南京邮电大学 | 一种结合公共空间模式算法和emd的脑电信号特征提取方法 |
CN107562191A (zh) * | 2017-08-03 | 2018-01-09 | 天津大学 | 基于混合特征的精细想象动作在线脑‑机接口方法 |
WO2018011615A1 (en) * | 2016-07-13 | 2018-01-18 | National Institute Of Advanced Industrial Science And Technology | System for precise decoding of movement related human intention from brain signal |
CN108280414A (zh) * | 2018-01-17 | 2018-07-13 | 重庆大学 | 一种基于能量特征的运动想象脑电信号的识别方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110028827A1 (en) * | 2009-07-28 | 2011-02-03 | Ranganatha Sitaram | Spatiotemporal pattern classification of brain states |
US9211078B2 (en) * | 2010-09-03 | 2015-12-15 | Faculdades Católicas, a nonprofit association, maintainer of the Pontificia Universidade Católica of Rio de Janeiro | Process and device for brain computer interface |
CN106362287A (zh) * | 2016-10-24 | 2017-02-01 | 天津大学 | 一种新型mi‑sssep混合脑‑机接口方法及系统 |
-
2018
- 2018-08-15 CN CN201810926547.2A patent/CN109078262B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102284137A (zh) * | 2011-05-20 | 2011-12-21 | 天津大学 | 一种功能性电刺激的多源信息融合控制方法 |
CN204631770U (zh) * | 2015-04-15 | 2015-09-09 | 昆明理工大学 | 一种用于运动想象脑电的脑机接口高效用户训练装置 |
CN104814734A (zh) * | 2015-05-13 | 2015-08-05 | 西安电子科技大学 | 基于csp和互相关的运动想象脑电信号分类方法 |
CN105468143A (zh) * | 2015-11-17 | 2016-04-06 | 天津大学 | 一种基于运动想象脑-机接口的反馈系统 |
WO2018011615A1 (en) * | 2016-07-13 | 2018-01-18 | National Institute Of Advanced Industrial Science And Technology | System for precise decoding of movement related human intention from brain signal |
CN106419909A (zh) * | 2016-09-12 | 2017-02-22 | 西安电子科技大学 | 特征重组和小波变换的多类运动想象脑电信号分类方法 |
CN106502410A (zh) * | 2016-10-27 | 2017-03-15 | 天津大学 | 提高脑‑机接口中运动想象能力的经颅电刺激装置和方法 |
CN107239142A (zh) * | 2017-06-01 | 2017-10-10 | 南京邮电大学 | 一种结合公共空间模式算法和emd的脑电信号特征提取方法 |
CN107562191A (zh) * | 2017-08-03 | 2018-01-09 | 天津大学 | 基于混合特征的精细想象动作在线脑‑机接口方法 |
CN108280414A (zh) * | 2018-01-17 | 2018-07-13 | 重庆大学 | 一种基于能量特征的运动想象脑电信号的识别方法 |
Non-Patent Citations (4)
Title |
---|
Enhancing performance of a motor imagery based brain–computer interface by incorporating electrical stimulation-induced SSSEP;Weibo Yi等;《Journal of Neural Engineering》;20170119;第14卷(第02期);第1-10页 * |
Using brain connectivity metrics from synchrostates to perform motor imagery classification in EEG-based BCI systems;Lorena Santamaria等;《Healthcare Technology Letters》;20180307;第05卷(第03期);第88-93页 * |
基于共空间模式的运动想象脑电信号处理;李文灿;《中国优秀硕士学位论文全文数据库 (信息科技辑)》;20180415;第I136-251页 * |
多模式刺激下运动想象脑电信号的特征调制研究;赵丽等;《生物医学工程学杂志》;20180625;第35卷(第03期);第343-349页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109078262A (zh) | 2018-12-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kamousi et al. | Classification of motor imagery tasks for brain-computer interface applications by means of two equivalent dipoles analysis | |
Tong et al. | Quantitative EEG analysis methods and clinical applications | |
CN109925582B (zh) | 双模态脑-机交互式运动神经反馈训练装置和方法 | |
CN104978035B (zh) | 基于体感电刺激诱发p300的脑机接口系统及其实现方法 | |
CN111110230A (zh) | 一种运动想象脑电特征增强方法及系统 | |
Lemm et al. | Enhancing the signal-to-noise ratio of ICA-based extracted ERPs | |
CN106362287A (zh) | 一种新型mi‑sssep混合脑‑机接口方法及系统 | |
CN107981997B (zh) | 一种基于人脑运动意图的智能轮椅控制方法及系统 | |
CN107550491B (zh) | 一种多类别运动想象分类识别方法 | |
Pun et al. | Brain-computer interaction research at the Computer Vision and Multimedia Laboratory, University of Geneva | |
Ge et al. | Training-free steady-state visual evoked potential brain–computer interface based on filter bank canonical correlation analysis and spatiotemporal beamforming decoding | |
Gupta et al. | Detecting eye movements in EEG for controlling devices | |
CN112741637B (zh) | P300脑电信号提取方法、认知康复训练方法及系统 | |
CN109199376A (zh) | 基于oa-wmne脑源成像的运动想象脑电信号的解码方法 | |
CN109078262B (zh) | 一种基于外周神经电刺激的mi-bci训练方法 | |
Zhong et al. | Tactile sensation assisted motor imagery training for enhanced BCI performance: a randomized controlled study | |
CN114259651A (zh) | 一种针对帕金森疾病的主动式实时闭环电刺激系统 | |
Wang et al. | Incorporating EEG and EMG patterns to evaluate BCI-based long-term motor training | |
Yang et al. | Hybrid EEG-EOG system for intelligent prosthesis control based on common spatial pattern algorithm | |
Li et al. | Subject-based dipole selection for decoding motor imagery tasks | |
Qi et al. | Lower limb rehabilitation exoskeleton control based on SSVEP-BCI | |
CN113807402A (zh) | 抑制mi-bci系统误触发的系统及其训练和测试方法 | |
Ananthi et al. | A review on-EEG signals by motor imagery based brain computer interface | |
Zavala-Fernández et al. | Identification enhancement of auditory evoked potentials in EEG by epoch concatenation and temporal decorrelation | |
Qu et al. | Pattern recognition of motor imagery EEG signal in noninvasive brain-computer interface |
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 |