CN112000223B - 可抗个体差异的运动想象布尔决策型脑机接口方法 - Google Patents

可抗个体差异的运动想象布尔决策型脑机接口方法 Download PDF

Info

Publication number
CN112000223B
CN112000223B CN202010765204.XA CN202010765204A CN112000223B CN 112000223 B CN112000223 B CN 112000223B CN 202010765204 A CN202010765204 A CN 202010765204A CN 112000223 B CN112000223 B CN 112000223B
Authority
CN
China
Prior art keywords
decision
motor imagery
action
double
electroencephalogram
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
Application number
CN202010765204.XA
Other languages
English (en)
Other versions
CN112000223A (zh
Inventor
李婷
徐圣普
赵星
蒲江波
罗维
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.)
Institute of Biomedical Engineering of CAMS and PUMC
Original Assignee
Institute of Biomedical Engineering of CAMS and PUMC
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 Institute of Biomedical Engineering of CAMS and PUMC filed Critical Institute of Biomedical Engineering of CAMS and PUMC
Priority to CN202010765204.XA priority Critical patent/CN112000223B/zh
Publication of CN112000223A publication Critical patent/CN112000223A/zh
Application granted granted Critical
Publication of CN112000223B publication Critical patent/CN112000223B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • 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
    • A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
    • 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
    • A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61G—TRANSPORT, PERSONAL CONVEYANCES, OR ACCOMMODATION SPECIALLY ADAPTED FOR PATIENTS OR DISABLED PERSONS; OPERATING TABLES OR CHAIRS; CHAIRS FOR DENTISTRY; FUNERAL DEVICES
    • A61G5/00—Chairs or personal conveyances specially adapted for patients or disabled persons, e.g. wheelchairs
    • A61G5/10—Parts, details or accessories
    • A61G5/1051—Arrangements for steering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61G—TRANSPORT, PERSONAL CONVEYANCES, OR ACCOMMODATION SPECIALLY ADAPTED FOR PATIENTS OR DISABLED PERSONS; OPERATING TABLES OR CHAIRS; CHAIRS FOR DENTISTRY; FUNERAL DEVICES
    • A61G2203/00—General characteristics of devices
    • A61G2203/10—General characteristics of devices characterised by specific control means, e.g. for adjustment or steering
    • A61G2203/18—General characteristics of devices characterised by specific control means, e.g. for adjustment or steering by patient's head, eyes, facial muscles or voice

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biomedical Technology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Theoretical Computer Science (AREA)
  • Psychiatry (AREA)
  • Physiology (AREA)
  • General Engineering & Computer Science (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Power Engineering (AREA)
  • Dermatology (AREA)
  • Neurology (AREA)
  • Neurosurgery (AREA)
  • Human Computer Interaction (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明涉及可抗个体差异的运动想象布尔决策型脑机接口方法，其技术特点是：通过双动作运动想象脑电实验采集脑电数据，提取双动作运动想象脑电数据的显著稳态区分性特征量，获得双动作该特征量相差的正负号并将其作为决策对照；在进行脑机接口控制时，根据决策对照选择实施运动想象的双动作次序，采集脑电提取特征量获得差值正负号作为布尔型变量，根据该布尔型变量向双指令控制设备发出控制命令。本发明设计合理，其决策准确率高，具备抗个体差异性的优势，不仅提高了基于运动想象的脑机接口双指令系统的可靠性，而且还具有计算量很小、快速有效的特点，在基于运动想象的脑机接口决策领域具有重要的应用价值。

Description

可抗个体差异的运动想象布尔决策型脑机接口方法
技术领域
本发明属于脑机接口技术领域，尤其是一种可抗个体差异的运动想象布尔决策型脑机接口方法。
背景技术
脑机接口(BCI)是对中枢神经系统电生理信号进行检测，并将信号进行处理后作为人工输出的一种系统，其控制信号直接来自中枢神经系统并转换成外部控制信号，是一种全新的交流和控制方式。运动想象是一种特殊的大脑工作状态，它可以引起运动神经中枢的兴奋，但不涉及任何的真实动作，对于丧失了运动能力的人来说，这提供了重新获得运动能力的可能。目前的BCI技术主要分为主动式BCI技术和被动式BCI技术。被动式的BCI技术如SSVEP技术，其决策准确率高，但会产生视觉疲劳，诱发癫痫等情况，对使用者的身体健康造成威胁。
基于运动想象的脑机接口是一种主动式的BCI技术。目前，由于基于运动想象的脑机接口缺乏固定的外部刺激，脑电信号更加难以区分，同时由于不同个体的脑电情况不一，难以找到分类准确度高的方法。
发明内容
本发明的目的在于克服现有技术的不足，提出一种可抗个体差异的运动想象布尔决策型脑机接口方法，能够有效地解决脑机接口决策准确率的问题。
本发明解决其技术问题是采取以下技术方案实现的：
一种可抗个体差异的运动想象布尔决策型脑机接口方法，包括以下步骤：
步骤1、通过双动作运动想象脑电实验采集脑电数据，提取双动作运动想象脑电数据的显著稳态区分性特征量，获得双动作该特征量相差的正负号并将其作为决策对照；
步骤2、在进行脑机接口控制时，根据决策对照选择实施运动想象的双动作次序，采集脑电提取特征量获得差值正负号作为布尔型变量，根据该布尔型变量向双指令控制设备发出控制命令。
进一步，所述步骤1的双动作运动想象脑电实验采用同步的脑电系统和实验呈现设备实现，在实验中测量两个不同动作的运动想象脑电响应，每一个动作代表着一种模式，使用者先后想象上述两个动作，获得两个设定动作的脑电数据。
进一步，所述两个不同动作分别为手部动作和脚部动作。
进一步，所述双动作运动想象脑电实验满足如下条件：双动作指令随机次序呈现，指令呈现的时长均等，呈现的间隔均等，每次指令的呈现加间隔总时长超过100ms以上；实验中两个的动作指令的分别呈现次数相等，该呈现次数大于10次。
进一步，所述步骤1采集脑电数据时还包括对脑电信号进行如下预处理的过程：⑴使用眨眼信号去除眼动干扰处理；⑵滤波处理；⑶分段处理；⑷基线校正处理；⑸去伪迹处理；⑹重参考处理。
进一步，所述步骤1获得双动作该特征量相差的正负号的方法为：从脑电差异特征量中选择显著性较高、稳定性较强的优化特征量，然后对上述不同动作想象产生的优化特征量求差，获取差值的正负号。
进一步，所述优化特征量的方法为：基于一群被试的上述实验测试数据处理分析的总结发现，或者是被试的上述实验的大量训练数据集的数据分析总结得到。
进一步，所述步骤2的具体实现方法为：通过运动想象脑电采集模块采集双动作运动脑电信号，通过预处理模块对脑电信号进行预处理得到特征增量，通过布尔型决策模块做出决策并向双指令控制设备发出决策指令，双指令控制设备按照决策指令执行动作。
进一步，所述对脑电信号进行预处理的方法包括以下内容：⑴使用眨眼信号去除眼动干扰处理；⑵滤波处理；⑶分段处理；⑷基线校正处理；⑸去伪迹处理；⑹重参考处理。
进一步，所述布尔型决策模块做出决策的方法为：将后一特定时长信号的幅值减去前一特定时长信号的幅值，得到增量值得到的前一动作响应幅值，判断所得到的增量值的符号，形成布尔型变量。
本发明的优点和积极效果是：
1、本发明通过实验得到的具有差异的特征量中，借助手部动作的脑电响应幅值高于脚部动作的脑电响应幅值的分析结论，采用手、脚动作想象的不同先后顺序来形成布尔变量，最终实现对双指令脑机接口系统的控制功能。本发明决策准确率高，经过实验得到的数据发现准确率都在90％以上，并且克服了个体差异造成的影响，具备抗个体差异性的优势，对所有的实验者均适用，在基于运动想象的脑机接口决策领域具有重要的应用价值。
2、本发明为解决运动想象的双指令脑机接口问题提供了一种优化、准确、直接、便捷的决策机制，不仅提高了基于运动想象的脑机接口双指令系统的可靠性，而且还具有计算量很小、快速有效的特点，运用本方法想象的时间短，一般在0.4s以上的时间内即可完成，实现快速准确的精准控制功能，能够很好地应用于双指令脑机接口系统中。
3、本发明不仅能够控制智能轮椅，还可以控制上、下肢外骨骼机器人、智能门(开或者合)等所有可使用双指令控制的设备，具有广泛的应用范围。
4、本发明不局限于运动想象意念输出类型，还可适用于体感刺激、视觉诱发电位等意念输出类型。
附图说明
图1为本发明的采集双动作运动想象脑电数据原理图；
图2为基于双动作运动想象的脑机接口控制原理图；
图3为基于双动作运动想象的布尔决策过程示意图；
图4为本发明在时域下25个被试动作平均准确率示意图；
图5为本发明在ERD/ERS下25个被试动作平均准确率示意图。
具体实施方式
以下结合附图对本发明做进一步详述。
本发明的设计思想包括两部分内容：(1)通过实验提取双动作运动想象脑电数据的显著稳态区分性特征量，获得双动作该特征量相差的正负号，作为决策对照；(2)在进行脑机接口控制时，使用户根据决策对照选择实施运动想象的双动作次序，采集脑电提取特征量获得差值正负号，即布尔型变量，据此变量给出机器的指令。
基于上述设计思想，本发明提供一种可抗个体差异的运动想象布尔决策型脑机接口方法，包括以下步骤：
步骤1、通过双动作运动想象脑电实验采集脑电数据，提取双动作运动想象脑电数据的显著稳态区分性特征量，获得双动作该特征量相差的正负号并作为决策对照。
在本步骤中，进行双动作运动想象脑电实验需要用同步的脑电系统和实验呈现设备。去测量两个不同动作或者不同部位动作的运动想象脑电响应，两个动作以手部动作和脚部动作为例，每一个动作代表着一种模式，使用者先后想象上述两个动作，获得两个设定动作的脑电。该实验方案需要满足如下条件：双动作指令随机次序呈现，指令呈现的时长均等，呈现的间隔均等，每次指令的呈现加间隔总时长超过100ms以上(较佳范围是200ms-1000ms)。实验中两个的动作指令的分别呈现次数相等，该次数>10,较佳范围是50-200.
在实验过程中，首先，先后分别想象两种不同动作或不同部位的动作：以右手推球和双脚抬起动作为例，对两个不同动作想象所产生的脑电响应进行采集记录并进行数据处理分析，提取脑电差异的特征量集合。在上述不同动作/部位动作的脑电差异特征量中选择显著性较高、稳定性较强的优化特征量Mt，选择方法既可以是基于一群被试的上述实验测试数据处理分析的总结发现，也可以是被试的上述实验的大量训练数据集的数据分析总结。然后对上述不同动作想象产生的Mt求差，获取差值的正负号。
在本实施例中，以图1所示的双动作运动想象脑电采集实验环境进行说明：
实验的主要设备包括脑电信号放大器、脑电信号监测与存储设备、实验刺激显示设备和脑电帽。给实验者戴上脑电帽，用于检测人脑各个区域的脑电信号，在人的两耳后耳乳突的位置单独各放置一个电极，此外，为了消除眼动引起的信号干扰，在人的左右眼水平各一指处、左眼垂直位置各一指处各贴一个电极采集人的眼动信号，在后续的数据处理中，使用滤波的方法将眼动干扰消除。
在实验开始前，将脑电帽与信号放大器连接，信号放大器将所采集的脑电信号进行放大，便于观测和数据处理，信号放大器两端分别连接实验展示设备和实验监测设备，设备间通过并口进行通信传输。
实验测试数据的获取过程如下：
(1)配置环境以及前期准备。给被试者介绍实验，概括介绍实验目的，实验过程，训练的具体内容及细节。让被试者进行训练，训练时长大约15min。
(2)贴电极，戴电极帽，制作并注射导电膏，将脑电检测设备所显示的各个通道阻抗均降到11.5kΩ以下。
(3)连接电极帽和脑电信号放大器，观察被试的脑电信号，如果脑电信号保持较平稳状态即可开始实验。
(4)进入正式测试阶段，在正式测试之前，首先让被试者平静下来，运行程序。程序运行后，首先给被测5s的准备时间，在这期间内被试保持静坐，当实验正式开始时，被试面前的屏幕会呈现一张图片，图片为右手推球或双脚抬起的动作，每个动作各20次。在7s时间内，被试想象屏幕上出现的动作，7s时间过后会给予被试2.5s的休息时间，被试可以通过快速眨眼来缓解疲劳，2.5s后呈现新的图片，被试重复刚才的过程，经过40组这样的测试后即可完成一次测量，最终完成8次测量，总共用时3560s。
通过上述实验，我们最终采集了25个被试者的脑电数据，其中，女性12人，男性13人。通过对比，每个人想象右手推球动作时，其脑电信号幅值均大于想象双脚抬起时的脑电信号幅值，但每个人的幅值大小具有一定的差距，无法使用限定阈值法将两种动作的脑电信号分类。
由于在实验中具有很高的抗个体差异性，因此，需要由脑电信号监测与存储设备对采集的脑电数据，进行预处理，包括：1.利用眨眼信号去除眼动干扰；2.滤波；3.分段；4.基线校正；5.去伪迹；6.重参考。根据现有分析结论，手部动作脑电响应的幅值特征量与脚部动作脑电响应的幅值特征量存在差异。使用前一特定时长的信号幅值减去后一特定时长的信号幅值，得到一个增量，判断增量的正负号，将正号增量的布尔数值赋为1。
步骤2、在进行脑机接口控制时，根据决策对照选择实施运动想象的双动作次序，采集脑电提取特征量获得差值正负号作为布尔型变量，根据该布尔型变量向双指令控制设备发出控制命令。
本实施例以控制智能轮椅移动与停止为例进行说明。其控制原理如图2所示，通过运动想象脑电采集脑电相应信号，通过预处理模块对脑电信号进行预处理得到特征增量，通过布尔型决策模块做出决策并向智能轮椅发出决策指令，从而控制智能轮椅移动或停止。
本实施例设定先想象右手推球动作后想象双脚抬起动作的正号增量对应轮椅停止移动，先想象双脚抬起动作后想象右手推球动作的正号增量对应智能轮椅移动，如图3所示：
1、当使用者想要控制智能轮椅停止移动时，先想象设定时长的右手推球，紧接着想象设定时长的双脚抬起，硬件执行指令，即：先手推后抬脚，测算出从手推到抬脚的Mt增量正负号，对比决策参照，对正号即决策执行轮椅停止移动。具体步骤如下：
(1)使用者头脑中想象先右手推球后双脚抬起动作，通过上述运动想象脑电获取方法得到人的脑电响应，并传输至计算机进行后续处理。
(2)在得到被试的脑电信号后，对脑电信号进行预处理：使用的方法对眨眼信号进行滤除，然后对信号进行滤波，滤除噪声和干扰信号，最后进行分段、基线校正、去伪迹、重参考等操作，使脑电信号成为实际可用的信号。
(3)得到的前一动作响应幅值Mt1，后一动作响应幅值为Mt2，使用后一特定时长信号的幅值减去前一特定时长信号的幅值得到增量值：
△Mt＝Mt2-Mt1
判断所得到的增量值△Mt的符号，如果为正，则给脑机接口系统输入一个1值；如果为负，则给脑机接口系统输入一个0值。
(4)脑机接口根据所得到的值对智能轮椅进行相应的指令控制，如果为1，则智能轮椅进入停止移动状态，保障使用人群的安全；如果为0，则智能轮椅保持前一时段状态。
2、当使用者想要控制智能轮椅移动时，先想象设定时长的双脚抬起，紧接着想象设定时长的右手推球，硬件执行指令，即：先抬脚后手推，测算出从抬脚到手推的Mt增量正负号，对比决策参照，对正号即决策执行轮椅移动。具体步骤为：
(1)使用者头脑中想象先双脚抬起后右手推球动作，通过上述运动想象脑电获取方法得到人的脑电响应，并传输至计算机进行后续处理。
(2)在得到被试的脑电信号后，对脑电信号进行预处理：使用的方法对眨眼信号进行滤除，然后对信号进行滤波，滤除噪声和干扰信号，最后进行分段、基线校正、去伪迹、重参考等操作，使脑电信号成为实际可用的信号。
(3)得到的前一动作响应幅值Mt1，后一动作响应幅值为Mt2，使用后一特定时长信号的幅值减去前一特定时长信号的幅值得到增量值：
△Mt＝Mt2-Mt1
判断所得到的增量值△Mt的符号，如果为正，则给脑机接口系统输入一个1值；如果为负，则给脑机接口系统输入一个0值。
(4)脑机接口根据所得到的值对智能轮椅进行相应的指令控制，如果为1，则智能轮椅开始进行指定移动状态，使丧失行动能力的人群获得一定的自主活动能力；如果为0，则智能轮椅保持前一时段状态。
本发明通过实验所得到的25位实验者的脑电信号，对信号进行预处理后，我们分别对64个电极通道采用Matlab软件对硬件决策方法进行了准确率模拟。如图4所示，在时域中，首先将采集得到的每一个人的手部动作平均幅值减去脚部动作平均幅值，判断得到的差值是否为正，如果为正，则记为1，为负，则记为0，将25个人的准确度的平均值作为该方法决策的准确率，并使用Matlab软件绘制出各电极的准确率。从图中可以看出，决策准确率在80％以上，具有很高的准确率，同样，我们将时域的信号转换到频域(ERD/ERS)上来，使用Matlab对其准确率进行了统计，如图5所示，得到准确率在80％以上。
综合实验以及模拟的结果，可以得到该硬件决策的准确率较高，达到了80％以上，同时具有很高的抗个体差异性，同时，该方法在短时间内的准确率较高，所以使用者在短时间内想象效果更好，因此，使用者不需要长时间的想象，在0.4s以上的时间内即可完成，不会对使用者造成负担，在脑机接口的决策领域具有很强的应用价值。
需要强调的是，本发明所述的实施例是说明性的，而不是限定性的，因此本发明包括并不限于具体实施方式中所述的实施例，凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式，同样属于本发明保护的范围。

Claims (8)

1.一种可抗个体差异的运动想象布尔决策型脑机接口方法，其特征在于包括以下步骤：
步骤1、通过双动作运动想象脑电实验采集脑电数据，提取双动作运动想象脑电数据的显著稳态区分性特征量，获得双动作该特征量相差的正负号并将其作为决策对照；
步骤2、在进行脑机接口控制时，根据决策对照选择实施运动想象的双动作次序，采集脑电提取特征量获得差值正负号作为布尔型变量，根据该布尔型变量向双指令控制设备发出控制命令。
2.根据权利要求1所述的可抗个体差异的运动想象布尔决策型脑机接口方法，其特征在于：所述步骤1的双动作运动想象脑电实验采用同步的脑电系统和实验呈现设备实现，在实验中测量两个不同动作的运动想象脑电响应，每一个动作代表着一种模式，使用者先后想象上述两个不同动作，获得两个设定动作的脑电数据。
3.根据权利要求2所述的可抗个体差异的运动想象布尔决策型脑机接口方法，其特征在于：所述两个不同动作分别为手部动作和脚部动作。
4.根据权利要求1所述的可抗个体差异的运动想象布尔决策型脑机接口方法，其特征在于：所述双动作运动想象脑电实验满足如下条件：双动作指令随机次序呈现，指令呈现的时长均等，呈现的间隔均等，每次指令的呈现加间隔总时长超过100ms以上；实验中两个的动作指令的分别呈现次数相等，该呈现次数大于10次。
5.根据权利要求1所述的可抗个体差异的运动想象布尔决策型脑机接口方法，其特征在于：所述步骤1采集脑电数据时还包括对脑电信号进行如下预处理的过程：⑴使用眨眼信号去除眼动干扰处理；⑵滤波处理；⑶分段处理；⑷基线校正处理；⑸去伪迹处理；⑹重参考处理。
6.根据权利要求2或3所述的可抗个体差异的运动想象布尔决策型脑机接口方法，其特征在于：所述步骤1获得双动作该特征量相差的正负号的方法为：从脑电差异特征量中选择显著性较高、稳定性较强的优化特征量，然后对上述两个不同动作想象产生的优化特征量求差，获取差值的正负号。
7.根据权利要求1所述的可抗个体差异的运动想象布尔决策型脑机接口方法，其特征在于：所述步骤2的具体实现方法为：通过运动想象脑电采集模块采集双动作运动脑电信号，通过预处理模块对脑电信号进行预处理得到特征增量，通过布尔型决策模块做出决策并向双指令控制设备发出决策指令，双指令控制设备按照决策指令执行动作。
8.根据权利要求7所述的可抗个体差异的运动想象布尔决策型脑机接口方法，其特征在于：所述布尔型决策模块做出决策的方法为：将后一特定时长信号的幅值减去前一特定时长信号的幅值，得到增量值得到的前一动作响应幅值，判断所得到的增量值的符号，形成布尔型变量。
CN202010765204.XA 2020-08-03 2020-08-03 可抗个体差异的运动想象布尔决策型脑机接口方法 Active CN112000223B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010765204.XA CN112000223B (zh) 2020-08-03 2020-08-03 可抗个体差异的运动想象布尔决策型脑机接口方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010765204.XA CN112000223B (zh) 2020-08-03 2020-08-03 可抗个体差异的运动想象布尔决策型脑机接口方法

Publications (2)

Publication Number Publication Date
CN112000223A CN112000223A (zh) 2020-11-27
CN112000223B true CN112000223B (zh) 2022-06-07

Family

ID=73463994

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010765204.XA Active CN112000223B (zh) 2020-08-03 2020-08-03 可抗个体差异的运动想象布尔决策型脑机接口方法

Country Status (1)

Country Link
CN (1) CN112000223B (zh)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2552304B1 (en) * 2010-03-31 2015-09-23 Agency For Science, Technology And Research Brain-computer interface system and method
CN103349595A (zh) * 2013-07-16 2013-10-16 杭州电子科技大学 基于多模式分层控制的脑机接口智能轮椅
CN103793058B (zh) * 2014-02-13 2016-09-28 山西大学 一种主动式脑机交互系统运动想象任务分类方法及装置
CN106020472A (zh) * 2016-05-13 2016-10-12 天津理工大学 一种基于下肢不同抬起幅度运动想象的脑机接口系统
CN107066091A (zh) * 2017-03-17 2017-08-18 中国人民解放军国防科学技术大学 一种脑机接口p300信号特征体感诱发装置及其应用方法

Also Published As

Publication number Publication date
CN112000223A (zh) 2020-11-27

Similar Documents

Publication Publication Date Title
CN110765920B (zh) 基于卷积神经网络的运动想象分类方法
CN103699226B (zh) 一种基于多信息融合的三模态串行脑-机接口方法
WO2018094720A1 (zh) 基于临床脑电信号控制机械手运动的脑机接口系统及其应用
CN103399639B (zh) 基于ssvep和p300联合脑机接口方法及装置
WO2014075029A1 (en) Systems and methods for evaluation of neuropathologies
CN110251064A (zh) 基于运动视觉诱发电位的视敏度检测方法
CN113576496B (zh) 视觉追踪的脑机接口检测系统
CN103405225B (zh) 一种获取疼感评测指标的方法、装置及设备
CN110262658B (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
CN108523883A (zh) 一种基于实际动作建模的左右食指连续运动想象识别系统
CN110472595B (zh) 脑电信号的识别模型构建方法、装置以及识别方法、装置
CN106708273A (zh) 一种基于eog的开关装置及开关键实现方法
CN112162634A (zh) 一种基于seeg信号的数字输入脑机接口系统
CN113116356A (zh) 一种基于视觉脑电信号分析的自我意识障碍辅助诊断系统
CN114748079A (zh) 一种在线评价肌肉运动疲劳度的可穿戴肌电方法
CN113520310A (zh) 一种基于脑电erp的触觉信息处理方法
CN113546395A (zh) 一种智能化运动训练系统及训练方法
CN113288174A (zh) 一种精神分裂患者认知功能的检测方法
CN106175698B (zh) 睡眠状态分析中睡眠周期检测装置
CN112000223B (zh) 可抗个体差异的运动想象布尔决策型脑机接口方法
CN105193410A (zh) 脑电信号放大系统
Tao et al. Real-time performance of textile electrodes in electromyogram pattern-recognition based prosthesis control
Park et al. Application of EEG for multimodal human-machine interface
CN110367981A (zh) 一种弱视脑电客观定量检测方法
CN110705656A (zh) 一种基于eeg传感器的面部动作识别方法

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