CN113869084B - 脑电信号处理方法、脑机接口设备及存储介质 - Google Patents
脑电信号处理方法、脑机接口设备及存储介质 Download PDFInfo
- Publication number
- CN113869084B CN113869084B CN202010614181.2A CN202010614181A CN113869084B CN 113869084 B CN113869084 B CN 113869084B CN 202010614181 A CN202010614181 A CN 202010614181A CN 113869084 B CN113869084 B CN 113869084B
- Authority
- CN
- China
- Prior art keywords
- electroencephalogram
- current
- template
- similarity
- brain
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
-
- 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
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Signal Processing (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Rehabilitation Tools (AREA)
Abstract
本发明提供一种脑电信号处理方法、脑机接口设备及存储介质。方法包括:获取受试者的初始脑电模板作为当前脑电模板;获取受试者在训练阶段的一次或多次运动想象任务的执行期间分别产生的一组或多组脑电信号,其中,运动想象任务是要求受试者进行针对目标部位的运动想象的任务,其中,对于一组或多组脑电信号,依次执行训练操作,训练操作包括:从当前组脑电信号中提取当前脑电特征;计算当前脑电特征与当前脑电模板之间的相似度;如果当前脑电特征与当前脑电模板之间的相似度大于第一相似度阈值,则对当前脑电特征与当前脑电模板进行叠加平均,以获得新的脑电模板作为当前脑电模板。上述方法能够快速、精准、高效识别受试者的踝关节运动意图。
Description
技术领域
本发明涉及医疗器械领域,具体地,涉及一种脑电信号处理方法、脑机接口设备、脑机接口关节运动控制系统及存储介质。
背景技术
中国卒中协会2015年首次发布的中国卒中流行报告显示,目前我国每年新发脑血管病患者约270万,脑卒中是导致患者致死和严重致残的主要原因,脑卒中给中国造成的经济负担每年高达400亿元且呈上升趋势。如何帮助脑卒中患者尽快恢复诸如步行的运动能力,改善日常生活能力,重返家庭和社会,是医学家和科学家关注的热点话题。例如,脑卒中后踝关节功能障碍是导致步态异常的重要原因,也是康复训练的重点和难点。
现有康复市场上针对关节的康复训练系统,存在着很大的功能局限性,以踝关节为例,多通过动画游戏使患者完成主动背屈/跖屈任务,作用局限于踝关节局部。而脑卒中、脊髓损伤等中枢神经损伤患者踝关节运动障碍的本质是神经控制缺失。目前的训练模式对脑功能激活的作用不足,训练过程中患者参与感不强,难以达到满意的治疗效果。
因此,开发基于脑电的关节康复设备是康复训练领域的重要研究方向。目前尚无成熟的基于脑电的关节康复设备,现有的相关试验设备存在脑电采集设备稳定性差、信噪比低、对运动意图识别率低的缺陷。
发明内容
为了至少部分地解决现有技术中存在的问题,提供一种脑电信号处理方法、脑机接口设备、脑机接口关节运动控制系统及存储介质。
根据本发明一个方面,提供一种脑电信号处理方法,包括:获取受试者的初始脑电模板作为当前脑电模板;获取受试者在训练阶段的一次或多次运动想象任务的执行期间分别产生的一组或多组脑电信号,其中,运动想象任务是要求受试者进行针对目标部位的运动想象的任务,其中,对于一组或多组脑电信号,依次执行训练操作,训练操作包括:从当前组脑电信号中提取当前脑电特征;计算当前脑电特征与当前脑电模板之间的相似度;如果当前脑电特征与当前脑电模板之间的相似度大于第一相似度阈值,则对当前脑电特征与当前脑电模板进行叠加平均,以获得新的脑电模板作为当前脑电模板。
示例性地,训练操作还包括:如果当前脑电特征与当前脑电模板之间的相似度大于第一相似度阈值,则输出正向反馈信息。
示例性地,目标部位是踝关节,训练操作还包括:如果当前脑电特征与当前脑电模板之间的相似度大于第一相似度阈值,则将运动控制信号传输至足踝机器人,运动控制信号用于控制足踝机器人带动受试者的踝关节运动。
示例性地,训练操作还包括:如果当前脑电特征与当前脑电模板之间的相似度小于或等于第一相似度阈值,则保留当前脑电模板。
示例性地,训练操作还包括:如果当前脑电特征与当前脑电模板之间的相似度小于或等于第一相似度阈值,则输出负向反馈信息。
示例性地,获取受试者的初始脑电模板作为当前脑电模板包括:获取受试者在建模阶段的第一预定数目的运动想象任务的执行期间分别产生的第一预定数目的脑电信号;从第一预定数目的脑电信号中分别提取脑电特征,以获得第一预定数目的脑电特征;对第一预定数目的脑电特征进行叠加平均,以获得初始脑电模板作为当前脑电模板。
示例性地,建模阶段的第一预定数目的运动想象任务在同一天执行,训练阶段的多次运动想象任务分布到至少两天的时间内执行。
示例性地,脑电信号处理方法还包括一次或多次抽样操作,每次抽样操作包括:获取当前抽样时刻下的当前脑电模板;获取受试者在当前抽样阶段的第二预定数目的运动想象任务的执行期间分别产生的第二预定数目的脑电信号,其中,当前抽样阶段是包含当前抽样时刻在内的时段;从第二预定数目的脑电信号中分别提取脑电特征,以获得第二预定数目的脑电特征;对第二预定数目的脑电特征进行叠加平均,以获得平均后的脑电特征;计算平均后的脑电特征与当前脑电模板之间的相似度;如果平均后的脑电特征与当前脑电模板之间的相似度大于第二相似度阈值,则确定当前脑电模板合格并停止下一次抽样操作的执行。
示例性地,每次抽样操作还包括:如果平均后的脑电特征与当前脑电模板之间的相似度小于或等于第二相似度阈值,则确定当前脑电模板不合格并开始下一次抽样操作的执行;脑电信号处理方法还包括:在抽样操作的次数达到预设次数阈值且最后一次抽样操作确定当前脑电模板不合格的情况下,停止下一次抽样操作的执行并输出关于当前脑电模板不合格的提醒信息。
示例性地,一次或多次抽样操作定时执行或者在接收到抽样指令时执行。
根据本发明另一方面,还提供一种脑机接口设备,包括信号采集模块、处理器和存储器,其中,信号采集模块用于采集受试者的脑电信号,存储器中存储有计算机程序指令,计算机程序指令被处理器运行时用于执行以下步骤:获取受试者的初始脑电模板作为当前脑电模板;获取受试者在训练阶段的一次或多次运动想象任务的执行期间分别产生的一组或多组脑电信号,其中,运动想象任务是要求受试者进行针对目标部位的运动想象的任务,其中,对于一组或多组脑电信号,依次执行训练操作,训练操作包括:从当前组脑电信号中提取当前脑电特征;计算当前脑电特征与当前脑电模板之间的相似度;如果当前脑电特征与当前脑电模板之间的相似度大于第一相似度阈值,则对当前脑电特征与当前脑电模板进行叠加平均,以获得新的脑电模板作为当前脑电模板。
根据本发明另一方面,还提供一种存储介质,在存储介质上存储了程序指令,程序指令在运行时用于执行以下步骤:获取受试者的初始脑电模板作为当前脑电模板;获取受试者在训练阶段的一次或多次运动想象任务的执行期间分别产生的一组或多组脑电信号,其中,运动想象任务是要求受试者进行针对目标部位的运动想象的任务,其中,对于一组或多组脑电信号,依次执行训练操作,训练操作包括:从当前组脑电信号中提取当前脑电特征;计算当前脑电特征与当前脑电模板之间的相似度;如果当前脑电特征与当前脑电模板之间的相似度大于第一相似度阈值,则对当前脑电特征与当前脑电模板进行叠加平均,以获得新的脑电模板作为当前脑电模板。
根据本发明另一方面,还提供一种脑机接口关节运动控制系统,包括上述脑机接口设备以及与脑机接口设备可通信连接的关节运动控制设备,计算机程序指令被处理器运行时所用于执行的训练操作还包括:如果当前脑电特征与当前脑电模板之间的相似度大于第一相似度阈值,则将运动控制信号传输至关节运动控制设备;关节运动控制设备用于基于运动控制信号控制受试者的目标部位运动。
示例性地,目标部位是踝关节,关节运动控制设备是足踝机器人。
根据本发明实施例的脑电信号处理方法、脑机接口设备及存储介质,能够快速、精准、高效识别受试者的踝关节运动意图,有利于正向激励受试者的踝关节运动意愿,提升受试者的参与感,并有助于重建受试者的踝关节运动神经通道,进而获得良好的康复训练效果。
在发明内容中引入了一系列简化形式的概念,这将在具体实施方式部分中进一步详细说明。本发明内容部分并不意味着要试图限定出所要求保护的技术方案的关键特征和必要技术特征,更不意味着试图确定所要求保护的技术方案的保护范围。
以下结合附图,详细说明本发明的优点和特征。
附图说明
本发明的下列附图在此作为本发明的一部分用于理解本发明。附图中示出了本发明的实施方式及其描述,用来解释本发明的原理。在附图中,
图1示出根据本发明一个实施例的训练操作的示意性流程图;
图2示出根据本发明一个实施例的采用踝关节运动控制系统控制踝关节运动的示意图;以及
图3示出了根据本发明一个实施例的脑机接口设备的示意性框图。
具体实施方式
在下文的描述中,提供了大量的细节以便能够彻底地理解本发明。然而,本领域技术人员可以了解,如下描述仅示例性地示出了本发明的优选实施例,本发明可以无需一个或多个这样的细节而得以实施。此外,为了避免与本发明发生混淆,对于本领域公知的一些技术特征未进行详细描述。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”、“前”和“后”等指示方位或位置关系的术语均是相对于站立在脑机接口设备或脑机接口关节运动控制系统的周围观察者或受试者而言的,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
在本发明的描述中,需要说明的是,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。对于电和通信领域而言,可以是有线连接,也可以是无线连接。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。
本文所述受试者可以是任意人员,例如踝关节障碍患者等,本发明不对此进行限制。本文所述的测试人员可以是任意人员,例如,其可以是受试者本人或家属、医生、科研人员等等。
如上所述,现有在康复训练领域存在不能提高关节主动运动功能、不适用于中枢神经损伤患者、缺乏针对性以及对中枢运动控制作用不足的缺陷。目前尚无成熟的基于脑电的关节康复设备,现有的相关试验设备存在脑电采集设备稳定性差、信噪比低、对运动意图识别率低的缺陷。
为了至少部分地解决上述技术问题,本发明实施例提供一种脑电信号处理方法、脑机接口设备、脑机接口关节运动控制系统及存储介质。通过该脑电信号处理方法,能够快速、精准、高效识别受试者的运动意图。基于该脑电信号处理方法的脑机接口设备和脑机接口关节运动控制系统同样能够快速、精准、高效识别受试者的运动意图,从而有效提升受试者的主动运动意愿,并有效构建脑-机械-脑“中枢-外周-中枢”双向闭环反馈的神经感知环路,从而更好地重建受试者的关节运动神经通道,获得更好的康复训练效果。
根据本发明一方面,提供一种脑电信号处理方法。脑电信号处理方法包括:获取受试者的初始脑电模板作为当前脑电模板;获取受试者在训练阶段的一次或多次运动想象任务的执行期间分别产生的一组或多组脑电信号,其中,运动想象任务是要求受试者进行针对目标部位的运动想象的任务,其中,对于一组或多组脑电信号,依次执行训练操作。可以理解,一组或多组脑电信号与一次或多次运动想象任务一一对应。
图1示出根据本发明一个实施例的训练操作100的示意性流程图。如图1所示,训练操作100包括步骤S110、S120、S130。
在步骤S110,从当前组脑电信号中提取当前脑电特征。
在步骤S120,计算当前脑电特征与当前脑电模板之间的相似度。
在步骤S130,如果当前脑电特征与当前脑电模板之间的相似度大于第一相似度阈值,则对当前脑电特征与当前脑电模板进行叠加平均,以获得新的脑电模板作为当前脑电模板。
获取受试者的初始脑电模板作为当前脑电模板的步骤最早执行,例如,可以首先在建模阶段对受试者的脑电特征进行建模,获得初始脑电模板,并将初始脑电模板作为当前脑电模板。随后,可以开始进行正式的训练,进入训练阶段。脑电模板(包括当前脑电模板、初始脑电模板、新的脑电模板等)可以理解为受试者进行运动想象任务时的脑电特征的模板。
一组或多组脑电信号的训练操作可以按照脑电信号的采集(即产生)顺序依次执行。针对每组脑电信号执行训练操作的步骤可以根据需要在任意合适的时间执行。在一个示例中,针对每组脑电信号执行训练操作的步骤可以实时执行,即每次获取当前组脑电信号之后随即进行针对该当前组脑电信号的训练操作。在另一个示例中,针对每组脑电信号执行训练操作的步骤可以在获取训练阶段的全部脑电信号之后再依次执行。
运动想象任务可以是测试人员向受试者布置的、要求其进行针对目标部位的运动想象的任务。受试者在运动想象任务的执行期间可能成功进行了正确的运动想象,也可能未成功进行正确的运动想象。无论受试者的运动想象情况如何,均可以采集获得受试者在任务执行期间的脑电信号。可以理解,每次的运动想象任务是固定的,不变的,且不同次运动想象任务的执行时长优选是相等的。所述目标部位可以是任何合适的人体部位,包括但不限于踝关节、膝关节、腕关节、肘关节等等。
对每组脑电信号,均执行训练操作100,如上所述,训练操作100依次执行,每次执行到训练操作100的一组脑电信号视为当前组脑电信号。
在训练操作100中,可以首先从当前组脑电信号中提取当前脑电特征。脑电信号可以采用任何合适的现有或将来可能出现的采集技术采集获得,并且可以具有任何合适的表现形式。例如,本文所述的脑电信号可以采用脑电图(Electroencephalography,EEG)、皮层脑电图(electrocorticogram,ECoG)、深度电极(Depth electrode)或功能磁共振成像(FunctionalMagnetic Resonance Imaging,fMRI)等技术采集,并相应地可以是EEG信号、ECoG信号、深度电极信号或fMRI信号。
脑电特征可以采用任何合适的现有或将来可能出现的特征提取技术从脑电信号中提取获得,并且可以具有任何合适的表现形式。例如,脑电特征可以通过共空间模式(Common Spatial Pattern,CSP)算法、小波变换(Discrete Wavelet Transformation,DWT)算法、功率谱密度(Power Spectral Density,PSD)算法或自回归模型(Autoregressive model,AR)算法从脑电信号中提取获得。本领域技术人员可以理解脑电信号及其脑电特征的表现形式,本文不赘述。
随后,可以将当前脑电特征与当前脑电模板相比较,计算二者之间的相似度。例如,可以计算二者之间的欧氏距离作为相似度的度量。
第一相似度阈值可以是任何合适的值,本发明不对此进行限制。如果当前脑电特征与当前脑电模板之间的相似度大于第一相似度阈值,则对当前脑电特征与当前脑电模板进行叠加平均。对当前脑电特征和当前脑电模板进行叠加平均的方式可以采用脑电领域的任何常规的叠加平均方式实现,本文不赘述。示例性地,当前脑电特征和当前脑电模板可以具有波的形式,这样如果二者比较相似,则叠加平均获得的波形与二者的波形相差不大。叠加平均获得的新的脑电模板作为当前脑电模板,即,利用新的脑电模板来更新当前脑电模板。这样,在针对下一组脑电信号进行训练操作时,所采用的当前脑电模板将是更新后的脑电模板。
下面举例说明。假设患者A需要进行基于脑机接口的踝关节康复训练,则可以首先获取其初始脑电模板(其可以在建模阶段获得,这将在下文描述)。随后,在正式的训练阶段,可以要求受试者进行例如100次运动想象,每次运动想象持续例如5秒。在每次运动想象任务执行的5秒时间内,可以通过脑机接口系统的信号采集模块采集此期间的一组脑电信号。信号采集模块可以包括例如导联电极。在100次运动想象中,第一次采集到第一组脑电信号时,可以提取其第一脑电特征,将其与初始脑电模板进行比较,如果相似度足够高,则可以用第一脑电特征代替初始脑电模板来作为当前脑电模板。当前脑电模板可以存储在预定的位置,每次需要时,将其内容进行更新。第二次采集到第二组脑电信号时,可以提取其第二脑电特征,将其与存储的当前脑电模板进行比较,如果相似度足够高,则可以利用第二脑电特征更新当前脑电模板。以此类推。这种“滚雪球”式的学习方式可以视为是一种迁移学习方式。
通过上述方式,可以不断地更新当前脑电模板。通常来说,参与处理的脑电信号的数量越大,脑电模板的准确率越高。因此,与采用固定的脑电模板相比,本发明提供的脑电信号处理方法可以有效提升运动意图检测的准确率。总之,该脑电信号处理方法能够快速、精准、高效识别受试者的运动意图。
根据本发明实施例,训练操作100还可以包括:步骤S140,如果当前脑电特征与当前脑电模板之间的相似度大于第一相似度阈值,则输出正向反馈信息。应注意,步骤S140虽示出在图1,但是其是可选的。
可以通过输出装置输出正向反馈信息,以供受试者查看。示例性地,输出装置可以包括扬声器、信号灯、显示器等中的一种或多种。正向反馈信息可以包括音频信息、灯光信息、视频信息、图像信息等中的一种或多种。正向反馈信息可以用于指示受试者当前运动想象执行正确,以激励受试者继续执行后续的运动想象任务。通过反馈,可以提高人机交互性,使得受试者具有强烈的参与感,使受试者能够更好地集中注意力,强化受试者主动运动的意愿。
根据本发明实施例,目标部位是踝关节,训练操作100还可以包括:如果当前脑电特征与当前脑电模板之间的相似度大于第一相似度阈值,则将运动控制信号传输至足踝机器人,运动控制信号用于控制足踝机器人带动受试者的踝关节运动。
如果当前脑电特征与当前脑电模板之间的相似度大于第一相似度阈值,则认为受试者进行了正确的运动想象,其脑电信号反映正确的踝关节运动意图,则可以控制足踝机器人执行对应的操作,以带动受试者进行踝关节跖屈或背屈运动。
图2示出根据本发明一个实施例的采用踝关节运动控制系统控制踝关节运动的示意图。如图2所示,踝关节运动控制系统包括脑机接口设备和足踝机器人,足踝机器人包括足踝机器人控制系统。其中,脑机接口设备可以执行本文所述的脑电信号处理方法,足踝机器人(具体地是足踝机器人控制系统)可以自接收运动控制信号并执行相应的运动操作,以带动踝关节运动。
目前市场上主流的踝关节康复设备主要包括被动型康复技术、下肢康复机器人、穿戴式智能机器人(假肢)和踝关节康复训练平台,缺乏强化受试者踝关节主动运动意图的作用,不适用于神经损伤患者。具体如下:
(1)、被动型康复技术通过控制踝关节运动轨迹进行治疗,包括踝足矫形器、被动牵拉训练装置、斜板、电动起立床等方法。传统踝足矫形器、斜板、电动起立床等康复器材对于踝关节康复的主要作用是将活动度被动控制在固定角度或一定范围内,不能提高踝关节主动运动功能。
(2)、被动牵拉训练装置主要提供在预定范围内的关节慢速运动,以防止关节术后粘连,减少关节僵硬,但会导致膝关节和髋关节活动角度和力矩受到影响,形成异常的生物力线及异常步态,不能用于神经运动控制障碍的康复治疗。
(3)、下肢康复机器人通过跑台或可穿戴式外骨骼机器人辅助患者站立和行走训练。已经上市的下肢康复机器人包括Hocoma、Lokomat、LOPES、ALEX、GEO、Ekso、Rewalk、HAL、AROBT以及国内的大艾康复机器人,然而以上产品化的下肢康复机器人主要用于辅助患者进行行走训练,并没有针对踝关节的模块。
(4)、如上所述,现有康复市场上针对踝关节的训练系统,存在着很大的功能局限性,多通过动画游戏使患者完成主动踝背屈、跖屈任务,作用局限于踝关节局部。而脑卒中、脊髓损伤等中枢神经损伤患者踝关节运动障碍的本质是神经控制缺失。目前的训练模式对脑功能激活的作用不足。训练过程中患者参与感不强,难以达到满意的治疗效果。
根据本实施例,将脑电信号处理方法与足踝机器人的控制结合,能够快速、精准、高效识别受试者的踝关节运动意图,有利于正向激励受试者的踝关节运动意愿,提升受试者的参与感,并有助于重建受试者的踝关节运动神经通道,进而获得良好的康复训练效果。
根据本发明实施例,训练操作100还可以包括:如果当前脑电特征与当前脑电模板之间的相似度小于或等于第一相似度阈值,则保留当前脑电模板。
在当前脑电特征与当前脑电模板之间的相似度小于或等于第一相似度阈值的情况下,认为受试者未成功执行正确的运动想象,所采集的脑电信号的脑电特征与已有的当前脑电模板差距太大,严重影响脑电模板的稳定性,因此不宜将此次脑电特征叠加到先前的数据中。因此,可以丢弃当前组脑电信号,保留当前脑电模板不做更新。这种方案可以剔除部分不稳定的脑电信号,减少不稳定数据带来的误差。
可选地,如果当前脑电特征与当前脑电模板之间的相似度小于或等于第一相似度阈值,可以暂停此次训练,例如暂停当天的100次运动想象任务。
根据本发明实施例,训练操作100还可以包括:如果当前脑电特征与当前脑电模板之间的相似度小于或等于第一相似度阈值,则输出负向反馈信息。
可以通过输出装置输出负向反馈信息,以供受试者查看。示例性地,输出装置可以包括扬声器、信号灯、显示器等中的一种或多种。负向反馈信息可以包括音频信息、灯光信息、视频信息、图像信息等中的一种或多种。负向反馈信息可以用于指示受试者当前运动想象未成功执行,以便受试者调整其精神状态和/或身体状态以继续执行后续的运动想象任务,从而改善后续的训练效果。通过反馈,可以提高人机交互性,使得受试者具有强烈的参与感,使受试者能够更好地集中注意力,强化受试者主动运动的意愿。
根据本发明实施例,获取受试者的初始脑电模板作为当前脑电模板可以包括:获取受试者在建模阶段的第一预定数目的运动想象任务的执行期间分别产生的第一预定数目的脑电信号;从第一预定数目的脑电信号中分别提取脑电特征,以获得第一预定数目的脑电特征;对第一预定数目的脑电特征进行叠加平均,以获得初始脑电模板作为当前脑电模板。
第一预定数目可以是任何合适的数目,其可以根据需要设定。第一预定数目的脑电信号与第一预定数目的运动想象任务一一对应,第一预定数目的脑电特征与第一预定数目的脑电信号一一对应。应理解,第一预定数目的脑电信号是指第一预定组数的脑电信号。从第一预定数目的脑电信号中提取脑电特征以及对第一预定数目的脑电特征进行叠加平均的步骤可以参考上文描述理解,此处不再赘述。
如上所述,在训练阶段之前,可以通过建模阶段进行建模,以获得初始脑电模板。例如,可以在建模阶段要求受试者进行50次运动想象任务,每次采集获得一组脑电信号。随后进行特征提取和叠加平均,获得这50次的平均脑电特征作为初始脑电模板,即在训练阶段之前的当前脑电模板。
通过建模阶段基于多次运动想象任务的建模,可以提前获得比较稳定的脑电模板,这样可以有效提高后续训练的效率。
根据本发明实施例,建模阶段的第一预定数目的运动想象任务在同一天执行,训练阶段的多次运动想象任务分布到至少两天的时间内执行。
所述分布执行可以理解为多次运动想象任务中的至少一次运动想象任务与其余运动想象任务不在同一天执行。例如,假设患者A需要进行基于脑机接口的踝关节康复训练,则可以为其制定为期20天的康复训练疗程。在第一天,先进行50次的建模阶段的运动想象任务,获得初始脑电模板作为当前脑电模板。随后,再进行100次的正式训练阶段的运动想象任务,每次脑电特征与当前脑电模板足够相似,则用对应脑电特征更新当前脑电模板,否则丢弃此次数据。随后,在第二天,不再执行50次的建模阶段的运动想象任务,而是直接执行100次的正式训练阶段的运动想象任务,并依据上述逻辑更新当前脑电模板。在第三天,同样不再执行50次的建模阶段的运动想象任务,而是直接执行100次的正式训练阶段的运动想象任务,并依据上述逻辑更新当前脑电模板。以此类推。
可见,在上述示例中,整个疗程仅经历一次建模阶段,后续不再每天重复建模,而是直接将当天第一次的脑电特征与前一天更新后的当前脑电模板进行比较。这是一种跨时的迁移学习模式。与每天重复建模相比,上述方案可以大大提升脑电信号处理的效率。
示例性地,建模阶段的执行次数可以依受试者的数目和/或疗程的数目而定,例如不同受试者各自具有自己的建模阶段,同一受试者的不同疗程也可以各自具有自己的建模阶段。
根据本发明实施例,脑电信号处理方法还可以包括一次或多次抽样操作,每次抽样操作包括:获取当前抽样时刻下的当前脑电模板;获取受试者在当前抽样阶段的第二预定数目的运动想象任务的执行期间分别产生的第二预定数目的脑电信号,其中,当前抽样阶段是包含当前抽样时刻在内的时段;从第二预定数目的脑电信号中分别提取脑电特征,以获得第二预定数目的脑电特征;对第二预定数目的脑电特征进行叠加平均,以获得平均后的脑电特征;计算平均后的脑电特征与当前脑电模板之间的相似度;如果平均后的脑电特征与当前脑电模板之间的相似度大于第二相似度阈值,则确定当前脑电模板合格并停止下一次抽样操作的执行。
第二预定数目可以是任何合适的数目,其可以根据需要设定。例如,第二预定数目可以是10、20、30等。如果需要对脑电模板进行抽样检查,则可以确定当前抽样时刻下的当前脑电模板。当前抽样时刻可以是任何合适的时刻,例如其可以是接收到测试人员输入的抽样指令的时刻,也可以是系统设定的定时抽样时刻。当前运动阶段可以是包含当前抽样时刻在内的具有预定时长的时段,预定时长可以是任何合适的值,本发明不对此进行限制。
可选地,抽样操作可以执行一次或多次。在限定次数(预设次数阈值)内,如果在某次抽样操作中确定当前脑电模板是合格的,则可以不再继续执行下一次抽样操作。如果直至抽样次数达到预设次数阈值仍然未确定当前脑电模板是合格的,则可以可选地输出提醒信息,以提醒测试人员受试者的脑电模板出现问题,以便于测试人员及时进行修正。
根据本发明实施例,每次抽样操作还包括:如果平均后的脑电特征与当前脑电模板之间的相似度小于或等于第二相似度阈值,则确定当前脑电模板不合格并开始下一次抽样操作的执行;脑电信号处理方法还包括:在抽样操作的次数达到预设次数阈值且最后一次抽样操作确定当前脑电模板不合格的情况下,停止下一次抽样操作的执行并输出关于当前脑电模板不合格的提醒信息。
如上所述,在抽样操作的次数达到预设次数阈值且最后一次抽样操作确定当前脑电模板不合格的情况下,可以输出关于当前脑电模板不合格的提醒信息。可以通过输出装置输出提醒信息,以供测试人员查看。示例性地,输出装置可以包括扬声器、信号灯、显示器等中的一种或多种。提醒信息可以包括音频信息、灯光信息、视频信息、图像信息等中的一种或多种。
抽样操作可以在任意时刻执行。例如,其可以在训练阶段以外的时刻执行,也可以在训练阶段内的时刻执行。抽样阶段所获取的任一组脑电信号可以与训练阶段获取的某一组脑电信号相同,或完全不属于训练阶段获取的脑电信号。多次抽样操作彼此之间可以在时间上互不重叠。
通过抽样,可以实现对脑电模板的半监督学习,可以在需要时对脑电模板进行抽样,检查其当前是否偏离正确值以及偏离程度如何,这有助于提高脑电模板的准确率。
根据本发明实施例,一次或多次抽样操作定时执行或者在接收到抽样指令时执行。
可选地,可以每隔一段时间自动开始执行抽样操作,间隔时间可以根据需要任意设定。例如,可以每隔3天自动做一次抽样检查。这种方案比较自动化、智能化,可以有效减少人工操作,节省人力资源。
可选地,还可以由例如测试人员经由输入装置输入抽样指令。输入装置可以是任何合适的能够输入用户指令的装置,包括但不限于键盘、鼠标、触摸屏等中的一种或多种。在一个示例中,输入装置和上述输出装置由同一触摸屏实现。这种方案可以由测试人员自主把控抽样时间,可以加强人机交互。
根据本发明实施例,在获取各种脑电信号之前,可以将信号采集模块采集的初始脑电信号进行预处理,预处理可以包括通过空间滤波器对初始脑电信号进行空间滤波,以获得后续处理所需的脑电信号。本领域技术人员可以理解空间滤波器的实现方案,本文不做赘述。
本发明提供的脑电信号处理方法不局限于仅对左脑或右脑的脑电信号进行处理,而是可以处理来源自任意位置的脑电信号。
根据本发明另一方面,提供一种脑机接口设备。图3示出了根据本发明一个实施例的脑机接口设备300的示意性框图。脑机接口设备300包括彼此互相连接的信号采集模块310、处理器320和存储器330。
信号采集模块310用于采集受试者的脑电信号。
所述存储器330存储计算机程序指令,所述计算机程序指令被所述处理器320运行时用于执行上述脑电信号处理方法中的各个步骤。
所述处理器320用于运行所述存储器330中存储的计算机程序指令,以执行相应步骤。
在一个实施例中,所述计算机程序指令被所述处理器320运行时用于执行以下步骤:获取所述受试者的初始脑电模板作为当前脑电模板;获取所述受试者在训练阶段的一次或多次运动想象任务的执行期间分别产生的一组或多组脑电信号,其中,所述运动想象任务是要求所述受试者进行针对目标部位的运动想象的任务,其中,对于所述一组或多组脑电信号,依次执行训练操作,所述训练操作包括:从当前组脑电信号中提取当前脑电特征;计算所述当前脑电特征与所述当前脑电模板之间的相似度;如果所述当前脑电特征与所述当前脑电模板之间的相似度大于第一相似度阈值,则对所述当前脑电特征与所述当前脑电模板进行叠加平均,以获得新的脑电模板作为所述当前脑电模板。
根据本发明另一方面,提供一种存储介质,在存储介质上存储了程序指令,程序指令在运行时用于执行上述脑电信号处理方法中的各个步骤。
在一个实施例中,所述程序指令在运行时用于执行以下步骤:获取所述受试者的初始脑电模板作为当前脑电模板;获取所述受试者在训练阶段的一次或多次运动想象任务的执行期间分别产生的一组或多组脑电信号,其中,所述运动想象任务是要求所述受试者进行针对目标部位的运动想象的任务,其中,对于所述一组或多组脑电信号,依次执行训练操作,所述训练操作包括:从当前组脑电信号中提取当前脑电特征;计算所述当前脑电特征与所述当前脑电模板之间的相似度;如果所述当前脑电特征与所述当前脑电模板之间的相似度大于第一相似度阈值,则对所述当前脑电特征与所述当前脑电模板进行叠加平均,以获得新的脑电模板作为所述当前脑电模板。
所述存储介质例如可以包括智能电话的存储卡、平板电脑的存储部件、个人计算机的硬盘、只读存储器(ROM)、可擦除可编程只读存储器(EPROM)、便携式紧致盘只读存储器(CD-ROM)、USB存储器、或者上述存储介质的任意组合。
根据本发明另一方面,提供一种脑机接口关节运动控制系统,包括上述脑机接口设备300以及与所述脑机接口设备可通信连接的关节运动控制设备,所述计算机程序指令被所述处理器运行时所用于执行的所述训练操作还包括:如果所述当前脑电特征与所述当前脑电模板之间的相似度大于所述第一相似度阈值,则将运动控制信号传输至所述关节运动控制设备;所述关节运动控制设备用于基于所述运动控制信号控制所述受试者的目标部位运动。
示例性地,所述目标部位是踝关节,所述关节运动控制设备是足踝机器人。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。例如,以上所描述的设备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,例如多个单元或组件可以结合或者可以集成到另一个设备,或一些特征可以忽略,或不执行。
类似地,应当理解,为了精简本发明并帮助理解各个发明方面中的一个或多个,在对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该本发明的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如相应的权利要求书所反映的那样,其发明点在于可以用少于某个公开的单个实施例的所有特征的特征来解决相应的技术问题。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域的技术人员可以理解,除了特征之间相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的脑机接口关节运动控制系统中的一些模块的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
以上所述,仅为本发明的具体实施方式或对具体实施方式的说明,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,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。本发明的保护范围应以权利要求的保护范围为准。
Claims (13)
1.一种脑电信号处理方法,包括:
获取受试者的初始脑电模板作为当前脑电模板,其中,所述初始脑电模板和所述当前脑电模板是所述受试者进行运动想象任务时的脑电特征的模板;
获取所述受试者在训练阶段的一次或多次运动想象任务的执行期间分别产生的一组或多组脑电信号,其中,所述运动想象任务是要求所述受试者进行针对目标部位的运动想象的任务,其中,
对于所述一组或多组脑电信号,依次执行训练操作,所述训练操作包括:
从当前组脑电信号中提取当前脑电特征;
计算所述当前脑电特征与所述当前脑电模板之间的相似度;
如果所述当前脑电特征与所述当前脑电模板之间的相似度大于第一相似度阈值,则对所述当前脑电特征与所述当前脑电模板进行叠加平均,以获得新的脑电模板作为所述当前脑电模板;
其中,所述脑电信号处理方法还包括一次或多次抽样操作,每次抽样操作包括:
获取当前抽样时刻下的所述当前脑电模板;
获取所述受试者在当前抽样阶段的第二预定数目的运动想象任务的执行期间分别产生的第二预定数目的脑电信号,其中,所述当前抽样阶段是包含所述当前抽样时刻在内的时段;
从所述第二预定数目的脑电信号中分别提取脑电特征,以获得第二预定数目的脑电特征;
对所述第二预定数目的脑电特征进行叠加平均,以获得平均后的脑电特征;
计算所述平均后的脑电特征与所述当前脑电模板之间的相似度;
如果所述平均后的脑电特征与所述当前脑电模板之间的相似度大于第二相似度阈值,则确定所述当前脑电模板合格并停止下一次抽样操作的执行。
2.根据权利要求1所述的脑电信号处理方法,其中,所述训练操作还包括:
如果所述当前脑电特征与所述当前脑电模板之间的相似度大于所述第一相似度阈值,则输出正向反馈信息。
3.根据权利要求1或2所述的脑电信号处理方法,其中,所述目标部位是踝关节,所述训练操作还包括:
如果所述当前脑电特征与所述当前脑电模板之间的相似度大于所述第一相似度阈值,则将运动控制信号传输至足踝机器人,所述运动控制信号用于控制所述足踝机器人带动所述受试者的踝关节运动。
4.根据权利要求1或2所述的脑电信号处理方法,其中,所述训练操作还包括:
如果所述当前脑电特征与所述当前脑电模板之间的相似度小于或等于所述第一相似度阈值,则保留所述当前脑电模板。
5.根据权利要求1或2所述的脑电信号处理方法,其中,所述训练操作还包括:
如果所述当前脑电特征与所述当前脑电模板之间的相似度小于或等于所述第一相似度阈值,则输出负向反馈信息。
6.根据权利要求1或2所述的脑电信号处理方法,其中,所述获取受试者的初始脑电模板作为当前脑电模板包括:
获取所述受试者在建模阶段的第一预定数目的运动想象任务的执行期间分别产生的第一预定数目的脑电信号;
从所述第一预定数目的脑电信号中分别提取脑电特征,以获得第一预定数目的脑电特征;
对所述第一预定数目的脑电特征进行叠加平均,以获得所述初始脑电模板作为所述当前脑电模板。
7.根据权利要求6所述的脑电信号处理方法,其中,所述建模阶段的所述第一预定数目的运动想象任务在同一天执行,所述训练阶段的所述多次运动想象任务分布到至少两天的时间内执行。
8.根据权利要求1所述的脑电信号处理方法,其中,
每次抽样操作还包括:
如果所述平均后的脑电特征与所述当前脑电模板之间的相似度小于或等于所述第二相似度阈值,则确定所述当前脑电模板不合格并开始下一次抽样操作的执行;
所述脑电信号处理方法还包括:
在抽样操作的次数达到预设次数阈值且最后一次抽样操作确定所述当前脑电模板不合格的情况下,停止下一次抽样操作的执行并输出关于所述当前脑电模板不合格的提醒信息。
9.根据权利要求1所述的脑电信号处理方法,其中,所述一次或多次抽样操作定时执行或者在接收到抽样指令时执行。
10.一种脑机接口设备,包括信号采集模块、处理器和存储器,其中,所述信号采集模块用于采集受试者的脑电信号,所述存储器中存储有计算机程序指令,所述计算机程序指令被所述处理器运行时用于执行以下步骤:
获取所述受试者的初始脑电模板作为当前脑电模板,其中,所述初始脑电模板和所述当前脑电模板是所述受试者进行运动想象任务时的脑电特征的模板;
获取所述受试者在训练阶段的一次或多次运动想象任务的执行期间分别产生的一组或多组脑电信号,其中,所述运动想象任务是要求所述受试者进行针对目标部位的运动想象的任务,其中,
对于所述一组或多组脑电信号,依次执行训练操作,所述训练操作包括:
从当前组脑电信号中提取当前脑电特征;
计算所述当前脑电特征与所述当前脑电模板之间的相似度;
如果所述当前脑电特征与所述当前脑电模板之间的相似度大于第一相似度阈值,则对所述当前脑电特征与所述当前脑电模板进行叠加平均,以获得新的脑电模板作为所述当前脑电模板;
其中,所述计算机程序指令被所述处理器运行时还用于执行一次或多次抽样操作,每次抽样操作包括:
获取当前抽样时刻下的所述当前脑电模板;
获取所述受试者在当前抽样阶段的第二预定数目的运动想象任务的执行期间分别产生的第二预定数目的脑电信号,其中,所述当前抽样阶段是包含所述当前抽样时刻在内的时段;
从所述第二预定数目的脑电信号中分别提取脑电特征,以获得第二预定数目的脑电特征;
对所述第二预定数目的脑电特征进行叠加平均,以获得平均后的脑电特征;
计算所述平均后的脑电特征与所述当前脑电模板之间的相似度;
如果所述平均后的脑电特征与所述当前脑电模板之间的相似度大于第二相似度阈值,则确定所述当前脑电模板合格并停止下一次抽样操作的执行。
11.一种存储介质,在所述存储介质上存储了程序指令,所述程序指令在运行时用于执行以下步骤:
获取受试者的初始脑电模板作为当前脑电模板,其中,所述初始脑电模板和所述当前脑电模板是所述受试者进行运动想象任务时的脑电特征的模板;
获取所述受试者在训练阶段的一次或多次运动想象任务的执行期间分别产生的一组或多组脑电信号,其中,所述运动想象任务是要求所述受试者进行针对目标部位的运动想象的任务,其中,
对于所述一组或多组脑电信号,依次执行训练操作,所述训练操作包括:
从当前组脑电信号中提取当前脑电特征;
计算所述当前脑电特征与所述当前脑电模板之间的相似度;
如果所述当前脑电特征与所述当前脑电模板之间的相似度大于第一相似度阈值,则对所述当前脑电特征与所述当前脑电模板进行叠加平均,以获得新的脑电模板作为所述当前脑电模板;
其中,所述程序指令在运行时还用于执行一次或多次抽样操作,每次抽样操作包括:
获取当前抽样时刻下的所述当前脑电模板;
获取所述受试者在当前抽样阶段的第二预定数目的运动想象任务的执行期间分别产生的第二预定数目的脑电信号,其中,所述当前抽样阶段是包含所述当前抽样时刻在内的时段;
从所述第二预定数目的脑电信号中分别提取脑电特征,以获得第二预定数目的脑电特征;
对所述第二预定数目的脑电特征进行叠加平均,以获得平均后的脑电特征;
计算所述平均后的脑电特征与所述当前脑电模板之间的相似度;
如果所述平均后的脑电特征与所述当前脑电模板之间的相似度大于第二相似度阈值,则确定所述当前脑电模板合格并停止下一次抽样操作的执行。
12.一种脑机接口关节运动控制系统,包括如权利要求10所述的脑机接口设备以及与所述脑机接口设备可通信连接的关节运动控制设备,
所述计算机程序指令被所述处理器运行时所用于执行的所述训练操作还包括:如果所述当前脑电特征与所述当前脑电模板之间的相似度大于所述第一相似度阈值,则将运动控制信号传输至所述关节运动控制设备;
所述关节运动控制设备用于基于所述运动控制信号控制所述受试者的目标部位运动。
13.根据权利要求12所述的脑机接口关节运动控制系统,其中,所述目标部位是踝关节,所述关节运动控制设备是足踝机器人。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010614181.2A CN113869084B (zh) | 2020-06-30 | 2020-06-30 | 脑电信号处理方法、脑机接口设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010614181.2A CN113869084B (zh) | 2020-06-30 | 2020-06-30 | 脑电信号处理方法、脑机接口设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113869084A CN113869084A (zh) | 2021-12-31 |
CN113869084B true CN113869084B (zh) | 2022-09-16 |
Family
ID=78981375
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010614181.2A Active CN113869084B (zh) | 2020-06-30 | 2020-06-30 | 脑电信号处理方法、脑机接口设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113869084B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106897656A (zh) * | 2015-12-17 | 2017-06-27 | 中国科学院深圳先进技术研究院 | 基于运动想象的脑机接口训练方法及装置 |
CN107358041A (zh) * | 2017-07-03 | 2017-11-17 | 华南理工大学 | 一种基于脑‑机接口的运动想象疗法装置及其使用方法 |
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 |
CN109124624A (zh) * | 2018-06-15 | 2019-01-04 | 深圳市环球易购电子商务有限公司 | 脑电波模板获取方法及相关产品 |
CN110136800A (zh) * | 2019-05-08 | 2019-08-16 | 博睿康科技(常州)股份有限公司 | 一种结合经颅电流刺激的主动康复训练系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10925509B2 (en) * | 2018-05-28 | 2021-02-23 | The Governing Council Of The University Of Toronto | System and method for generating visual identity and category reconstruction from electroencephalography (EEG) signals |
-
2020
- 2020-06-30 CN CN202010614181.2A patent/CN113869084B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106897656A (zh) * | 2015-12-17 | 2017-06-27 | 中国科学院深圳先进技术研究院 | 基于运动想象的脑机接口训练方法及装置 |
CN107358041A (zh) * | 2017-07-03 | 2017-11-17 | 华南理工大学 | 一种基于脑‑机接口的运动想象疗法装置及其使用方法 |
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 |
CN109124624A (zh) * | 2018-06-15 | 2019-01-04 | 深圳市环球易购电子商务有限公司 | 脑电波模板获取方法及相关产品 |
CN110136800A (zh) * | 2019-05-08 | 2019-08-16 | 博睿康科技(常州)股份有限公司 | 一种结合经颅电流刺激的主动康复训练系统 |
Also Published As
Publication number | Publication date |
---|---|
CN113869084A (zh) | 2021-12-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lorach et al. | Walking naturally after spinal cord injury using a brain–spine interface | |
Alonso-Valerdi et al. | Motor imagery based brain–computer interfaces: An emerging technology to rehabilitate motor deficits | |
Huo et al. | Prospects for intelligent rehabilitation techniques to treat motor dysfunction | |
US8938289B2 (en) | Motor training with brain plasticity | |
Lauer et al. | Application of a neuro-fuzzy network for gait event detection using electromyography in the child with cerebral palsy | |
US10973408B2 (en) | Smart eye system for visuomotor dysfunction diagnosis and its operant conditioning | |
Dakin et al. | Frequency-specific modulation of vestibular-evoked sway responses in humans | |
Ramanujam et al. | Neuromechanical adaptations during a robotic powered exoskeleton assisted walking session | |
KR20110118879A (ko) | 능동형 재활운동 장치 및 시스템 | |
King et al. | Brain-computer interface driven functional electrical stimulation system for overground walking in spinal cord injury participant | |
Galeano et al. | A tool for balance control training using muscle synergies and multimodal interfaces | |
US20220187913A1 (en) | Neurorehabilitation system and neurorehabilitation method | |
Yassin et al. | Developing a low-cost, smart, handheld electromyography biofeedback system for telerehabilitation with clinical evaluation | |
Calabrò et al. | Robotic rehabilitation in spinal cord injury: A pilot study on end-effectors and neurophysiological outcomes | |
CN106821308A (zh) | 一种骨骼肌刺激下收缩活动评估的方法和装置 | |
Di Libero et al. | Technological support for people with parkinson’s disease: a narrative review | |
JP2023537835A (ja) | 運動機能促進のためのシステムおよび方法 | |
CN113869084B (zh) | 脑电信号处理方法、脑机接口设备及存储介质 | |
RU2494670C2 (ru) | Способ коррекции мелкой моторики с использованием сенсорных перчаток | |
Ubeda et al. | Single joint movement decoding from EEG in healthy and incomplete spinal cord injured subjects | |
Wang et al. | BCI controlled walking simulator for a BCI driven FES device | |
Wang et al. | Decoding of the walking states and step rates from cortical electrocorticogram signals | |
Haddara et al. | Postoperative healing patterns in elbow using electromyography: Towards the development of a wearable mechatronic elbow brace | |
RU2813807C1 (ru) | Способ мультимодальной коррекции двигательных и когнитивных нарушений у пациентов, перенесших ишемический инсульт | |
Tovar Suárez | Integration of a BCI system for the control of the T-FLEX Ankle Exoskeleton |
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 |