CN114366129B - 一种脑机接口手功能康复训练系统和方法 - Google Patents
一种脑机接口手功能康复训练系统和方法 Download PDFInfo
- Publication number
- CN114366129B CN114366129B CN202111665759.8A CN202111665759A CN114366129B CN 114366129 B CN114366129 B CN 114366129B CN 202111665759 A CN202111665759 A CN 202111665759A CN 114366129 B CN114366129 B CN 114366129B
- Authority
- CN
- China
- Prior art keywords
- electroencephalogram signal
- electroencephalogram
- determining
- projection
- rehabilitation
- 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
- 238000012549 training Methods 0.000 title claims abstract description 158
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000033001 locomotion Effects 0.000 claims abstract description 145
- 238000012545 processing Methods 0.000 claims abstract description 94
- 230000009471 action Effects 0.000 claims abstract description 86
- 230000000638 stimulation Effects 0.000 claims abstract description 23
- 230000008569 process Effects 0.000 claims abstract description 10
- 230000000284 resting effect Effects 0.000 claims description 89
- 210000004556 brain Anatomy 0.000 claims description 51
- 230000006870 function Effects 0.000 claims description 29
- 239000011159 matrix material Substances 0.000 claims description 28
- 238000007781 pre-processing Methods 0.000 claims description 19
- 238000003672 processing method Methods 0.000 claims description 18
- 238000000354 decomposition reaction Methods 0.000 claims description 4
- 238000012880 independent component analysis Methods 0.000 claims description 4
- 238000000513 principal component analysis Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 7
- 230000001976 improved effect Effects 0.000 abstract description 3
- 210000003414 extremity Anatomy 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000007635 classification algorithm Methods 0.000 description 4
- 230000004064 dysfunction Effects 0.000 description 4
- 238000011478 gradient descent method Methods 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 230000007830 nerve conduction Effects 0.000 description 4
- 238000007634 remodeling Methods 0.000 description 3
- 238000004088 simulation Methods 0.000 description 3
- 206010008190 Cerebrovascular accident Diseases 0.000 description 2
- 208000006011 Stroke Diseases 0.000 description 2
- 230000002490 cerebral effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 210000005036 nerve Anatomy 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 206010019468 Hemiplegia Diseases 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000004936 stimulating effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 210000001364 upper extremity Anatomy 0.000 description 1
Classifications
-
- 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]
- A61B5/377—Electroencephalography [EEG] using evoked responses
- A61B5/378—Visual stimuli
-
- 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
- A61B5/7253—Details of waveform analysis characterised by using transforms
- A61B5/726—Details of waveform analysis characterised by using transforms using Wavelet transforms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
- A61H1/00—Apparatus for passive exercising; Vibrating apparatus; Chiropractic devices, e.g. body impacting devices, external devices for briefly extending or aligning unbroken bones
- A61H1/02—Stretching or bending or torsioning apparatus for exercising
- A61H1/0274—Stretching or bending or torsioning apparatus for exercising for the upper limbs
- A61H1/0285—Hand
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B23/00—Exercising apparatus specially adapted for particular parts of the body
- A63B23/035—Exercising apparatus specially adapted for particular parts of the body for limbs, i.e. upper or lower limbs, e.g. simultaneously
- A63B23/12—Exercising apparatus specially adapted for particular parts of the body for limbs, i.e. upper or lower limbs, e.g. simultaneously for upper limbs or related muscles, e.g. chest, upper back or shoulder muscles
- A63B23/16—Exercising apparatus specially adapted for particular parts of the body for limbs, i.e. upper or lower limbs, e.g. simultaneously for upper limbs or related muscles, e.g. chest, upper back or shoulder muscles for hands or fingers
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
- A61H2230/00—Measuring physical parameters of the user
- A61H2230/08—Other bio-electrical signals
- A61H2230/10—Electroencephalographic signals
- A61H2230/105—Electroencephalographic signals used as a control parameter for the apparatus
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Signal Processing (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Biomedical Technology (AREA)
- Psychiatry (AREA)
- Heart & Thoracic Surgery (AREA)
- Pathology (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physical Education & Sports Medicine (AREA)
- Orthopedic Medicine & Surgery (AREA)
- Pain & Pain Management (AREA)
- Rehabilitation Therapy (AREA)
- Epidemiology (AREA)
- Psychology (AREA)
- Power Engineering (AREA)
- Rehabilitation Tools (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明实施例提供了一种脑机接口手功能康复训练系统和方法，系统包括任务场景呈现模块、脑电信号采集装置、脑电信号处理模块和辅助运动模块，其中：所述任务场景呈现模块，用于呈现运动刺激影像；脑电信号采集装置，用于采集运动刺激影像呈现过程中康复对象的当前脑电信号，并将当前脑电信号发送至脑电信号处理模块；脑电信号处理模块，用于根据当前脑电信号和预先确定的训练模型判断康复对象的目标动作意图，并将目标动作意图发送至辅助运动模块；辅助运动模块，用于根据目标动作意图辅助康复对象手部执行目标动作意图对应的动作，实现了主被动一体的手功能康复训练，提高了训练效果。
Description
技术领域
本发明实施例涉及康复技术领域，尤其涉及一种脑机接口手功能康复训练系统和方法。
背景技术
我国是全世界脑卒中患者数量最多，且逐年数量增长最快的国家，而肢体功能障碍(如手功能障碍)是脑卒中偏瘫患者的主要问题之一。由于手的动作精细，功能恢复难度大，对手功能障碍的预防和治疗正确与否将直接影响上肢功能与日常生活活动能力的恢复。目前，手功能障碍康复训练设备比较少，而且现有的康复设备都是被动式训练方式，内容枯燥、治疗效果较差。因此，如何提供一种有效的康复训练设备是一个亟待解决的技术问题。
发明内容
本发明实施例提供了一种脑机接口手功能康复训练系统和方法，以实现有效的康复训练。
第一方面，本发明实施例提供了脑机接口手功能康复训练系统，包括任务场景呈现模块、脑电信号采集装置、脑电信号处理模块和辅助运动模块，其中：
任务场景呈现模块，用于呈现运动刺激影像；
脑电信号采集装置，用于采集运动刺激影像呈现过程中康复对象的当前脑电信号，并将当前脑电信号发送至脑电信号处理模块；
脑电信号处理模块，用于根据当前脑电信号和预先确定的训练模型判断康复对象的目标动作意图，并将目标动作意图发送至辅助运动模块；
辅助运动模块，用于根据目标动作意图辅助康复对象手部执行目标动作意图对应的动作。
可选的，在上述方案的基础上，脑电信号采集装置还用于：
采集康复对象在运动想象状态时的运动想象脑电信号和静息状态时的静息脑电信号；
相应的，脑电信号处理模块还用于：
根据运动想象脑电信号和静息脑电信号确定训练模型。
可选的，在上述方案的基础上，脑电信号处理模块包括脑电信号预处理单元和训练模型确定单元，其中：
脑电信号预处理单元，用于运动想象处理脑电信号通过时域信号处理方法对运动想象脑电信号进行预处理得到运动想象处理脑电信号，和通过时域信号处理方法对静息脑电信号进行处理得到静息处理脑电信号；
训练模型确定单元，用于根据运动想象处理脑电信号和静息处理脑电信号确定训练模型。
可选的，在上述方案的基础上，训练模型确定单元，具体用于：
确定运动想象处理脑电信号的运动想象特征参数在切空间的运动想象投影特征，以及静息处理脑电信号的静息特征参数在切空间的静息投影特征；
根据运动想象投影特征和静息投影特征确定训练模型。
可选的，在上述方案的基础上，训练模型包括投影向量参数和分类阈值，根据运动想象投影特征和静息投影特征确定训练模型，包括：
根据运动想象投影特征确定运动想象特征向量，根据静息投影特征确定静息特征向量；
基于运动想象特征向量和静息特征向量确定类内离散矩阵，根据类内离散矩阵、运动想象特征向量和静息特征向量确定投影向量参数；
根据运动想象特征向量和静息特征向量确定分类阈值。
可选的，在上述方案的基础上，脑电信号处理模块还包括动作意图确定单元，其中：
脑电信号预处理单元，还用于通过时域信号处理方法对当前脑电信号进行处理，得到当前处理脑电信号；
动作意图确定单元，用于根据当前处理脑电信号和训练模型判断康复对象的目标动作意图，并将目标动作意图发送至辅助运动模块。
可选的，在上述方案的基础上，根据当前处理脑电信号和训练模型判断康复对象的目标动作意图，包括：
根据当前处理脑电信号和投影向量参数确定投影脑电信号；
根据投影脑电信号和分类阈值确定康复对象的目标动作意图。
可选的，在上述方案的基础上，根据当前脑电信号和投影向量参数确定投影脑电信号，包括：
确定当前处理脑电信号的当前特征参数在切空间的特征投影；
将特征投影和投影向量参数的乘积作为投影脑电信号。
可选的，在上述方案的基础上，辅助运动模块包括处理模块和康复训练装置，根据目标动作意图辅助康复对象执行目标动作意图对应的动作，包括：
处理模块，用于根据目标动作意图确定是否控制康复训练装置执行辅助运动操作，并在确定执行辅助运动操作时控制康复训练装置执行辅助运动操作。
第二方面，本发明实施例还提供了一种脑机接口手功能康复训练方法，由本发明任意实施例所提供的脑机接口手功能康复训练系统执行，方法包括：
基于任务场景呈现模块呈现运动刺激影像；
基于脑电信号采集装置采集运动刺激影像呈现过程中康复对象的当前脑电信号，并将当前脑电信号发送至脑电信号处理模块；
基于脑电信号处理模块根据当前脑电信号和预先确定的训练模型判断康复对象的目标动作意图，并将目标动作意图发送至辅助运动模块；
基于辅助运动模块根据目标动作意图辅助康复对象手部执行目标动作意图对应的动作。
本发明实施例提供的脑机接口手功能康复训练系统，包括任务场景呈现模块、脑电信号采集装置、脑电信号处理模块和辅助运动模块，其中：任务场景呈现模块，用于呈现运动刺激影像；脑电信号采集装置，用于采集运动刺激影像呈现过程中康复对象的当前脑电信号，并将当前脑电信号发送至脑电信号处理模块；脑电信号处理模块，用于根据当前脑电信号和预先确定的训练模型判断康复对象的目标动作意图，并将目标动作意图发送至辅助运动模块；辅助运动模块，用于根据目标动作意图辅助康复对象执行目标动作意图对应的动作，通过采集康复对象的脑电信号判断运动意图，基于运动意图辅助康复，实现了主被动一体的手功能康复训练，能够激发康复对象的康复训练信心，提高了康复训练的趣味性，提高了训练效果。
附图说明
图1是本发明实施例一所提供的一种脑机接口手功能康复训练系统的结构示意图；
图2是本发明实施例二所提供的一种脑机接口手功能康复训练方法的流程示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1是本发明实施例一所提供的一种脑机接口手功能康复训练系统的结构示意图。本实施例可适用于进行手部康复训练时的情形。如图1所示，脑机接口手功能康复训练系统包括任务场景呈现模块10、脑电信号采集装置20、脑电信号处理模块30和辅助运动模块40，其中：
任务场景呈现模块10，用于呈现运动刺激影像；
脑电信号采集装置20，用于采集运动刺激影像呈现过程中康复对象的当前脑电信号，并将当前脑电信号发送至脑电信号处理模块；
脑电信号处理模块30，用于根据当前脑电信号和预先确定的训练模型判断康复对象的目标动作意图，并将目标动作意图发送至辅助运动模块；
辅助运动模块40，用于根据目标动作意图辅助康复对象手部执行目标动作意图对应的动作。
整体来说，本发明实施例提供的手功能康复训练系统是综合主动被动一体的手部康复训练系统。通过检测康复对象是否有运动意图，并在判定康复对象有运动意图时通过辅助运动模块带动康复对象手部运动，通过刺激激发患者运动脑区产生主动运动意图，激发大脑运动神经传导通道，结合辅助运动模块辅助康复，实现了主动被动一体的手功能康复训练。
其中，任务场景呈现模块和脑电信号处理模块可以采用软件和/或硬件的方式实现，例如，任务场景呈现模块和/或脑电信号处理模块可以配置于计算机设备中。示例性的，任务场景呈现模块可以配置于电脑中，通过电脑显示器实现运动刺激影像的播放，还可以配置于便携设备，如手机、VR眼镜等设备中，实现运动刺激影像的播放。脑电信号采集装置可以参考现有的脑电信号采集装置，在此不做限制。辅助运动模块也可以采用软件和/或硬件的方式实现，可以包括辅助运动设备，以手功能的康复训练为例，辅助运动模块可以包括手部机器人、软体康复手、机械手、电刺激设备等可辅助康复对象完成手部运动的设备或模块。
在播放运动刺激影像时，优选播放运动的镜像影像，使得康复对象可以快速准确的判断需要运动的部位。可选的，运动刺激影像可以为预先设置的运动影像，如现实生活中的运动动作。以手部的运动刺激影像为例，运动刺激影像可以为手抓水杯、手握门把、手抓勺子等运动影像。
在脑电信号的处理中，本实施例采用预先确定的训练模型判断康复对象的目标运动意图。其中，训练模型可以通过数据处理、模型构建等方式确定。
本发明实施例提供的脑机接口手功能康复训练系统，包括任务场景呈现模块、脑电信号采集装置、脑电信号处理模块和辅助运动模块，其中：任务场景呈现模块，用于呈现运动刺激影像；脑电信号采集装置，用于采集运动刺激影像呈现过程中康复对象的当前脑电信号，并将当前脑电信号发送至脑电信号处理模块；脑电信号处理模块，用于根据当前脑电信号和预先确定的训练模型判断康复对象的目标动作意图，并将目标动作意图发送至辅助运动模块；辅助运动模块，用于根据目标动作意图辅助康复对象手部执行目标动作意图对应的动作，通过采集康复对象的脑电信号判断运动意图，基于运动意图辅助康复，实现了主被动一体的手功能康复训练，能够激发康复对象的康复训练信心，提高了康复训练的趣味性，提高了训练效果。
在本发明的一种实施方式中，脑电信号采集装置还用于：采集康复对象在运动想象状态时的运动想象脑电信号和静息状态时的静息脑电信号；相应的，脑电信号处理模块还用于：根据运动想象脑电信号和静息脑电信号确定训练模型。为了能够准确的判断当前脑电信号的目标运动意图。在康复训练之前，需要预先采集康复对象在不同状态下的脑电信号，基于预先采集的不同状态下的脑电信号确定训练模型，以使康复训练时基于训练模型判定康复对象是否存在运动意图。具体的，在康复训练之前，可以以“游戏模拟肢体运动”任务为例，指示康复对象连续完成设定数量的测试的运动想象任务，通过脑电采集设备采集康复对象在任务中静息态和运动想象态时大脑运动区的脑电信号，将静息态时采集的脑电信号作为静息脑电信号，将运动想象态时采集的脑电信号作为运动想象脑电信号。各状态脑电信号采集完成后，通过脑电信号处理模块对运动想象脑电信号和静息脑电信号进行处理，得到训练模型。可以理解的是，采集了多组运动想象脑电信号以及多组静息脑电信号。
在对脑电信号进行处理得到训练模型的过程中，可以先对脑电信号进行去噪等处理，然后基于去噪等处理后的信号确定训练模型。可选的，训练模型确定单元，具体用于：确定运动想象处理脑电信号的运动想象特征参数在切空间的运动想象投影特征，以及静息处理脑电信号的静息特征参数在切空间的静息投影特征；根据运动想象投影特征和静息投影特征确定训练模型。为了统一脑电信号判断的标准，将脑电信号的特征参数投影至切空间，基于脑电信号特征参数在切空间的投影计算训练模型。可选的，可以将脑电信号的协方差矩阵作为脑电信号的特征参数，将脑电信号的协方差矩阵投影至切空间，计算训练模型。
在本发明的一种实施方式中，脑电信号处理模块包括脑电信号预处理单元和训练模型确定单元，其中：脑电信号预处理单元，用于通过时域信号处理方法对运动想象脑电信号进行预处理得到运动想象处理脑电信号，和通过时域信号处理方法对静息脑电信号进行处理得到静息处理脑电信号；训练模型确定单元，用于根据运动想象处理脑电信号和静息处理脑电信号确定训练模型。可以理解的是，采集的信号中包括噪声等信号，为了保证训练模型更加准确，需要对采集的脑电信号进行处理后，在基于处理后的脑电信号计算训练模型。可选的，可以通过脑电信号预处理单元对运动想象脑电信号和静息脑电信号分别进行处理，得到对应的运动想象处理脑电信号和静息处理脑电信号，然后通过训练模型确定单元根据运动想象处理脑电信号和静息处理脑电信号计算得到训练模型。其中，通过时域信号处理方法对运动想象脑电信号和静息脑电信号进行处理可以为通过主成分分析、独立分量分析、经验模态分解、小波包变换等任一种方式对脑电信号进行处理；另外，可以使用7Hz-40Hz的零相位带通滤波器消除脑电信号中的噪声。
在上述方案的基础上，训练模型确定单元，具体用于：确定运动想象处理脑电信号的运动想象特征参数在切空间的运动想象投影特征，以及静息处理脑电信号的静息特征参数在切空间的静息投影特征；根据运动想象投影特征和静息投影特征确定训练模型。通过脑电信号预处理单元对运动想象脑电信号和静息脑电信号进行处理，分别得到运动想象处理脑电信号和静息处理脑电信号后，通过训练模型确定单元基于运动想象处理脑电信号和静息处理脑电信号计算得到训练模型。基于处理后的运动想象处理脑电信号和静息处理脑电信号计算训练模型使得训练模型的计算更加准确，进而使得基于训练模型的运动意图判断更加准确。具体的，计算运动想象处理脑电信号的运动想象特征参数和静息处理脑电信号的静息特征参数，将运动特征想象参数和静息特征参数投影至切空间中，确定运动特征想象参数在切空间中的投影作为运动想象投影特征，以及静息特征参数在切空间中的投影作为静息投影特征，根据运动想象投影特征和静息投影特征确定训练模型。其中处理信号的特征参数可以为处理信号的协方差矩阵。示例性的，假设运动想象处理脑电信号的协方差矩阵为C，karcher均值为X，则通过黎曼对数映射将协方差矩阵C投影到以X为切点的切空间上，得到投影到切空间的矩阵Q，将运动想象处理脑电信号投影到切空间的矩阵Q作为运动想象处理脑电信号的运动想象特征参数。其中，karcher均值可以通过梯度下降法得到。
一个实施例中，训练模型包括投影向量参数和分类阈值，根据运动想象投影特征和静息投影特征确定训练模型，包括：根据运动想象投影特征确定运动想象特征向量，根据静息投影特征确定静息特征向量；基于运动想象特征向量和静息特征向量确定类内离散矩阵，根据类内离散矩阵、运动想象特征向量和静息特征向量确定投影向量参数；根据运动想象特征向量和静息特征向量确定分类阈值。具体的，训练模型可以包括投影向量参数和分类阈值，投影向量参数用于将康复训练时采集的脑电信号进行投影，分类阈值用于判断康复训练时采集的脑电信号的类别。以运动意图为例，可以根据分类阈值判断康复对象具备运动意图或不具备运动意图。具体的，投影向量参数可以通过运动想象投影特征的运动想象特征向量和静息投影特征的静息特征向量计算得到。分类阈值可以通过运动想象特征向量和静息特征向量加权求和得到。可选的，可以计算各运动想象特征投影的特征值作为运动想象特征向量，计算各静息投影特征的特征值作为静息特征向量。其中，特性向量可以为特征投影的均值、方差等。
优选的，将特征投影的均值作为特征向量。也就是说，将各运动想象特征投影的均值作为运动想象特征向量，将各静息特征投影的均值作为静息特征向量。当将特征投影的均值作为特征向量时，训练模型的计算可以为：
(1)分别计算运动想象特征投影的均值作为运动想象特征向量μ1，以及静息特征投影的均值作为静息特征向量μ2；
(2)根据运动想象特征向量μ1静息特征向量μ2计算类内离散矩阵Sw；
(3)根据运动想象特征向量μ1静息特征向量μ2和类内离散矩阵Sw计算投影向量；
(4)根据运动想象特征向量μ1静息特征向量μ2计算分类阈值。
在上述方案的基础上，脑电信号处理模块还包括动作意图确定单元，其中：脑电信号预处理单元，还用于通过时域信号处理方法对当前脑电信号进行处理，得到当前处理脑电信号；动作意图确定单元，用于根据当前处理脑电信号和训练模型判断康复对象的目标动作意图，并将目标动作意图发送至辅助运动模块。可选的，为保证脑电信号的准确性，需要采用计算训练模型时脑电信号的处理方式对当前脑电信号进行处理，得到当前处理脑电信号，然后通过动作意图确定单元基于处理后的当前处理脑电信号和预先确定的训练模型判断康复对象的目标动作意图。
可选的，根据当前处理脑电信号和训练模型判断康复对象的目标动作意图，包括：根据当前处理脑电信号和投影向量参数确定投影脑电信号；根据投影脑电信号和分类阈值确定康复对象的目标动作意图。为了准确判断当前处理脑电信号的动作意图，同样将当前处理脑电信号投影到切空间中，基于投影到切空间中的投影脑电信号和分类阈值确定目标动作意图。
其中，投影脑电信号可以根据预先确定的投影向量参数计算得到。基于此，根据当前脑电信号和投影向量参数确定投影脑电信号，包括：确定当前处理脑电信号的当前特征参数在切空间的特征投影；将特征投影和投影向量参数的乘积作为投影脑电信号。可选的，计算当前处理脑电信号的当前特征参数，将当前特征参数和投影向量参数的乘积作为投影脑电信号。为保证投影脑电信号的准确，当前处理脑电信号的当前特征参数的计算方式需要与运动想象特征参数和静息特征参数的计算方式一致。可选的，首先计算当前处理脑电信号的协方差矩阵D，采用梯度下降法求得当前处理脑电信号的karcher均值M，然后通过黎曼对数映射将协方差矩阵D投影到以均值M为切点的切空间上，投影点为P，将投影点P作为当前特征参数。
确定投影脑电信号后，基于分类阈值判断投影脑电信号的目标运动意图，可以理解的是，投影脑电信号的目标运动意图可以为具备运动意图和不具备运动意图。确定目标运动意图后，将目标运动意图发送至辅助运动模块，以使辅助运动模块基于目标运动意图执行对应的操作。
可选的，辅助运动模块包括处理模块和康复训练装置，根据目标动作意图辅助康复对象手部执行目标动作意图对应的动作，包括：处理模块，用于根据目标动作意图确定是否控制康复训练装置执行辅助运动操作，并在确定执行辅助运动操作时控制康复训练装置执行辅助运动操作。具体的，通过处理模块确定是否控制康复训练装置运动，当目标运动意图为具备运动意图时，处理模块控制康复训练装置执行相应的辅助运动操作，带动康复对象进行康复。其中，康复训练装置可以为手部机器人、软体康复手、机械手、电刺激模块等可辅助康复对象完成手部运动的设备或模块。在康复对象具备运动意图时控制康复训练装置辅助运动，实现了康复对象的主动康复训练，除了大脑运动神经传导通路的重塑。
实施例二
图2是本发明实施例二所提供的一种脑机接口手功能康复训练方法的流程示意图。本发明实施例提供的脑机接口手功能康复训练方法可以由本发明任意实施例提供的脑机接口手功能康复训练系统执行。如图2所示，该方法包括：
S210、基于任务场景呈现模块呈现运动刺激影像。
S220、基于脑电信号采集装置采集运动刺激影像呈现过程中康复对象的当前脑电信号，并将当前脑电信号发送至脑电信号处理模块。
S230、基于脑电信号处理模块根据当前脑电信号和预先确定的训练模型判断康复对象的目标动作意图，并将目标动作意图发送至辅助运动模块。
S240、基于辅助运动模块根据目标动作意图辅助康复对象手部执行目标动作意图对应的动作。
本发明实施例提供通过基于任务场景呈现模块呈现运动刺激影像；基于脑电信号采集装置采集运动刺激影像呈现过程中康复对象的当前脑电信号，并将当前脑电信号发送至脑电信号处理模块；基于脑电信号处理模块根据当前脑电信号和预先确定的训练模型判断康复对象的目标动作意图，并将目标动作意图发送至辅助运动模块；基于辅助运动模块根据目标动作意图辅助康复对象手部执行目标动作意图对应的动作，通过采集康复对象的脑电信号判断运动意图，基于运动意图辅助康复，实现了主被动一体的手功能康复训练脑机接口手功能康复训练，能够激发康复对象的康复训练信心，提高了康复训练的趣味性，提高了训练效果。
可选的，在上述方案的基础上，方法还包括：
采集康复对象在运动想象状态时的运动想象脑电信号和静息状态时的静息脑电信号；
根据运动想象脑电信号和静息脑电信号确定训练模型。
可选的，在上述方案的基础上，根据运动想象脑电信号和静息脑电信号确定训练模型，包括：
运动想象处理脑电信号通过时域信号处理方法对运动想象脑电信号进行预处理得到运动想象处理脑电信号，和通过时域信号处理方法对静息脑电信号进行处理得到静息处理脑电信号；
根据运动想象处理脑电信号和静息处理脑电信号确定训练模型。
可选的，在上述方案的基础上，根据运动想象处理脑电信号和静息处理脑电信号确定训练模型，包括：
确定运动想象处理脑电信号的运动想象特征参数在切空间的运动想象投影特征，以及静息处理脑电信号的静息特征参数在切空间的静息投影特征；
根据运动想象投影特征和静息投影特征确定训练模型。
可选的，在上述方案的基础上，训练模型包括投影向量参数和分类阈值，根据运动想象投影特征和静息投影特征确定训练模型，包括：
根据运动想象投影特征确定运动想象特征向量，根据静息投影特征确定静息特征向量；
基于运动想象特征向量和静息特征向量确定类内离散矩阵，根据类内离散矩阵、运动想象特征向量和静息特征向量确定投影向量参数；
根据运动想象特征向量和静息特征向量确定分类阈值。
可选的，在上述方案的基础上，根据当前脑电信号和预先确定的训练模型判断康复对象的目标动作意图，包括：
通过时域信号处理方法对当前脑电信号进行处理，得到当前处理脑电信号；
根据当前处理脑电信号和训练模型判断康复对象的目标动作意图，并将目标动作意图发送至辅助运动模块。
可选的，在上述方案的基础上，根据当前处理脑电信号和训练模型判断康复对象的目标动作意图，包括：
根据当前处理脑电信号和投影向量参数确定投影脑电信号；
根据投影脑电信号和分类阈值确定康复对象的目标动作意图。
可选的，在上述方案的基础上，根据当前脑电信号和投影向量参数确定投影脑电信号，包括：
确定当前处理脑电信号的当前特征参数在切空间的特征投影；
将特征投影和投影向量参数的乘积作为投影脑电信号。
可选的，在上述方案的基础上，根据目标动作意图辅助康复对象手部执行目标动作意图对应的动作，包括：
根据目标动作意图确定是否控制康复训练装置执行辅助运动操作，并在确定执行辅助运动操作时控制康复训练装置执行辅助运动操作。
本实施例中脑电信号的处理、运动意图的判断等具体的实现方法可以参照上述实施例，在此不再赘述。
实施例三
本实施例在上述实施例的基础上，提供了一种优选实施例。
针对现有技术中手部康复设备存在的缺乏对康复对象积极性参与的维持，不能很好的完成运动神经回路的重建和康复，训练效果较差的技术问题，本实施例提供了一种基于运动想象的手功能康复训练系统及方法，以激发康复对象的主动认知并提高康复对象康复训练的积极性，以促进大脑认知神经通路的重塑。
具体的，手功能康复训练系统，包括两个阶段：预训练阶段和康复训练阶段。
在预训练阶段，通过脑电采集设备采集康复对象在运动想象态和静息态时大脑运动区的脑电信号用于模型训练。康复训练阶段包括：任务场景呈现模块、脑电采集模块、意图分析模块、辅助运动模块。
其中，所述任务场景呈现模块通过通信协议与辅助运动模块和意图分析模块进行通信，其特征是激发康复对象主动运动想象的意图，可以包括以下的一种或多种任务形态结合：利用计算机显示器播放手部运动影像、利用游戏模拟肢体运动、利用增强现实技术呈现手部肢体运动、利用游戏任务诱导康复对象的手部肢体运动。其中，肢体运动动作，包括现实生活中的手部运动动作，比如：手抓水杯、手握门把、手抓勺子等。
脑电采集模块通过脑电采集设备采集康复对象在执行运动想象任务时大脑运动脑区的脑电信号。意图分析模块通过运动想象二分类算法判断康复对象是否有进行运动想象的意图，如果有运动想象意图，则向辅助运动模块发送“执行”命令，否则发送“不执行”命令。辅助运动模块通过接收到的命令启动或不启动辅助运动设备。如果接收到的命令是“执行”，则启动；如果接收到的命令是“不执行”，则不启动。辅助运动设备可以包括手部机器人、软体康复手、机械手、电刺激装置等可辅助康复对象完成手部运动的设备或模块。
具体的手功能康复训练方法可以为：
1、康复对象佩戴脑电采集设备，坐在或者躺在任务场景交互界面的显示设备(可以为显示器，VR系统或者AR眼镜)前。
2、预训练阶段：开始预训练任务，以“游戏模拟肢体运动”任务为例，康复对象连续完成20个trial的运动想象任务，每个运动想象任务持续4秒时间，每两个运动想象任务之间休息4秒，脑电采集设备采集康复对象在静息态和运动想象态时大脑运动区的脑电信号。
3、康复训练阶段：开始训练任务，以“游戏模拟肢体运动”任务为例，任务场景模块呈现4秒时长的肢体运动动画，同时，康复对象需要进行运动想象完成动画中的动作任务，脑电采集设备同步采集康复对象运动想象期间的脑电信号，意图分析模块通过运动想象二分类算法解码脑电信号，判断康复对象是否进行了运动想象，如果康复对象有进行运动想象，则任务场景模块呈现肢体反馈运动动画，并且辅助运动模块带动康复对象手部执行相同任务动作。动作执行完毕后，辅助运动模块自动带动手部回到放松舒展状态。
具体的运动想象二分类算法步骤如下：
算法包括训练和预测两个阶段，每个阶段包括两类任务：运动想象态和静息态.
训练阶段：
1、脑电信号预处理
1.1截取运动想象态和静息态的各4s脑电信号，分别称为运动想象脑电信号和静息脑电信号。
1.2首先，通过时域信号处理方法对运动想象脑电信号进行眼电伪迹去除。所述时域信号处理方法包括主成分分析、独立分量分析、经验模态分解、小波包变换等；其次，使用7Hz-40Hz的零相位带通滤波器消除噪声。
2、计算运动想象脑电信号的协方差矩阵在切空间的投影
2.1计算运动想象脑电信号的协方差矩阵C；
2.2采用梯度下降法求karcher均值X；
2.3通过黎曼对数映射将协方差矩阵C投影到以均值X为切点的切空间上，投影点为Q。
3、模型训练
将预训练阶段的二类数据(运动想象态和静息态)的协方差矩阵Ci投影到切空间后的矩阵为Qi，对应的数据集为yi∈{-1,1}，定义Nj(j＝1,2)为第j类样本的个数，Tj(j＝1,2)为第j类样本的集合，μj(j＝1,2)为第j类样本的均值向量，w是直线投影向量，计算步骤如下：
3.1计算两类样本均值向量μj(j＝1,2)：
3.2计算类内离散矩阵Sw：
3.3计算类间离散矩阵Sb：
Sb＝(μ1-μ2)(μ1-μ2)T；
3.4计算投影向量w：
w＝Sw -1(μ1-μ2)。
预测阶段：
1、脑电信号采集
截取被试4s运动想象态期间的脑电信号，并对该数据进行预处理。
2、脑电信号预处理
首先，通过时域信号处理方法对运动想象脑电信号进行眼电伪迹去除。所述时域信号处理方法包括主成分分析、独立分量分析、经验模态分解、小波包变换等；其次，使用7Hz-40Hz的零相位带通滤波器消除噪声。
3、计算脑电信号的协方差矩阵在切空间的投影
3.1计算脑电信号的协方差矩阵D；
3.2采用梯度下降法求karcher均值Z；
3.3通过黎曼对数映射将协方差矩阵D投影到以均值Z为切点的切空间上，投影点为P。
4.线性判别分析
4.1将测试样本特征Q，转化为新的样本Z＝wTP；
4.2计算分类阈值根据阈值对新样本Z集进行分类。
本发明实施例通过镜像刺激激发康复对象运动脑区产生主动运动意图，激发大脑运动神经传导通道，通过脑机接口技术分析康复对象运动意图来控制康复设备驱动康复对象手部运动形成辅助回路，促进大脑运动神经传导通路的重塑。具体的，运用实际生活中的任务场景激发康复对象的主动运动意图，康复对象通过任务场景呈现的手部动画刺激，获取康复对象运动脑区的脑电信号并通过二分类算法判断康复对象是否有主动进行运动想象的意图，如果有，则启动康复设备辅助康复对象完成手部运动。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (5)
1.一种脑机接口手功能康复训练系统，其特征在于，包括任务场景呈现模块、脑电信号采集装置、脑电信号处理模块和辅助运动模块，其中：
所述任务场景呈现模块，用于呈现运动刺激影像；
所述脑电信号采集装置，用于采集所述运动刺激影像呈现过程中康复对象的当前脑电信号，并将所述当前脑电信号发送至所述脑电信号处理模块；
所述脑电信号处理模块，用于根据当前脑电信号和预先确定的训练模型判断所述康复对象的目标动作意图，并将所述目标动作意图发送至所述辅助运动模块；
所述辅助运动模块，用于根据所述目标动作意图辅助康复对象手部执行所述目标动作意图对应的动作；
其中，所述脑电信号采集装置还用于：
采集康复对象在运动想象状态时的运动想象脑电信号和静息状态时的静息脑电信号；
相应的，所述脑电信号处理模块还用于：
根据所述运动想象脑电信号和所述静息脑电信号确定所述训练模型；
所述脑电信号处理模块包括脑电信号预处理单元和训练模型确定单元，其中：
所述脑电信号预处理单元，用于通过时域信号处理方法对所述运动想象脑电信号进行预处理得到运动想象处理脑电信号，和通过时域信号处理方法对所述静息脑电信号进行预处理得到静息处理脑电信号，其中，所述时域信号处理方法包括主成分分析、独立分量分析、经验模态分解、小波包变换；
所述训练模型确定单元，用于根据所述运动想象处理脑电信号和所述静息处理脑电信号确定所述训练模型；
其中，所述训练模型确定单元，具体用于：
确定所述运动想象处理脑电信号的运动想象特征参数在切空间的运动想象投影特征，以及所述静息处理脑电信号的静息特征参数在切空间的静息投影特征；
根据所述运动想象投影特征和所述静息投影特征确定所述训练模型；
其中，所述训练模型包括投影向量参数和分类阈值，所述根据所述运动想象投影特征和所述静息投影特征确定所述训练模型，包括：
根据所述运动想象投影特征确定运动想象特征向量，根据所述静息投影特征确定静息特征向量；
基于所述运动想象特征向量和所述静息特征向量确定类内离散矩阵，根据所述类内离散矩阵、所述运动想象特征向量和所述静息特征向量确定所述投影向量参数，其中，所述投影向量参数用于将康复训练时采集的脑电信号进行投影；
根据所述运动想象特征向量和所述静息特征向量确定所述分类阈值，其中，所述分类阈值用于判断康复训练时采集的脑电信号类别。
2.根据权利要求1所述的系统，其特征在于，所述脑电信号处理模块还包括动作意图确定单元，其中：
所述脑电信号预处理单元，还用于通过时域信号处理方法对所述当前脑电信号进行处理，得到当前处理脑电信号；
所述动作意图确定单元，用于根据所述当前处理脑电信号和所述训练模型判断所述康复对象的目标动作意图，并将所述目标动作意图发送至所述辅助运动模块。
3.根据权利要求2所述的系统，其特征在于，所述根据所述当前处理脑电信号和所述训练模型判断所述康复对象的目标动作意图，包括：
根据所述当前处理脑电信号和所述投影向量参数确定投影脑电信号；
根据所述投影脑电信号和所述分类阈值确定所述康复对象的目标动作意图。
4.根据权利要求3所述的系统，其特征在于，所述根据所述当前处理脑电信号和所述投影向量参数确定投影脑电信号，包括：
确定所述当前处理脑电信号的协方差特征参数在切空间的特征投影；
将所述特征投影和所述投影向量参数的乘积作为所述投影脑电信号。
5.根据权利要求1所述的系统，其特征在于，所述辅助运动模块包括处理模块和康复训练装置，所述根据所述目标动作意图辅助康复对象执行所述目标动作意图对应的动作，包括：
所述处理模块，用于根据所述目标动作意图确定是否控制所述康复训练装置执行辅助运动操作，并在确定执行辅助运动操作时控制所述康复训练装置执行所述辅助运动操作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111665759.8A CN114366129B (zh) | 2021-12-31 | 2021-12-31 | 一种脑机接口手功能康复训练系统和方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111665759.8A CN114366129B (zh) | 2021-12-31 | 2021-12-31 | 一种脑机接口手功能康复训练系统和方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114366129A CN114366129A (zh) | 2022-04-19 |
| CN114366129B true CN114366129B (zh) | 2024-05-03 |
Family
ID=81141345
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111665759.8A Active CN114366129B (zh) | 2021-12-31 | 2021-12-31 | 一种脑机接口手功能康复训练系统和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114366129B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115399787A (zh) * | 2022-07-29 | 2022-11-29 | 山东海天智能工程有限公司 | 脑机接口和ar/vr交互技术相结合的康复训练系统 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106502405A (zh) * | 2016-10-24 | 2017-03-15 | 天津大学 | 基于同步性复合肢体想象动作多模态脑机接口方法及系统 |
| CN106621287A (zh) * | 2017-02-07 | 2017-05-10 | 西安交通大学 | 一种基于脑机接口与虚拟现实技术的上肢康复训练方法 |
| CN111110982A (zh) * | 2019-12-02 | 2020-05-08 | 燕山大学 | 基于运动想象的手部康复训练方法 |
| CN111265212A (zh) * | 2019-12-23 | 2020-06-12 | 北京无线电测量研究所 | 一种运动想象脑电信号分类方法及闭环训练测试交互系统 |
| CN111544846A (zh) * | 2020-04-30 | 2020-08-18 | 天津大学 | 一种纯意念控制康复机器人的训练与模式切换方法 |
| CN112036354A (zh) * | 2020-09-09 | 2020-12-04 | 东南大学 | 一种基于黎曼几何的自然动作脑电识别方法 |
| CN112560937A (zh) * | 2020-12-11 | 2021-03-26 | 杭州电子科技大学 | 一种利用静息态对齐的运动想象迁移学习的方法 |
| CN113288170A (zh) * | 2021-05-13 | 2021-08-24 | 浙江大学 | 一种基于模糊处理的脑电信号标定方法 |
| CN113398422A (zh) * | 2021-07-19 | 2021-09-17 | 燕山大学 | 基于运动想象-脑机接口和虚拟现实的康复训练系统及方法 |
| CN113780169A (zh) * | 2021-09-10 | 2021-12-10 | 山东建筑大学 | 基于脑机接口的黎曼空间脑电信号分类方法及系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7899253B2 (en) * | 2006-09-08 | 2011-03-01 | Mitsubishi Electric Research Laboratories, Inc. | Detecting moving objects in video by classifying on riemannian manifolds |
-
2021
- 2021-12-31 CN CN202111665759.8A patent/CN114366129B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106502405A (zh) * | 2016-10-24 | 2017-03-15 | 天津大学 | 基于同步性复合肢体想象动作多模态脑机接口方法及系统 |
| CN106621287A (zh) * | 2017-02-07 | 2017-05-10 | 西安交通大学 | 一种基于脑机接口与虚拟现实技术的上肢康复训练方法 |
| CN111110982A (zh) * | 2019-12-02 | 2020-05-08 | 燕山大学 | 基于运动想象的手部康复训练方法 |
| CN111265212A (zh) * | 2019-12-23 | 2020-06-12 | 北京无线电测量研究所 | 一种运动想象脑电信号分类方法及闭环训练测试交互系统 |
| CN111544846A (zh) * | 2020-04-30 | 2020-08-18 | 天津大学 | 一种纯意念控制康复机器人的训练与模式切换方法 |
| CN112036354A (zh) * | 2020-09-09 | 2020-12-04 | 东南大学 | 一种基于黎曼几何的自然动作脑电识别方法 |
| CN112560937A (zh) * | 2020-12-11 | 2021-03-26 | 杭州电子科技大学 | 一种利用静息态对齐的运动想象迁移学习的方法 |
| CN113288170A (zh) * | 2021-05-13 | 2021-08-24 | 浙江大学 | 一种基于模糊处理的脑电信号标定方法 |
| CN113398422A (zh) * | 2021-07-19 | 2021-09-17 | 燕山大学 | 基于运动想象-脑机接口和虚拟现实的康复训练系统及方法 |
| CN113780169A (zh) * | 2021-09-10 | 2021-12-10 | 山东建筑大学 | 基于脑机接口的黎曼空间脑电信号分类方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114366129A (zh) | 2022-04-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106726030B (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 | |
| US8463371B2 (en) | System and method for processing brain signals in a BCI system | |
| CN107981997B (zh) | 一种基于人脑运动意图的智能轮椅控制方法及系统 | |
| 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 | |
| JPWO2017213202A1 (ja) | 運動教示システム及び運動教示方法 | |
| CN114366129B (zh) | 一种脑机接口手功能康复训练系统和方法 | |
| CN110993056A (zh) | 基于镜像神经元和脑机接口的混合式主动康复方法、装置 | |
| WO2010140975A1 (en) | A system and method for motor learning | |
| CN112244774A (zh) | 脑机接口康复训练系统及方法 | |
| CN109875543A (zh) | 用于可穿戴心率监测设备的多种健身运动状态下的心率估计方法及装置 | |
| KR20130129319A (ko) | 심탄도 분석 장치와 방법 및 이를 이용한 차량의 심탄도 활용 시스템 | |
| CN110955330B (zh) | 基于复杂对象控制的高唤醒度的脑电意图辨析方法 | |
| Torres | The rates of change of the stochastic trajectories of acceleration variability are a good predictor of normal aging and of the stage of Parkinson's disease | |
| CN114298089A (zh) | 一种多模态力量训练辅助方法和系统 | |
| CN114469641A (zh) | 基于肌电识别的功能性电刺激运动障碍镜像训练方法 | |
| CN116700495A (zh) | 基于稳态视觉诱发电位和运动想象的脑机交互方法和设备 | |
| CN112987917A (zh) | 运动想象增强方法、装置、电子设备和存储介质 | |
| CN110737331B (zh) | 基于多任务脑机接口的个性化认知训练及康复方法、装置及设备 | |
| Dell’Agnola et al. | Machine-learning based monitoring of cognitive workload in rescue missions with drones | |
| Hasan et al. | Preliminary study on real-time prediction of gait acceleration intention from volition-associated EEG patterns | |
| KR20200052209A (ko) | 뇌 기계 인터페이스 기반의 움직임 의도 검출에 따른 착용형 로봇 제어 장치 및 방법 | |
| CN116098634A (zh) | 一种基于刺激事件的脑功能检测评估方法、装置及系统 | |
| WO2022039067A1 (ja) | 認知能力検出装置、および、認知能力検出方法 | |
| CN108888482A (zh) | 基于运动皮层相关电位脑机接口的下肢外骨骼康复训练系统及方法 | |
| Krishna et al. | Autonomuos robot control based on EEG and cross-correlation |
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 |