买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：苏州大学

摘要：本发明涉及一种基于大脑信息判别转身运动意图的方法，本发明应用fNIRS技术采集多名志愿者在转身实验中的血氧信号，分别对进行左转和右转志愿者的脑功能区域展开了相关分析，然后使用单因素方差分析提取出有利于识别的特征向量，运用支持向量机进行分类识别，以期望能基于大脑的血氧信号识别出人的转身意图。

主权项：1.一种基于大脑信息判别转身运动意图的方法，其特征在于，包括：获取采集的测试区域的多个通道的差氧血红蛋白信号；对采集的多个通道的差氧血红蛋白信号进行归一化处理；对归一化处理后的多个通道的差氧血红蛋白信号中的两两通道的指定时间序列进行互相关分析，分析相关系数的峰值和峰值时刻的延迟值；获取归一化处理后的多个通道的差氧血红蛋白信号的各种指标，其中，各种指标包括：能量均值、斜率、通道相关系数、区域平均相关系数以及区域相关通道个数；利用单因素方差分析法对各种指标进行分析，得到最优指标；将最优指标代入到支持向量机中进行分类识别；在步骤“对归一化处理后的多个通道的差氧血红蛋白信号中的两两通道的指定时间序列进行互相关分析，分析相关系数的峰值和峰值时刻的延迟值”中，分别计算两两区域内相关通道的相关系数平均值，其中峰值和延时分别计算；同时针对每两个通道的相关系数设定阈值为0.5，当相关系数的绝对值小于阈值时，将其置为0，表示两通道在转身前1s不相关；否则置为1，表示两两通道在转身前1s显著相关，进一步计算两两区域内存在显著相关的通道对个数；所述测试区域的多个通道分布为：PFC包含1～10通道；PMCL包含13，17和20通道；PMCR包含11，14和18通道；SMA包含12，15，16和19通道；步骤“对采集的所述多个通道的差氧血红蛋白信号进行归一化处理”中，采用MATLAB中mapminmax函数进行归一化处理；在步骤“对归一化处理后的多个通道的差氧血红蛋白信号中的两两通道的指定时间序列进行互相关分析，分析相关系数的峰值和峰值时刻的延迟值”中，使用MATLAB中xcorr函数进行互相关分析；步骤“利用单因素方差分析法对所述各种指标进行分析，得到最优指标”中采用MATLAB自带的anoval函数进行单因素方差分析法分析；采用MATLAB自带的anoval函数进行单因素方差分析法分析时采用的临界概率值是0.05。

全文数据：基于大脑信息判别转身运动意图的方法技术领域本发明涉及大脑信息识别，特别是涉及基于大脑信息判别转身运动意图的方法。背景技术身体的健康安全是人民幸福生活的基本保证。而很多脑类疾病的发生往往会给患者带来肢体上的残疾或不便，严重影响了患者的日常生活。对患者的照料和康复治疗，同时也会为家庭和社会带来负担。传统的康复训练手段主要通过医护人员给患者进行专业按摩或者借助一些简单的器械来帮助患者恢复，其训练时间长，对医护人员的技术和数量要求也很高，但训练效果却不尽如人意。目前兴起的智能康复训练器械，在一定程度上降低了专业人员的需求，缓解了医护人员的工作压力，同时也提高了康复训练效率，如康复训练机械手以及下肢康复训练腿等。但是由于这些器械大都采用被动式控制，容易导致患者的注意力不集中，参与度低，结果其训练效果也不理想。因此，如果在纯机械基础上加入患者生物信号的控制作用，便可充分调动训练过程中患者的主动参与性，有效提升康复训练器的康复效果。一般来说，生物信号包括肌电信号、脑电信号等。肌电信号是基于患者的肌肉组织所采集的信号，它能够反映出肢体中运动神经元的重塑情况和运动神经通路的通畅程度。有的文献就通过采集具有运动功能障碍的患者的肌肉电信号，对患者的运动意图进行识别,然后借助机械结构帮助患者进行康复训练。但是，对于由于肌肉损伤造成肌电信号微弱、甚至肌肉缺失的患者来说，肌电信号的获取具有一定难度。因此，无法保证所有患者都能得到有效的治疗方案。脑电信号是基于患者大脑信息所采集的，它不依赖于患者的生理基础，只要是有正常思维能力的人，便可获得。有的文献通过采集上肢瘫痪病人的运动想象脑电信号，从而判别病人的预期动作，最终识别率为65％。相对而言，这种基于脑信息识别运动状态的研究局限性小，且能最大程度的调动患者参与的积极性，加快恢复进程，具有很大应用价值。目前，随着科技和经济的快速发展，智能康复训练机构已逐渐介入到康复治疗领域。它主要基于脑信息对人体的运动意识作出判断，然后驱动机构进行辅助训练，帮助病人利用最佳恢复期得到最大的康复。国内外已有很多学者通过不同方法采集大脑信号从而对运动状态进行识别研究。转身动作是普通人日常行为活动中最为频繁的动作之一。在进行康复训练时，不可避免的会出现在训练规划中。通过查阅文献，目前的运动识别状态研究中，都没有对左右转身动作意图做出识别。因此，如果能在转身前基于大脑信号识别出患者转身意图，便会给康复训练治疗带来便捷，从而加快患者的恢复进程。发明内容基于此，有必要针对上述技术问题，提供一种基于大脑信息判别转身运动意图的方法，转身前基于大脑信号识别出患者转身意图，便会给康复训练治疗带来便捷，从而加快患者的恢复进程。一种基于大脑信息判别转身运动意图的方法，包括：获取采集的测试区域的多个通道的差氧血红蛋白信号；对采集的所述多个通道的差氧血红蛋白信号进行归一化处理；对归一化处理后的多个通道的差氧血红蛋白信号中的两两通道的指定时间序列进行互相关分析，分析相关系数的峰值和峰值时刻的延迟值；获取归一化处理后的多个通道的差氧血红蛋白信号的各种指标，其中，所述各种指标包括：能量均值、斜率、通道相关系数、区域平均相关系数以及区域相关通道个数；利用单因素方差分析法对所述各种指标进行分析，得到最优指标；将所述最优指标代入到支持向量机中进行分类识别。上述基于大脑信息判别转身运动意图的方法，基于大脑信息判别转身运动意图的方法，转身前基于大脑信号识别出患者转身意图，便会给康复训练治疗带来便捷，从而加快患者的恢复进程。在另外的一个实施例中，所述测试区域的多个通道分布为：PFC包含1～10通道；PMCL包含13，17和20通道；PMCR包含11，14和18通道；SMA包含12，15，16和19通道。在另外的一个实施例中，步骤“对采集的所述多个通道的差氧血红蛋白信号进行归一化处理；”中，采用MATLAB中mapminmax函数进行归一化处理。在另外的一个实施例中，在步骤“对归一化处理后的多个通道的差氧血红蛋白信号中的两两通道的指定时间序列进行互相关分析，分析相关系数的峰值和峰值时刻的延迟值；”中，分别计算两两区域内相关通道的相关系数平均值，其中峰值和延时分别计算；同时针对每两个通道的相关系数设定阈值为0.5，当相关系数的绝对值小于阈值时，将其置为0，表示两通道在转身前1s不相关；否则置为1，表示两两通道在转身前1s显著相关，进一步计算两两区域内存在显著相关的通道对个数。在另外的一个实施例中，在步骤“对归一化处理后的多个通道的差氧血红蛋白信号中的两两通道的指定时间序列进行互相关分析，分析相关系数的峰值和峰值时刻的延迟值；”中，使用MATLAB中xcorr函数进行互相关分析。在另外的一个实施例中，步骤“利用单因素方差分析法对所述各种指标进行分析，得到最优指标；”中采用MATLAB自带的anoval函数进行单因素方差分析法分析。在另外的一个实施例中，采用MATLAB自带的anoval函数进行单因素方差分析法分析时采用的临界概率值是0.05。一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现任一项所述方法的步骤。一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现任一项所述方法的步骤。一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行任一项所述的方法。附图说明图1为本申请实施例提供的一种基于大脑信息判别转身运动意图的方法的头套布局图。图2为本申请实施例提供的一种基于大脑信息判别转身运动意图的方法的布罗德曼分区上布局的测试区域图。图3为本申请实施例提供的一种基于大脑信息判别转身运动意图的方法的实验流程图。图4为本申请实施例提供的一种基于大脑信息判别转身运动意图的方法的实验示意图。具体实施方式为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。一种基于大脑信息判别转身运动意图的方法，包括：获取采集的测试区域的多个通道的差氧血红蛋白信号；对采集的所述多个通道的差氧血红蛋白信号进行归一化处理；对归一化处理后的多个通道的差氧血红蛋白信号中的两两通道的指定时间序列进行互相关分析，分析相关系数的峰值和峰值时刻的延迟值；获取归一化处理后的多个通道的差氧血红蛋白信号的各种指标，其中，所述各种指标包括：能量均值、斜率、通道相关系数、区域平均相关系数以及区域相关通道个数；利用单因素方差分析法对所述各种指标进行分析，得到最优指标；将所述最优指标代入到支持向量机中进行分类识别。上述基于大脑信息判别转身运动意图的方法，基于大脑信息判别转身运动意图的方法，转身前基于大脑信号识别出患者转身意图，便会给康复训练治疗带来便捷，从而加快患者的恢复进程。在另外的一个实施例中，所述测试区域的多个通道分布为：PFC包含1～10通道；PMCL包含13，17和20通道；PMCR包含11，14和18通道；SMA包含12，15，16和19通道。在另外的一个实施例中，步骤“对采集的所述多个通道的差氧血红蛋白信号进行归一化处理；”中，采用MATLAB中mapminmax函数进行归一化处理。在另外的一个实施例中，在步骤“对归一化处理后的多个通道的差氧血红蛋白信号中的两两通道的指定时间序列进行互相关分析，分析相关系数的峰值和峰值时刻的延迟值；”中，分别计算两两区域内相关通道的相关系数平均值，其中峰值和延时分别计算；同时针对每两个通道的相关系数设定阈值为0.5，当相关系数的绝对值小于阈值时，将其置为0，表示两通道在转身前1s不相关；否则置为1，表示两两通道在转身前1s显著相关，进一步计算两两区域内存在显著相关的通道对个数。在另外的一个实施例中，在步骤“对归一化处理后的多个通道的差氧血红蛋白信号中的两两通道的指定时间序列进行互相关分析，分析相关系数的峰值和峰值时刻的延迟值；”中，使用MATLAB中xcorr函数进行互相关分析。在另外的一个实施例中，步骤“利用单因素方差分析法对所述各种指标进行分析，得到最优指标；”中采用MATLAB自带的anoval函数进行单因素方差分析法分析。在另外的一个实施例中，采用MATLAB自带的anoval函数进行单因素方差分析法分析时采用的临界概率值是0.05。一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现任一项所述方法的步骤。一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现任一项所述方法的步骤。一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行任一项所述的方法。下面介绍一个本发明的一个具体应用场景：以差氧血红蛋白的浓度数据为研究对象，分析每位志愿者在8次重复转身的动作前差氧血红蛋白含量是否一致，为后续观察分析的精确性打下基础。由于个体血氧浓度差异，为了观察所有人统一标度下的信号浓度差异，使用MATLAB中mapminmax函数将每位志愿者的所有通道能量进行归一化0-1。互相关是统计学中用来表示两时间序列的相关程度的，是两信号相似性的度量。它定义为两个随机信号xt和yt在任意两个不同时刻t1、t2取值的相互关联程度。MATLAB自带的xcorr函数可实现两时间序列的互相关。相关系数的绝对值表示相关性的程度，正负表示互相关的方向。它只是一个比率，没有单位名称，也不是相关的百分数。对于相关系数的大小所表示的意义目前在统计学界尚不一致，但通常按照下表这样认为：本研究通过对两两通道的指定时间序列进行互相关，分析相关系数的峰值和峰值时刻的延迟值。设定阈值为0.5，当相关系数的绝对值小于阈值时，将其置为0，说明两通道在转身前1s不显著相关，这样有利于排除环境干扰或志愿者自身情绪状态变化所引起的数据波动，提高分析的准确性。方差分析又称变异分析，是由英国统计学家R.A.Fisher于1923年提出的一种统计方法。它的基本思想是将所有测量值间的总变异按照其变异的来源分解为多个部分，然后进行比较，评价由某种因素所引起的变异是否具有统计学意义。要求各样本均是相互独立的随机样本，并且来自正态分布总体，各总体方差相等。方差分析按照影响因素和响应变量的数量分为单因素方差分析One-WayANOVA、多因素有交互方差分析、多因素无交互方差分析和协方差分析。其中单因素方差分析指在一项试验中，只分析一个影响因素与响应变量的关系。本研究主要分析转身动作前的各个指标能量均值、斜率、通道相关系数、区域平均相关系数以及区域相关通道个数等是否具有统计学差异，因此选用单因素方差分析。MATLAB自带的anoval函数可实现各指标的单因素方差分析。本发明基于单因素方差分析后选取的最优特征代入支持向量机进行分类识别。本发明应用fNIRS技术采集多名志愿者在转身实验中的血氧信号，分别对进行左转和右转志愿者的脑功能区域展开了相关分析，然后使用单因素方差分析提取出有利于识别的特征向量，运用支持向量机进行分类识别，以期望能基于大脑的血氧信号识别出人的转身意图。同时本发明还将分析算法应用于脑机接口平台，结合fNIRS信号采集设备、信号接收和处理台式机以及机器人外部检验设备，以期对算法进行在线平台检验，为未来其在脑机接口技术中的应用做铺垫。研究中，机器采集到的信号主要有三种：含氧血红蛋白、脱氧血红蛋白和总血红蛋白。根据以往的研究，差氧血红蛋白即含氧血红蛋白含量减去脱氧血红道白含量在特征提取时表现的更为显著。因此，本发明选用差氧信号作为研究对象。且多项研究表明，前额叶皮层、前运动皮层和辅助运动皮层在肢体的运动过程中扮演了十分重要的角色，分别负责运动的规划和组织、运动的执行以及运动的协调。因此，本课题基于这几个区域的信号进行研究。本发明采集了共23位青年大学生在转身实验过程中的fNIRS的血氧信号，包括右转11人，左转12人。志愿者的年龄均在19到23岁之间，身体健康，无不良病史。在进行实验前，所有志愿者均被告知了实验流程和基本要求，并保证按要求自愿进行实验。实验采用的是日本岛津公司的便携式脑成像装置—LIGHTNIRS，有16个柔性探头，包括8个发射端和8个接收端如图2-1，标有数字1-8的有灰色背景的方格，红色是发射端，蓝色是接收端。信号由发射端发出，经脑皮层反射后由接收端接收，每对发射端与接收端之间为一个测试通道。根据布罗德曼分区体系Brodmannareas，每个半脑被划分为52个功能区域。前人使用近红外成像技术所做的研究显示，运动过程中主要涉及的区域有前额叶皮层Prefrontalcortex，PFC、前运动皮层Premotorcortex，PMC和辅助运动区SupplementaryMotorarea，SMA。其中，PFC区域内的基本活动被认为是符合内部目标的思想和行动的协调。它的重要功能是规划功能，如工作记忆，认知灵活性，规划，抑制和抽象推理。PMC区域内的活动对身体近端和躯干肌肉的运动和控制的感觉指导至关重要。它包含的镜像神经元是与计划，选择和执行动作相关的大脑部分。SMA中的神经元直接投射到脊髓，并可能在运动的直接控制中起作用，包括身体的姿势稳定，身体两侧的协调例如在双手行动期间，对由内部产生而不是由感觉事件触发的移动的控制以及对动作序列的控制。本发明将PMC区域分为左右两半球，分别研究了PFC、PMCL、PMCR以及SMA共四个区域在运动过程中的血氧信号变化。选用4×4的头套固定在被试头上，接入发射探头和接收探头，一共测试20个通道如图1，标有数字1-20的无灰色背景的方格。测试区域的通道分布为：PFC包含1～10通道；PMCL包含13，17和20通道；PMCR包含11，14和18通道；SMA包含12，15，16和19通道。采样频率为0.075Hz。整个实验流程分为8组重复动作如图3。每组动作包括正常行走规定距离，然后原地休息40～50s，转身，再原地休息40～50s。休息后按原路返回，重复动作，直至做完8次。动作开始前，预休息70～80s。每个人在8次重复动作中转向都一样。实验示意图如下图4所示。实验之前，被试者阅读实验注意事项，了解实验流程，并且通过一定时间的训练，能够熟练完成每组实验。整个实验要求患者自发控制所有任务，运动的起始与终止以及休息时间均由患者自己控制，以减少外部刺激视觉和听觉等引起的脑血氧信息变化，增加测试区域内血氧信息表征运动能力的可靠性。数据分析选用被试实际动作的前1s数据展开。对通道间相关系数的绝对值和延迟时间、区域相关通道的平均系数和个数分别做了单因素方差分析，以P值小于0.05的作为条件，取符合条件的参数作为特征。由于20个通道两两互相关共有120种结果，在相关系数大小的差异上数量比较大，且通道相关通常产生个人差异，因此不予选用。区域相关通道的平均系数即采用两相关区域内包含的通道相关系数的绝对值的平均值，区域相关通道个数采用两相关区域内包含的通道相关的个数。在介绍互相关分析时曾提到，本发明设定阈值为0.5，以保证通道之间的相关性至少为显著相关。因此系数小于0.5的值会被置为0，表示两通道不相关。使用支持向量机进行分类识别时，通常用来训练和测试的样本比例为2:1.本发明筛选出了20组，包括9名右转志愿者和11名左转志愿者的采集数据，作为样本数据使用。每位志愿者重复了8次转身活动，因此用来训练的有6*8组右转数据，8*8组左转数据；用来测试的有3*8组右转数据，3*8组左转数据。基于相关性的特征分析，可采用的特征包括9个两通道相关的延时参数T1、2个区域相关通道的平均系数参数T2和2个区域相关通道的个数参数T3。将T1、T2和T3一起代入进行识别，识别正确率为79.17％；三次交叉验证后，其余两次正确率分别为58.33％和75％。平均正确率为70.83％。通过特征重组并简化特征，可以得到最佳的三次交叉识别验证正确率分别为79.17％、68.75％和77.08％，平均识别正确率为75％。以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

权利要求：1.一种基于大脑信息判别转身运动意图的方法，其特征在于，包括：获取采集的测试区域的多个通道的所述差氧血红蛋白信号；对采集的所述多个通道的差氧血红蛋白信号进行归一化处理；对归一化处理后的多个通道的差氧血红蛋白信号中的两两通道的指定时间序列进行互相关分析，分析相关系数的峰值和峰值时刻的延迟值；获取归一化处理后的多个通道的差氧血红蛋白信号的各种指标，其中，所述各种指标包括：能量均值、斜率、通道相关系数、区域平均相关系数以及区域相关通道个数；利用单因素方差分析法对所述各种指标进行分析，得到最优指标；将所述最优指标代入到支持向量机中进行分类识别。2.根据权利要求1所述的基于大脑信息判别转身运动意图的方法，其特征在于，所述测试区域的多个通道分布为：PFC包含1～10通道；PMCL包含13，17和20通道；PMCR包含11，14和18通道；SMA包含12，15，16和19通道。3.根据权利要求1所述的基于大脑信息判别转身运动意图的方法，其特征在于，步骤“对采集的所述多个通道的差氧血红蛋白信号进行归一化处理；”中，采用MATLAB中mapminmax函数进行归一化处理。4.根据权利要求1所述的基于大脑信息判别转身运动意图的方法，其特征在于，在步骤“对归一化处理后的多个通道的差氧血红蛋白信号中的两两通道的指定时间序列进行互相关分析，分析相关系数的峰值和峰值时刻的延迟值；”中，分别计算两两区域内相关通道的相关系数平均值，其中峰值和延时分别计算；同时针对每两个通道的相关系数设定阈值为0.5，当相关系数的绝对值小于阈值时，将其置为0，表示两通道在转身前1s不相关；否则置为1，表示两两通道在转身前1s显著相关，进一步计算两两区域内存在显著相关的通道对个数。5.根据权利要求1所述的基于大脑信息判别转身运动意图的方法，其特征在于，在步骤“对归一化处理后的多个通道的差氧血红蛋白信号中的两两通道的指定时间序列进行互相关分析，分析相关系数的峰值和峰值时刻的延迟值；”中，使用MATLAB中xcorr函数进行互相关分析。6.根据权利要求1所述的基于大脑信息判别转身运动意图的方法，其特征在于，步骤“利用单因素方差分析法对所述各种指标进行分析，得到最优指标；”中采用MATLAB自带的anoval函数进行单因素方差分析法分析。7.根据权利要求6所述的基于大脑信息判别转身运动意图的方法，其特征在于，采用MATLAB自带的anoval函数进行单因素方差分析法分析时采用的临界概率值是0.05。8.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1到7任一项所述方法的步骤。9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1到7任一项所述方法的步骤。10.一种处理器，其特征在于，所述处理器用于运行程序，其中，所述程序运行时执行权利要求1到7任一项所述的方法。

百度查询： 苏州大学 基于大脑信息判别转身运动意图的方法