论文部分内容阅读
近年来,脑卒中正以上升的趋势威胁着国人的健康,导致患者往往患有不同程度的运动功能障碍后遗症,严重危害着人们的生活质量。康复训练是治疗运动功能障碍后遗症的主要手段,传统的以治疗师为指导的康复训练和利用康复机器人的训练手段都使患者处于被动治疗,对有肢体或语言障碍的患者有许多局限,甚至可能导致残肢疼痛或损伤。
脑机接口(Brain Computer Interface,BCI)技术是一种不依赖于脑的正常输出通路(外周神经与肌肉系统)的人-机接口技术,可以为那些思维正常但有严重运动功能障碍的患者提供语言交流和环境控制的手段。BCI技术应用于运动功能康复可以为几乎丧失全部运动功能的患者提供一种基于主动意愿的康复手段,因此比起传统被动的康复手段具有较大优势,相关研究已取得了令人鼓舞的进展。但现有EEG的识别方法仍不能满足康复训练对不同个体特征提取的自适应性以及对多类想象模式的识别精度等要求,这是制约BCI技术从实验室研究走向实际应用的关键问题。为此,本文围绕运动想象脑电信号的识别问题展开研究,具体研究成果如下:
第一,基于改进距离准则的小波包最优基的特征提取方法
针对脑机接口系统存在分类正确率低、个体自适应能力差的不足,提出了一种基于小波包最优基的自适应特征提取方法。该方法首先对运动想象脑电信号进行小波包分解；其次,对传统的距离准则进行改进,通过引入权重因子表征对类内距离和类间距离的关注程度,获得一种既可满足小波包最优基评价准则的可加性条件,又有效地增强了频带特征信息的可分离性的评价准则,选取最优基对应的分类性能评价值较高的部分频带小波包系数构成分类特征；仿真结果表明与常用的时频分析方法对比,本文提出的算法分类正确率较高,时间花费小,并且可以通过调节参数,在正确率与算法复杂度之间获得平衡。
第二,基于小波包最优基与共同空间模式相结合的特征提取方法
共同空间模式是脑电信号特征提取常用算法,但其性能受滤波效果的影响。为改进共同空间模式算法对多类脑屯分析的性能,本文提出了一种小波包最优基与共同空间模式相结合的特征提取方法。首先利用小波包最优基方法在频段上进行优选；再利用“一对多”共同空间模式算法进一步将分类特征的可分性加大；最后,利用多类脑电数据验证了该方法的正确性和有效性,其性能优于原共同空间模式算法。
第三,基于支撑向量机与神经网络混合模型的的脑电信号分类方法
支撑向量机在解决小样本、非线性及高维模式识别中表现出许多优势,适合解决脑电信号分类问题。本文对现有支撑向量机多类分类模型的性能进行分析,并针对其中采用“一对一”模型的支撑向量机分类方法易出现的“多决策出现相同最高票数”和“结果不稳定”问题,构建了一种“一对一”型支撑向量机与人工神经网络混合的模型。神经网络被用来学习支撑向量机组输出的判别向量,取代“一对一”型支撑向量机所使用的投票决策算法。实验表明,本方法在与几种现有先进算法相比,具有较高的分类精度和较小的时间花费,可以克服多层SVM分类模型误差逐层积累的缺点。利用BCI竞赛数据的实验结果表明,该分类方法对不同个体在不同时段的运动想象脑电信号的识别结果明显优于基于“一对一”型支撑向量机和基于单个神经网络分类器的识别结果,适用于脑电信号多类分类问题。
第四,基于脑电信号控制的虚拟辅助运动功能康复平台
本文采用VC++与OPENGL混合编程设计虚拟辅助康复平台,该平台利用了医学中的“运动想象疗法”,意在激励患者进行想象运动训练激活大脑相应的运动控制区域,增强运动功能改善,并结合BCI技术实现对患者主动运动意愿的激发、提取和利用。采用g.tec脑电采集装置采集想象运动时的脑电信号,并选用基于改进准则的小波包最优基特征提取方法及BP分类器处理信号,将思维模式转化为控制指令,实现了对虚拟场景的控制,以视觉反馈的形式激励患者进行充分的想象运动训练。并在该平台上验证了脑电识别方法的有效性,证明了本平台可以提供给使用者一种可行的主动控制策略,且具有一定的趣味性,对于改进现有被动治疗方式,具有一定的积极意义。
本文在脑机接口技术应用于运动功能康复领域做了相关研究,进一步提高了脑机接口系统的性能,增强其可靠性,加强了语言障碍或行动上不便的患者在康复训练中主动性。这对于实现提高患者对康复治疗中的主动参与性,改善现有运动功能康复医疗手段具有积极的意义和应用参考价值。