基于深度学习的脑电识别方法研究与应用

发布时间：2017-11-18 11:08

  本文关键词：基于深度学习的脑电识别方法研究与应用

  更多相关文章： 脑机接口 深度学习 小波包变换 个性化脑电采集 手臂康复

【摘要】：近年来,全球老龄化日趋严重,老年人又是脑卒中的高发人群。脑卒中造成的肢体运动功能障碍给患者带来极大不便和精神压力,同时也给家庭和社会带来了沉重的负担。如何帮助患者进行有效康复治疗,重新获得一定的独立生活能力,是当今社会急需解决的问题,也是康复工程、人工智能等交叉学科研究的热点。脑机接口(Brain-Computer Interface,BCI)的出现为该问题提供了一个较好的解决思路。医学理论和实践证明,大脑具有可塑性,患者主动参与康复训练有利于患者的康复。基于运动想象BCI(Motor Imagery BCI,MI-BCI)是一种全新的主动式康复手段,对患者的肢体运动功能恢复具有明显的优势。本文围绕手臂运动功能康复问题,对脑电信号(electroencephalography,EEG)特征提取,分类器设计、个性化脑电信号采集方案以及在线手臂运动康复系统设计等内容进行深入研究,取得的主要研究成果如下:(1)小波包变换(Wavelet Packet Transform,WPT)与深度信念网络(Deep Belief Network,DBN)相结合的脑电特征提取方法针对EEG十分微弱、识别率低、自适应能力不足等问题,提出一种WPT与DBN相结合的EEG特征提取方法(WPTDBN)。首先,利用平均功率谱方法对EEG进行时域分析,并选取有效的时序段。其次,使用WPT对有效时域段的EEG进行频域分解,并选择有用的时频段进行重构;然后,将重构EEG的瞬时功率利用DBN进行特征提取,在DBN的训练中通过增加Dropout训练技巧来解决因训练数据少等引起的过拟合问题。最后,采用Softmax分类器对EEG进行分类。利用BCI标准竞赛数据库进行实验研究,5-折交叉验证结果表明,WPTDBN方法不仅能自动提取特征而且还可以利用EEG时频域信息,有利于提高识别率。(2)基于最优小波包和长短型记忆(Long-Short Term Memory,LSTM)递归神经网络(Recurrent neural Network,RNN)的EEG识别方法为了准确提取与想象任务相关的时频特征以及充分利用脑电特征的时序信息,提出一种最优小波包和LSTM型RNN相结合的EEG识别方法,记为WLR。该方法首先在平均功率谱法分析的基础上,选取有用的EEG时域范围。其次,先利用WPT对EEG进行分解,然后采用改进的距离准则求出小波包最优子空间,并选取小波包最优子空间的小波包系数作为脑电特征。最终,利用LSTM型RNN作为分类器对EEG进行识别分类。在BCI标准数据集上,5-折交叉验证结果显示,该方法能够充分利用脑电信号和脑电特征的时序信息,从而提高了EEG的分类准确率,为EEG的识别提供了一种思路。(3)基于人脸识别技术的EEG采集实验设计为了推进MI-BCI康复研究走向实际的应用,针对目前EEG采集模式单一,没有考虑到患者的性别、年龄以及情绪等个性化特征。本文设计了一套基于人脸识别的EEG采集实验。采集软件使用了MFC框架,OpenCV图像处理库,Matlab与C++混合编程技术,Face++人脸识别技术,Curl网络库,Json数据解析库及g.MOBIlab+脑电仪的API接口等技术。实验结果表明,本实验可以采集到测试者人脸图像并在线识别年龄、性别以及微笑程度等个性化特征,然后,根据这些个性化特征设置个性化的实验采集方式,最后,采集多次想象手臂伸/屈运动的EEG数据,并使用WPTDBN+Softmax和WLR的识别分析方法对采集EEG进行离线分析,验证了本文提出两种识别方法的有效性。(4)基于MI-BCI技术的在线手臂康复系统的设计在上述研究的基础上,设计了基于MI-BCI的在线手臂康复系统。该系统在人脸识别EEG采集软件的基础上,通过MFC和多线程技术,使用g.MOBIlab+脑电采集仪实时采集EEG;然后,使用C++与Matlab的混合编程,实现EEG的在线自动识别。最后,通过Win32 API的串口通信将分类结果发送到51单片机作为控制芯片的机械手臂中,实现控制机械手臂的伸/屈运动。实验结果表明,该系统具有较好的实时性以及可靠性,为MI-BCI技术应用于手臂康复领域,激发患者的主动康复意愿以及增强患者的肢体运动功能具有一定的积极作用。
【学位授予单位】：北京工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R496;TN911.7

【相似文献】

中国期刊全文数据库 前10条

1 周建;;怎样识别最易被商家掺毒的食物[J];健康向导;2010年03期

2 阿麦;;八种食物警惕中毒[J];农家参谋;2011年09期

3 易彦伶;;如何识别非法期刊[J];医学信息;2009年12期

4 姚玉红;阮鹏;姚玉石;;医学科技期刊性质界定[J];现代预防医学;2007年11期

5 贾丹丹;李宏;;基于小波包和神经网络的血细胞识别方法的研究[J];中国医疗器械杂志;2008年04期

6 刘涛;;最易掺“毒”的11种食品[J];烹调知识;2010年01期

7 蔡晓刚;;15种最易掺“毒”的食品[J];抗癌之窗;2010年03期

8 孙丽娜,原培新;基于双能量X射线透射技术的物质分类识别方法研究[J];CT理论与应用研究;2005年02期

9 美丽心情;;慎食太鲜亮的食物[J];时代青年(悦读);2012年01期

10 培宗;米、蛋鉴别法[J];康乐园;1994年04期

中国重要会议论文全文数据库 前10条

1 郑凯;;建立多维数据异常点识别方法的尝试[A];第八届全国体育科学大会论文摘要汇编（一）[C];2007年

2 张朋柱;韩崇昭;万百五;;智能决策支持系统中的问题识别方法与实现[A];全国青年管理科学与系统科学论文集（第2卷）[C];1993年

3 刘丽兰;刘宏昭;;时间序列模型的识别方法[A];制造技术自动化学术会议论文集[C];2004年

4 苗振伟;许勇;杨军;;超声波人脸识别方法研究[A];中国声学学会2007年青年学术会议论文集（上）[C];2007年

5 罗智勇;宋柔;荀恩东;;一种基于可信度的人名识别方法[A];第二届全国学生计算语言学研讨会论文集[C];2004年

6 张茜;郑峥;亢一澜;王娟;仇巍;;基于海量实测数据的反演识别方法与盾构装备载荷的力学建模[A];中国力学大会——2013论文摘要集[C];2013年

7 赵锐;陈光发;;军事口令识别的Fuzzy方法探讨[A];第二届全国人机语音通讯学术会议论文集[C];1992年

8 骆玉荣;刘建丽;史晓涛;;一种自动车窗识别方法的设计与实现[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用（CACIS）学术会议论文集[C];2007年

9 崔凯华;王国庆;方剑青;李红军;贾俊波;马超;赵烨;张东辉;;基于声模态分析的材料识别方法研究[A];现代振动与噪声技术（第九卷）[C];2011年

10 李洪东;梁逸曾;张志敏;;酵母蛋白组中原生肽识别方法的探索研究[A];中国化学会第26届学术年会化学信息学与化学计量学分会场论文集[C];2008年

中国重要报纸全文数据库 前9条

1 陈春道;甲鱼优劣及雌雄的识别方法[N];北京科技报;2003年

2 庞席堂;假币的识别方法[N];中华合作时报;2003年

3 王修增;手机被盗号的6种识别方法[N];中国保险报;2003年

4 张侃;正品手机电池识别方法[N];通信产业报;2000年

5 潘 治;德国开发出癌症早期识别方法[N];中国中医药报;2003年

6 新华社记者 段世文;产权证识别方法[N];新华每日电讯;2001年

7 金亮;机器人的情感[N];中国医药报;2001年

8 黄璐;识别假火车票有绝招[N];山西经济日报;2004年

9 宗绍纯;如何识别是纯奶还是奶饮料？[N];国际商报;2003年

中国博士学位论文全文数据库 前10条

1 赵国腾;跨座式单轨交通轨道梁表面裂纹识别方法研究[D];重庆大学;2015年

2 徐训;线性与非线性结构动力荷载识别方法及实验研究[D];哈尔滨工业大学;2015年

3 付文亮;基于FPGA的高性能应用层协议识别方法研究[D];北京理工大学;2015年

4 陈飞飞;基于特征表示的行为识别方法研究[D];华中科技大学;2015年

5 黄仕建;视频序列中人体行为的低秩表达与识别方法研究[D];重庆大学;2015年

6 张航;基于高光谱成像技术的皮棉中地膜识别方法研究[D];中国农业大学;2016年

7 吴翔;基于机器视觉的害虫识别方法研究[D];浙江大学;2016年

8 张莉莉;竞优特征的群识别方法及其应用[D];东北大学;2010年

9 陈绵书;计算机人脸识别方法研究[D];吉林大学;2004年

10 叶俊勇;人脸检测与识别方法研究[D];重庆大学;2002年

中国硕士学位论文全文数据库 前10条

1 徐珂琼;基于视频的人脸识别方法研究[D];天津理工大学;2015年

2 彭姣丽;针对多表情的人脸识别方法研究[D];昆明理工大学;2015年

3 代秀丽;基于半监督判别分析的人脸识别方法研究[D];深圳大学;2015年

4 易磊;基于两阶段的交通标志识别方法研究[D];南京理工大学;2015年

5 李彦;基于小波变换的人脸识别方法研究[D];电子科技大学;2014年

6 田晓霞;运动想象EEG的识别方法及在上肢康复中的应用[D];北京工业大学;2015年

7 杨俊涛;基于分数谱时频特征的SAR目标检测与识别方法研究[D];电子科技大学;2014年

8 宋洪伟;基于模糊集合的汉语主观句识别方法研究与实现[D];黑龙江大学;2015年

9 贾博轩;基于手机传感器的人类复杂行为识别方法的研究[D];黑龙江大学;2015年

10 范玲;Link-11数据链信号的识别方法研究[D];西安电子科技大学;2014年

，

本文编号：1199557