论文部分内容阅读
上肢功能障碍是大部分功能障碍患者都面临的问题,由于传统康复治疗无法对患者的运动神经产生足够的刺激,越来越多的研究者开始关注脑机接口神经康复领域。基于运动想象的虚拟现实上肢康复系统,利用感官刺激可以达到神经康复训练的效果,成为了当前热门的研究方向。但是目前虚拟现实系统的开发周期长、构建成本高,且运动想象信号解码中最经典的共空间模式(Common Spatial Pattern,CSP)算法,由于受试者之间的差异性,很大程度上依赖于滤波频带的选择,并且在多类别运动想象任务下分类精度普遍较低。针对上述问题,本文开展了以下研究内容:(1)针对宽频带CSP算法分类性能不稳定的问题,本文提出了一种窄滤波器组共空间模式(Narrow Filter Bank Common Spatial Pattern,NFBCSP)算法。通过一种新颖的频带搜索树方法,自动确定二分类运动想象任务下的最优窄频带,并利用该最优窄频带进行带通滤波,去除脑电中的冗余信号。最后,将最优窄频带与CSP算法相结合提取脑电信号中的动态能量特征,并使用支持向量机进行分类。实验结果表明,在BCI-VR二分类运动想象数据集上,NFBCSP算法达到了86.43%的平均分类准确率,相比传统的宽频CSP算法以及FBCSP算法有明显提升。另一方面,在BCI竞赛公共数据集(Dataset 2a)上,NFBCSP算法的平均分类准确率以及平均偏差均优于目前表现最好的Ro CSP-SRIT2NFIS算法。(2)针对CSP算法在多类别任务下分类精度普遍较低的问题,本文提出了一种新型的NFBCSP-DCNN特征输入网络。首先将多分类运动想象任务转化为多个一对多(One vs Rest,OVR)二分类任务,分别确定每个二分类任务的最优窄频带,提取每个最优窄频带的时频域特征后,使用深度卷积神经网络进行频带特征融合以及多类别运动想象任务的分类。本文将该算法在Dataset 2a四分类运动想象数据集上进行了验证,实验结果表明,该算法相比于其他工作提出的多类别运动想象算法在分类性能方面有了明显提升,并且具有更低的平均偏差。(3)针对虚拟现实系统开发周期长、构建成本高的问题,本文设计了一款基于Web VR技术的虚拟现实上肢康复系统。相比传统的虚拟现实系统,该系统使用Web VR技术代替Unity3D开发引擎快速构建虚拟现实场景,在不降低受试者感官体验的基础上,大幅减少了构建虚拟环境所需成本,加快了上肢康复系统应用于临床医疗的进程。为提高受试者的沉浸感,该系统使用全景图作为虚拟现实背景,通过拍摄现实场景并使用可视化接口导入的形式,允许受试者在康复训练时定制自己所处的虚拟环境。最后,对多名受试者在虚拟现实和普通3D桌面动画效果下进行对比实验,所有受试者均表示虚拟现实场景提供的沉浸感可以提高训练过程中的积极性,经过长期训练也不容易产生疲劳感,更适用于临床的神经康复训练。