运动想象状态标签的校正方法、运动想象解码系统与流程

摘要: 本发明属于生理电信号,具体涉及一种运动想象状态标签的校正方法、运动想象解码系统。背景技术:1、在脑电等神经信号分析领域中,研究者已积累了丰富的生理学与神经电生理...
运动想象状态标签的校正方法、运动想象解码系统与流程

本发明属于生理电信号,具体涉及一种运动想象状态标签的校正方法、运动想象解码系统。

背景技术:

1、在脑电等神经信号分析领域中,研究者已积累了丰富的生理学与神经电生理学先验知识,可用于运动想象模型的训练。例如,已知感觉运动皮层与运动功能密切相关,运动想象状态下脑电信号的μ节律和β节律会出现事件相关去同步(erd)现象,相较于静息状态具有可观测的功率衰减。直接应用这类先验信息训练模型存在两个问题:其一,个体间差异显著,不同被试的erd出现时刻不同、相较基线的差异幅度不同,甚至某些被试在特定频带或试次中完全不显现erd;其二,个体内无法稳定测量,同一被试在不同试次中的erd强度、出现时刻、持续时长均存在波动。

2、相关技术通常基于固定时间窗记录运动想象的状态标签,默认被试状态瞬时切换,忽略了个体反应时间差异、状态切换耗时以及疲劳带来的数据质量改变。对此,部分方案尝试对状态标签进行时域校准,如专利cn115933882b公开了一种运动想象任务时间辨识系统,通过构建脑网络、计算全局效率曲线后以预设的阈值模版(如0.5倍阈值规则)定位,但本质上是在人工构造的波形上寻找特征点,其定位精度高度依赖于脑网络构建的可靠性,且阈值为固定值,未考虑任务状态切换的非瞬发性、状态驻留的非瞬时性,无法自适应不同被试和不同试次,导致时间辨识精度不稳定、训练样本质量参差不齐,影响后续解码模型的训练精度和泛化性能。

技术实现思路

1、本发明提供了一种运动想象状态标签的校正方法、运动想象解码系统,以解决任务状态与状态标签的时间对齐问题。

2、为了解决上述技术问题,本发明提供了一种运动想象状态标签的校正方法,包括:获取被试执行运动想象范式时的脑电数据,并提取脑电数据的判别特征;记录所述脑电数据中各任务状态对应的状态标签;获取所述状态标签的候选时序并基于判别特征评估其置信度;根据满足置信度阈值的候选时序校正所述状态标签。

3、进一步,所述任务状态被配置为状态标签的起始时刻至结束时刻,相邻任务状态的切换过程被配置为转移时段。

4、进一步,获取所述状态标签的候选时序并基于判别特征评估其置信度包括:在设定评估场景下,选择对应的置信度评估模式及其对应的时序获取方式;按照所述时序获取方式生成候选时序;在任一候选时序下,根据选定的置信度评估模式计算该候选时序的置信度。

5、进一步,当设定评估场景为实时性时,所述置信度评估模式采用时域模式;对应的时序获取方式为:以设定步进自所述状态标签记录的起始时刻起单向滑窗,以生成候选时序;所述时域模式包括:获取所述任务状态对应的第一数据段,以及所述转移时段对应的第二数据段;分别计算各任务状态下所述第一数据段内判别特征的均值,以及所述第二数据段内判别特征的变化率;基于不同任务状态下所述均值的差值以及所述变化率确定置信度。

6、进一步,当设定评估场景为个体差异时,所述置信度评估模式采用参数估计模式;对应的时序获取方式为:分别将所述状态标签记录的起始时刻和结束时刻向两侧偏移,以生成候选时序;所述参数估计模式包括:以所述候选时序下的起始时刻、结束时刻和转移时段作为待估参数,构建参数集合;观测所述参数集合下脑电数据的判别特征的联合概率密度;基于所述联合概率密度确定置信度。

7、进一步,当设定评估场景为刺激锁时时,所述置信度评估模式采用时频模式;对应的时序获取方式为:以设定窗长在所述状态标签内任意滑动,生成候选时序;所述时频模式包括:提取所述候选时序的脑电数据,并将其判别特征叠加平均为时频矩阵;从所述时频矩阵获取所述任务状态对应的第一区域,以及所述转移时段对应的第二区域;计算所述第一区域与所述第二区域判别特征的差异值;基于所述差异值确定置信度。

8、进一步,当设定评估场景为空频稳定性时,所述置信度评估模式采用空频模式;对应的时序获取方式为:以设定窗长在所述状态标签内任意滑动,生成候选时序;所述空频模式包括:提取所述候选时序的脑电数据,并将其判别特征叠加平均为时频矩阵,将时频矩阵映射至空间位置生成空频图;根据判别特征提取空频图中相关通道在目标频带内的最大激活度,根据所述最大激活度计算运动想象评分;基于所述运动想象评分确定置信度。

9、本发明还提供了一种运动想象解码系统,包括:信号采集设备,用于采集被试执行运动想象范式时的脑电数据及状态标签;标签校正装置,采用所述的校正方法,校正所述状态标签;模型构建模块,根据校正后的状态标签从脑电数据中截取训练数据段,构建运动想象解码模型;分类解码模块,用于将待解码脑电数据输入所述运动想象解码模型,进行运动想象状态的分类解码。

10、本发明还提供了一种计算机设备,包括存储器、处理器及存储在存储器上的计算机程序,所述处理器执行所述计算机程序以实现所述校正方法的步骤。

11、本发明还提供了一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现所述校正方法的步骤。

12、本发明还提供了一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现所述校正方法的步骤。

13、本发明的有益效果是,本发明基于运动想象范式下已知的先验信息作为判别特征,从脑电数据中学习任务状态的切换规律,评估所构建的各候选时序的置信度以选取最优时序方案来精准界定被试稳定静息态与稳定运动想象态的起止时刻,以个体化校正状态标签时域的方式解决任务状态与状态标签的时间对齐问题,且校正后的状态标签为后续运动想象解码模型提供质量更高且客观的训练样本,有利于提升模型的分类性能。

14、本发明的其他特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。

1.一种运动想象状态标签的校正方法,其特征在于,包括:

2.根据权利要求1所述的校正方法,其特征在于,

3.根据权利要求2所述的校正方法,其特征在于,

4.根据权利要求3所述的校正方法,其特征在于,

5.根据权利要求3所述的校正方法,其特征在于,

6.根据权利要求3所述的校正方法,其特征在于,

7.根据权利要求3所述的校正方法,其特征在于,

8.一种运动想象解码系统,其特征在于,包括:

9.一种计算机设备,包括存储器、处理器及存储在存储器上的计算机程序,其特征在于,所述处理器执行所述计算机程序以实现如权利要求1-7任一项所述校正方法的步骤。

10.一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,所述计算机程序被处理器执行时实现如权利要求1-7任一项所述校正方法的步骤。

11.一种计算机程序产品,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-7任一项所述校正方法的步骤。