面向EEG信號構建腦功能網路的運動意識分類研究

《面向EEG信號構建腦功能網路的運動意識分類研究》是依託杭州電子科技大學，由孔萬增擔任項目負責人的青年科學基金項目。

基本介紹

• 中文名：面向EEG信號構建腦功能網路的運動意識分類研究
• 項目類別：青年科學基金項目
• 項目負責人：孔萬增
• 依託單位：杭州電子科技大學

項目摘要

針對當前運動意識分類研究立足於相對孤立的運動相關腦區域，忽略了大腦思維功能的整體協調性這一不足。本項目以四方向運動想像分類為研究目的，在運動意識表征形式和分析方法上有兩大創新。在表征形式上，利用運動想像過程中的各個通道腦電信號之間的相關性來構建腦功能網路，以全導腦網路的拓撲結構這一新載體來刻畫大腦的運動想像模式；在分析方法上，不同於平均路徑長度和聚類係數兩大傳統網路屬性的複雜分析，本項目把譜圖聚類中的譜分解方法套用到腦功能網路分析研究中，通過對網路相關矩陣進行特徵值分解，使得分析變得更加簡潔明了。最後對譜分解後的特徵值與特徵向量在多維空間上分類,從而實現運動意識的準確、快速分類。本項目不但為運動意識腦電信號分類研究提供新的途徑，也在一定程度上推動了腦機互動技術在現實世界中的套用。

結題摘要

本項目以面向EEG信號構建腦功能網路的運動意識分類研究為立足點，首先對腦電信號處理中的共性關鍵技術——眨眼偽跡自動識別去除進行了研究，在此基礎之上對腦電信號的表征形式及其分析方法和數據分類又進行了深入研究。在偽跡識別去除方面，本項目提出了一種基於相關性分析和功率空間分布特徵來自動識別和去除眨眼偽跡的算法。該算法不需要預先設定模板或閾值，並且相關性能夠直接從獨立成分分析的混合矩陣中計算得到，從而簡化了運算，也為線上去除偽跡奠定了基礎。實驗結果表明該算法識別準確率高，相對於傳統的人工識別有較大改進。在腦電信號表征形式上，本項目通過腦功能網路和腦電微狀態兩種全新的表征方式來代替傳統的多導腦電時間序列。提出了以腦功能網路提取人腦意識任務特徵，將腦網路構建的相關矩陣的特徵值向量作為運動意識任務特徵，然後用支持向量機(SVM)進行分類，在實驗室自行採集的二分類、四分類運動想像腦電數據集進行測試並取得了出色的效果。另外，本項目基於運動想像的腦電u節律（8-12Hz）特性，提出一種廣義頻空微狀態的分析方法，該方法以各自運動想像的特徵頻段構建相應的腦地形圖作為多類運動想像的特徵進行分類，取得了較好的效果。在數據分類方面，我們發展並提出了一種魯棒、智慧型的自動譜聚類算法，該算法在訓練樣本中進行充分學習，不僅能自動確定數據本徵類個數還能確定譜聚類算法中的高斯核函式的尺度參數，從而實現真正意義的數據自動聚類分類。為運動想像的多分類研究提供了較好的分析工具。在理論研究等基礎之上，本項目還開發了兩個基於運動想像的腦機接口實際套用平台，即基於腦機接口的智慧型小車控制平台和基於BCI的主動式肢體康復平台。項目在執行期內，取得了較好的成果，發表論文13篇，其中SCI 期刊論文4篇，EI 國際會議論文3篇，國內一級期刊論文2篇，國核心心刊物2篇。另外項目研究成果申請國家發明專利4項，獲得軟體著作權4項。