本發(fā)明屬于腦電特征分析，具體涉及一種基于多導聯(lián)腦電特征分析的腦電反饋訓練方法及系統(tǒng)。

背景技術(shù)：

1、隨著腦科學和神經(jīng)科學的快速發(fā)展，人們對于大腦活動的了解日益深入，腦電圖（eeg）作為一種非侵入性的腦功能檢測手段，因其高時間分辨率和相對低廉的成本，在臨床和科研領(lǐng)域得到了廣泛應(yīng)用，然而，傳統(tǒng)的腦電圖分析方法往往依賴于專家的經(jīng)驗判斷，缺乏客觀統(tǒng)一的標準，且無法實時反饋腦電活動狀態(tài)，限制了其在腦電反饋訓練中的應(yīng)用。

2、現(xiàn)有技術(shù)中，雖然存在一些基于腦電圖的反饋訓練系統(tǒng)，但往往對于各個腦區(qū)下的腦電特征頻譜分類不準確，進而在進行腦電活動狀態(tài)的評估時，其輸出結(jié)果會存在較大的偏差，從而影響訓練效果和準確性，基于此，本發(fā)明提出了一種基于多導聯(lián)腦電特征分析的腦電反饋訓練方法，以解決上述問題。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的是提供一種基于多導聯(lián)腦電特征分析的腦電反饋訓練方法及系統(tǒng)，能夠更準確地分類和評估腦電特征頻譜，從而提高腦電反饋訓練的效率和準確性。

2、本發(fā)明采取的技術(shù)方案具體如下：

3、一種基于多導聯(lián)腦電特征分析的腦電反饋訓練方法，包括：

4、對采集到的多導聯(lián)腦電數(shù)據(jù)進行預處理，并對預處理后的多導聯(lián)腦電數(shù)據(jù)進行特征提取，提取出與腦電活動相關(guān)的腦電特征頻譜；

5、對不同腦區(qū)的所述腦電特征頻譜進行分類處理，得到多個基準特征子集；

6、對各個所述基準特征子集內(nèi)的腦電特征頻譜進行篩選處理，得到各個所述基準特征子集下的腦電特征頻譜對應(yīng)的標準波動幅度區(qū)間；

7、根據(jù)所述標準波動幅度區(qū)間，識別目標腦區(qū)的腦電活動狀態(tài)，其中，所述腦電活動狀態(tài)包括正常狀態(tài)和異常狀態(tài)；

8、所述正常狀態(tài)下，將對應(yīng)的腦區(qū)記錄為正常腦區(qū)，并實時監(jiān)測所述正常腦區(qū)下的腦電特征頻譜，并根據(jù)監(jiān)測結(jié)果實時調(diào)整訓練參數(shù)，維持腦電活動在標準波動幅度區(qū)間內(nèi)；

9、所述異常狀態(tài)下，將對應(yīng)的腦區(qū)記錄為異常腦區(qū)，并通過反饋機制提示訓練對象調(diào)整腦電活動，直至所述異常腦區(qū)恢復正常狀態(tài)。

10、在一種優(yōu)選方案中，所述提取出與腦電活動相關(guān)的腦電特征頻譜的步驟，包括：

11、獲取多導聯(lián)腦電數(shù)據(jù)，并對多導聯(lián)腦電數(shù)據(jù)進行濾波處理，去除噪聲和偽跡；

12、對濾波后的多導聯(lián)腦電數(shù)據(jù)進行降維處理，將多維狀態(tài)下的多導聯(lián)腦電數(shù)據(jù)轉(zhuǎn)換為低維狀態(tài)下的多導聯(lián)腦電數(shù)據(jù)；

13、利用傅里葉變換對降維后的多導聯(lián)腦電數(shù)據(jù)進行頻域分析，將時域信號轉(zhuǎn)換為頻域信號，并提取出腦電特征頻譜。

14、在一種優(yōu)選方案中，所述對不同腦區(qū)的所述腦電特征頻譜進行分類處理，得到多個基準特征子集的步驟，包括：

15、獲取所有所述腦電特征頻譜，并進行向量化處理，得到各個所述腦電特征頻譜的腦電特征向量；

16、獲取分類函數(shù)，并將所述腦電特征向量輸入至分類函數(shù)中進行逐一比對，得到各個所述腦電特征向量之間的相似度得分；

17、獲取篩分閾值，并將所述篩分閾值與相似度得分進行比較，且將所述相似度得分大于篩分閾值的腦電特征向量對應(yīng)的腦電特征頻譜歸類為同類型腦電特征頻譜，再匯總至同一基準特征子集中，反之，則將腦電特征向量對應(yīng)的腦電特征頻譜歸類為非同類型腦電特征頻譜，并歸類至不同的基準特征子集中；

18、其中，各個所述基準特征子集均添加有唯一性的特征標識，且每個所述基準特征子集均對應(yīng)一個腦區(qū)。

19、在一種優(yōu)選方案中，所述基準特征子集輸出后，若所述基準特征子集的數(shù)量高于腦區(qū)數(shù)量，則表明所述腦電特征頻譜存在冗余分類，若所述基準特征子集的數(shù)量低于腦區(qū)數(shù)量，則表明所述腦電特征頻譜存在短缺分類；

20、所述冗余分類下，對各個腦區(qū)下基準特征子集內(nèi)的腦電特征頻譜進行合并處理，直至所述基準特征子集的數(shù)量與腦區(qū)的數(shù)量一致后停止；

21、所述短缺分類下，增加采集的多導聯(lián)腦電數(shù)據(jù)量，重新進行特征提取和分類處理，直至基準特征子集的數(shù)量與腦區(qū)數(shù)量相匹配。

22、在一種優(yōu)選方案中，所述對各個腦區(qū)下基準特征子集內(nèi)的腦電特征頻譜進行合并處理的步驟，包括：

23、獲取同一腦區(qū)下的所有基準特征子集，并對各個所述基準特征子集中腦電特征頻譜的相似度得分進行求和并取平均值處理，得到合并條件參數(shù)；

24、對所述篩分閾值進行正向偏移處理，得到容許合并閾值；

25、將高于所述容許合并閾值的合并條件參數(shù)下的基準特征子集直接進行合并處理，將低于所述容許合并閾值的合并條件參數(shù)下基準特征子集中的腦電特征頻譜記錄為邊緣特征頻譜；

26、將相鄰腦區(qū)下的所有所述邊緣特征頻譜進行合并處理，并記錄為邊緣特征子集。

27、在一種優(yōu)選方案中，所述各個所述基準特征子集內(nèi)的腦電特征頻譜進行篩選處理，得到各個所述基準特征子集下的腦電特征頻譜對應(yīng)的標準波動幅度區(qū)間的步驟，包括：

28、獲取所述基準特征子集內(nèi)的腦電特征頻譜，以及各個腦電特征頻譜之間的相似度得分，且記錄為篩選條件參數(shù)；

29、對各個所述篩選條件參數(shù)進行雙向偏移處理，得到篩選條件區(qū)間；

30、統(tǒng)計各個所述篩選條件區(qū)間下的篩選條件參數(shù)的數(shù)量，并記錄為待評估參數(shù)；

31、將所述待評估條件參數(shù)按照由大至小的順序進行排列，且將排列位次最高的待評估條件參數(shù)下的篩選條件區(qū)間對應(yīng)的腦電特征頻譜記錄為標準特征頻譜；

32、采集所述標準特征頻譜的波動幅度，并記錄為腦電特征頻譜的標準波動幅度區(qū)間。

33、在一種優(yōu)選方案中，所述根據(jù)所述標準波動幅度區(qū)間，識別目標腦區(qū)的腦電活動狀態(tài)的步驟，包括：

34、獲取目標腦區(qū)的腦電特征頻譜，并記錄為待校對特征頻譜；

35、將所述待校對特征頻譜與標準波動幅度區(qū)間進行比較；

36、若所述待校對特征頻譜的波動幅度在標準波動幅度區(qū)間內(nèi)，則判定目標腦區(qū)的腦電活動狀態(tài)為正常狀態(tài)；

37、若所述待校對特征頻譜的波動幅度超出標準波動幅度區(qū)間，則判定目標腦區(qū)的腦電活動狀態(tài)為異常狀態(tài)。

38、在一種優(yōu)選方案中，所述通過反饋機制提示訓練對象調(diào)整腦電活動，直至所述異常腦區(qū)恢復正常狀態(tài)的步驟，包括：

39、獲取所述異常腦區(qū)的腦電特征頻譜，并記錄為異常特征頻譜；

40、根據(jù)所述異常特征頻譜與標準特征頻譜之間的差異，生成腦電活動調(diào)整策略；

41、將所述腦電活動調(diào)整策略通過視覺、聽覺以及觸覺反饋給訓練對象，引導目標腦區(qū)進行腦電活動；

42、持續(xù)監(jiān)測目標腦區(qū)的腦電活動，并實時更新異常腦區(qū)的腦電特征頻譜，且當異常腦區(qū)的腦電特征頻譜波動幅度回歸至標準波動幅度區(qū)間內(nèi)時，確認腦電活動狀態(tài)已恢復正常，并結(jié)束反饋調(diào)整。

43、本發(fā)明還提供了，一種基于多導聯(lián)腦電特征分析的腦電反饋訓練系統(tǒng)，使用上述的基于多導聯(lián)腦電特征分析的腦電反饋訓練方法，包括：

44、特征提取模塊，所述特征提取模塊用于對采集到的多導聯(lián)腦電數(shù)據(jù)進行預處理，并對預處理后的多導聯(lián)腦電數(shù)據(jù)進行特征提取，提取出與腦電活動相關(guān)的腦電特征頻譜；

45、特征分類模塊，所述特征分類模塊用于對不同腦區(qū)的所述腦電特征頻譜進行分類處理，得到多個基準特征子集；

46、標準構(gòu)建模塊，所述標準構(gòu)建模塊用于對各個所述基準特征子集內(nèi)的腦電特征頻譜進行篩選處理，得到各個所述基準特征子集下的腦電特征頻譜對應(yīng)的標準波動幅度區(qū)間；

47、狀態(tài)評估模塊，所述狀態(tài)評估模塊用于根據(jù)所述標準波動幅度區(qū)間，識別目標腦區(qū)的腦電活動狀態(tài)，其中，所述腦電活動狀態(tài)包括正常狀態(tài)和異常狀態(tài)；

48、第一干預模塊，所述第一干預模塊用于在所述正常狀態(tài)下，將對應(yīng)的腦區(qū)記錄為正常腦區(qū)，并實時監(jiān)測所述正常腦區(qū)下的腦電特征頻譜，并根據(jù)監(jiān)測結(jié)果實時調(diào)整訓練參數(shù)，維持腦電活動在標準波動幅度區(qū)間內(nèi)；

49、第二干預模塊，所述第二干預模塊用于在所述異常狀態(tài)下，將對應(yīng)的腦區(qū)記錄為異常腦區(qū)，并通過反饋機制提示訓練對象調(diào)整腦電活動，直至所述異常腦區(qū)恢復正常狀態(tài)。

50、以及，一種電子設(shè)備，所述電子設(shè)備包括：

51、至少一個處理器；

52、以及與所述至少一個處理器通信連接的存儲器；

53、其中，所述存儲器存儲有可被所述至少一個處理器執(zhí)行的計算機程序，所述計算機程序被所述至少一個處理器執(zhí)行，以使所述至少一個處理器能夠執(zhí)行上述的基于多導聯(lián)腦電特征分析的腦電反饋訓練方法。

54、本發(fā)明取得的技術(shù)效果為：

55、本發(fā)明通過基于多導聯(lián)腦電特征分析的腦電反饋訓練方法，能夠有效地對腦電活動進行分類和狀態(tài)評估，并且在采集腦電特征頻譜時，并非根據(jù)采集位置來確定，而是依據(jù)實際采集到的腦電特征頻譜進行分類，具體可分類為基準特征子集和邊緣特征子集，邊緣特征子集中的腦電頻譜特征可能對應(yīng)相鄰腦區(qū)中的任一個，在實際應(yīng)用中能夠更精確地識別和定位腦電活動異常區(qū)域，此外，通過反饋機制，本發(fā)明能夠?qū)崟r調(diào)整腦電活動，為訓練對象提供個性化的腦電活動調(diào)整策略，通過實時監(jiān)測和反饋調(diào)整，有助于訓練對象在異常腦區(qū)出現(xiàn)時及時調(diào)整腦電活動，促進腦電活動回歸至正常波動幅度區(qū)間，進而改善腦功能和促進腦健康。