采用源空间套索分析和卷积神经网络方法的高频脑电动作模式识别方法

摘要

针对目前同侧手部运动意图识别率低的问题，提出了一种基于源空间套索分析和卷积神经网络(source-Lasso-CNN,SLC)的高频脑电动作模式识别方法。该方法运用空间源定位分析与握拳、展拳、二指对捏、三指对捏4种动作相关的脑电信号，使用组Lasso进行感兴趣区域(ROI)选择，再输入到卷积神经网络进行单手多类动作模式识别。采集13名被试者在4种手部动作模式下的脑电和肌电信号并进行预处理，采用基于核磁共振图像的边界元模型建立头模型、使用最小范数估计解决脑电源成像逆问题，将传感器空间的脑电信号映射至源空间。将源空间脑电序列按照布罗德曼分区进行划分，提取每个脑区的3个时域特征并基于特征采用组Lasso方法进行ROI选择，将挑选出的ROI及其对应源空间序列输入卷积神经网络中进行四分类。实验结果表明：采用source-Lasso-CNN的方法在高频(γ频带)脑电的识别准确率可达(82.23±12.71)%,优于在δ(1～3 Hz)、θ(4～7 Hz)、α(8～13 Hz)、β(14～30 Hz)以及全频带(1～100 Hz)上的结果。与其他先进方法相比，其准确率也有显著性的提升，显示了该方法在同侧手部运动意图识别中的有效性。

关键词

源空间 / Lasso / 卷积神经网络 / 高频脑电 / 手部运动意图识别

基金资助

国家自然科学基金资助项目(32071372,62271385); 四川省科技计划资助项目(2022YFS0030)