成果简介：

本成果致力于研究可靠有效的脑电信号特征提取和运动想象任务分类识别方法。通过深度学习，脑电信号中感知运动节律的变化信息可以逐层提取出来，可以得到脑电信号高层次的特征，而且通过构建脑电信号特征深度学习网络，提取具备较强识别性能的脑电信号特征，从而有效提高分类准确率，使基于运动想象的脑机接口(Brain Computer Interface, BCI)系统满足实时通信需求。

本成果以深度学习思想为理论工具，结合概率协作表示构建基于运动想象 BCI 系统的分类识别算法架构，研究适用于描述脑电信号特征的长短时记忆 (Long Short-Term Memory, LSTM)递归神经网络，采用监督学习方法，提取脑电训练集和测试集的信号特征，为了降低算法复杂度，本成果将通过信道选择方式，对包含各类运动想象或肢体运动的脑电信号的记录区域进行定位，拟采用自适应信道选择算法，确定脑电信号可分性明显的部分信道，构造基于部分特征的脑电信号特征表示，然后利用概率协作表示方法完成运动想象任务的分类。

应用范围：

应用于康复医疗领域。

推广潜力及前景分析：

我国现有康复医疗资源非常紧缺，通过与康复医疗相关企业合作，研发利用BCI 系统直接控制智能康复装置，利用企业技术壁垒强、价格低等优势，产品研发成功后将迅速占据国内市场，投放至各大医院、康复诊疗中心进行临床应用，有效解决康复治疗方法存在的人员消耗大、康复周期长、效果有限等问题，缓解康复医疗资源供需矛盾，提高运动功能障碍患者的生活质量，同时打破相关产品依赖进口的局面，并带动相关产业发展，增加就业，必将产生巨大的经济效益和良好的社会效益。本项目目标产品，科技含量高，具有自主知识产权，成本低，利润空间大，市场潜力大，盈利能力强。

 

联系地址：山东省济南市历下区科院路19号

联系人：俞女士     联系电话：0531-88728357