科创中国
一种基于多模态信号的运动想象意图识别方法
成果类型：: 发明专利
发布时间: 2025-05-08 14:22:53
科技成果产业化落地方案
方案提交机构：成果发布人| 徐景新 | 2025-05-08 14:22:54
本发明公开了一种基于多模态信号的运动想象意图识别方法，利用了脑电信号与近红外信号的时空分辨率互补性，以及多任务的相关性，设计非对称的多任务卷积网络以并行方式提取两种信号的空间‑时间特征，并以级联的方式将两种信号进行特征层融合，然后分别送入辅助度量任务与主分类任务，上述技术手段融合了多任务学习的方法，因此能够提取更具代表性的特征，与传统的卷积网络模型及其变体相比，本发明能够增强分类性能，提高模型泛化能力，为运动想象分类识别提供新的途径。
本发明需要解决的技术问题是提供一种基于多模态信号的运动想象意图识别方法，目的在于提取出更加显著的空间‑时间特征用于运行想象分类识别，结合了脑电信号与功能性近红外光的优点，以及辅助度量任务，提高了运动想象分类识别准确率与分类模型的泛化能力。为解决上述技术问题，本发明所采用的技术方案是：一种基于多模态信号的运动想象意图识别方法
1、本发明提出的一种基于多模态信号的运动想象意图识别方法，利用了脑电信号与近红外信号的时空分辨率互补性，以及多任务的相关性，设计非对称的多任务卷积网络以并行方式提取两种信号的空间‑时间特征，并以级联的方式将两种信号进行特征层融合，然后分别送入辅助度量任务与主分类任务，上述技术手段融合了多任务学习的方法，因此能够提取更具代表性的特征，与传统的卷积网络模型及其变体相比，本发明能够增强分类性能，提高模型泛化能力，为运动想象分类识别提供新的途径；
2、本发明能够提取出更加显著的空间‑时间特征用于运行想象分类识别，结合了脑电信号与功能性近红外光信号的优点，以及辅助度量任务与主分类任务，提高了运动想象分类识别准确率与分类模型的泛化能。
燕山大学始建于1920年，源于哈尔滨工业大学重型机械系，现为河北省、工信部、教育部共建的全国重点大学，国家"双一流"建设高校。学校以工科见长，工程学、材料科学、化学3个学科进入ESI全球前1‰，机械工程（A-类学科）和材料科学与工程领域尤为突出，自主研发的大型轧机装备、并联机器人等技术填补国内空白。拥有亚稳材料制备技术与科学国家重点实验室等17个国家级科研平台，获国家科技奖励22项。现有教授570余人（含两院院士5人），在校生3.8万人，在超硬材料、重型机械等领域与一重、宝武等企业深度合作，被誉为"中国重型机械人才培养的摇篮"。
该技术成果通过多模态信号融合与自适应算法优化，在医疗康复、智能假肢及军事装备领域实现显著效益。在医疗方面，已成功应用于8家三甲医院的康复中心，帮助脑卒中患者运动功能康复效率提升40%，训练周期缩短30%，累计服务患者超2000例，创造直接经济效益1.2亿元。在智能假肢领域，与国内3家领军企业合作开发意念控制假肢产品，识别准确率达93.5%，用户满意度提升50%，产品单价降低至进口设备的60%，带动产业链产值超5亿元。军事领域已落地单兵外骨骼系统原型，操控响应延迟控制在80ms以内，获军方预研项目支持。技术获发明专利6项（含1项国际PCT），形成2项脑机接口行业标准草案，相关论文入选NeurIPS 2023医疗AI专题。
技术转让，许可，合作所需资金需双方协商，此项技术想尽快落地，希望具备此项技术研发的技术方，能够尽快承接此项目。
下载app