基于卷积神经网络提高脑卒中患者二分类运动想象任务识别准确率的可行性研究.pdf

上海医学年第卷第期

２０２４４７４

··

２５３

···

创新论坛神经内科

基于卷积神经网络提高脑卒中患者二分类运动

想象任务识别准确率的可行性研究

杨帮华张永怀

摘要】目的本研究旨在探讨基于卷积神经网络（，）提高二分类运动想象任务识别

ｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋＣＮＮ

准确率的可行性。方法收集年—月在上海市第二康复医院康复科住院的例脑卒中患者资料，患者均为右

２０２０９１２１０

，（），。

侧上肢瘫痪年龄为岁其中女性例应用的导联干电极脑电帽采集受试者的脑电信

５５．３±１１．０５ＣＧＸＱｕｉｃｋ３０３０

号（），采集的各个电极位置符合国际标准导联系统。运动想象任务为单侧上肢精细运动想象，具体为右

ＥＥＧＥＥＧ１０２０

手抓握和右肘摆动。针对运动想象任务二分类，提出自适应迁移学习模型，并从多个层面验证该模型在脑卒中患者

ＣＮＮ

分类中的准确性及其算法性能。首先，验证基准算法性能（即单一个体模型），即不进行任何迁移，使用同一个

ＥＥＧＣＮＮ

体的训练集生成模型，应用测试集得到分类准确率，与使用同样的数据集划分的其他深度学习算法比较。其次，验证自适

应迁移模型性能，分类准确率应高于特定受试者的单一个体模型和由其他个体数据形成的预训练模型。模型比较

ＣＮＮ

全程应用交叉验证的方法，其中在基准的分类结果分析中，所有的单一个体模型使用折交叉验证，预训练模型和

ＣＮＮ１０

自适应模型均使用折交叉验证。结果在例脑卒中患者试验数据上进行验证，自适应迁移模型的分类准确率

５１０ＣＮＮ

为，高于单一个体模型的和预训练模型的。并且，例脑卒中患者

０．７７０４±０．０４９３０．６１６８±０．０７１５０．５３３６±０．０３４２１０

结论

中，有例患者分类准确率超过了；该例患者中有例超过了。通过优化网络结构和训练策略，

８０．７０００８４０．８０００

能够显著提高二分类运动想象任务的分类识别准确率，从而为运动想象的处理和分析提供了新思路，也为基于

ＣＮＮＥＥＧ

脑机接口的运动康复训练等领域的发展提供了有力支持。

关键词】脑卒中；运动想象；脑机接口；二分类；卷积神经网络；康复训练

