随着社会的不断发展,世界人口老龄化现象愈发明显,而老年人群都不可避免地面临着运动障碍以及心脑血管疾病。除此之外,经济发展所带来的空气污染和快节奏生活也造成越来越多的年轻人遭受心脑血管疾病折磨。帮助患者回归正常人的生活,对于他们的家庭和整个社会而言都有着极其重要的意义。目前,脑-机接口系统作为一种前景大好的技术已经被广泛用于康复训练,同时也取得了不少令人欣慰的成果。然而,大多数脑-机接口研究在实验设计上,会对模式进行固定和限制,特别是在患者康复的动作设计上,与实际应用相差甚远。研究者往往倾向于关注从休息到运动的变化,而很少有人去关注运动任务中动作目标是否实现,以及何时实现。因此,本课题采用基于功能性近红外光谱的脑-机接口技术实时地监测被试在完成动作目标时的大脑血氧信息,根据受试者的大脑信息判断是否达到任务的动作目标,根据状态实时调整辅助设备(如机械手或橡胶手套)的驱动力,使得患者自身的力量结合设备辅助力达到最佳夹持力度,基于大脑信息实现脑-机控制闭环和手功能的智能康复训练。另外为了填补之前研究的空白,在实验设计方面相应减少了限制,只给出了动作任务的最终目标。本文的主要研究内容及方法如下:(1)实验中要求47名被试用筷子夹持乒乓球,不限制夹持力度,将夹持住乒乓球作为动作目标,实验过程中应用近红外脑成像设备记录被试的大脑血红蛋白信息。这里通过夹球的方式增加任务难度模拟患者夹取物体的困难度,通过分析夹球过程以及夹到球之后的血氧信息,动态识别被试是否达到任务的动作目标。(2)在夹持意图的识别方面,为了提升算法的快速性,我们通过计算Teager-Kaiser能量算子作为特征。考虑到样本量过大且不均衡,所以在建模任务中,采用了随机森林(Random Forest)算法的决策模型。随机选取了 37位被试的数据作为交叉验证样本,其余10位被试则用作模型的测试集。用随机森林模型,得到交叉验证集的平均识别率为99.04%,测试集的平均识别率为95.00%。(3)提出了任务动作目标达到与否的识别方法。为了保证数据处理的时效性,采用了滑窗处理的方法。总共,计算了常用的6个时域特征及通道间的相关特征作为模型的特征。课题同时采取支持向量机与长短期记忆网络两种不同的二分类处理算法进行建模,选择最优模型,并进一步进行参数优化。最终使用GA-SVM模型,得到交叉验证集的平均识别率为94.76%,测试集的平均识别率为85.83%。(4)为了验证算法的可行性,自行搭建了满足夹持动作意图和达标意图验证要求的平台,实现了在空间X、Y方向的实验验证。最终,在线验证的夹持意图和目标达成状态识别的识别率依次为92.34%与73.26%。结果表明,应用近红外技术进行运动任务动作目标的在线判别是可行的。本课题基于功能性近红外光谱成像技术,探索了人体在达到任务动作目标时大脑的血氧信号变化情况,建立了夹持意图模型以及动作目标状态识别模型,初步实现了夹持任务动作目标的动态判别。这些工作可以为今后脑-机接口康复的研究和应用提供理论基础和技术原型,旨在推动脑-机接口向新的应用方向发展。