申请/专利权人：华南理工大学;中山市华南理工大学现代产业技术研究院

申请日：2021-03-22

公开（公告）日：2022-09-13

公开（公告）号：CN113057657B

主分类号：A61B5/377

分类号：A61B5/377;A61B5/372;A61B5/16

优先权：

专利状态码：有效-授权

法律状态：2022.09.13#授权;2021.07.20#实质审查的生效;2021.07.02#公开

摘要：本发明公开了基于多尺度连通性特征和元迁移学习的脑电情绪分类方法。包括：采集诱发态下的32导联脑电信号；对脑电信号进行预处理，以滑动窗口的方式进行切分；根据每个窗口的脑电信号计算锁相值矩阵；构建多尺度残差网络；利用元迁移学习的框架训练多尺度残差网络，消除脑电的个体差异性；将锁相值矩阵输入到多尺度残差网络进行情绪分类。本发明通过多尺度残差网络，可以充分挖掘脑电的连通性特征，探讨连通性特征与情绪状态之间的关系，捕捉不同人脑区域的情感交互；本发明通过元迁移学习的框架，可以有效地缓解了跨被试场景下的脑电个体差异大的问题。

主权项：1.基于多尺度连通性特征和元迁移学习的脑电情绪分类方法，其特征在于，包括以下步骤：S1、采集诱发态下的脑电信号；S2、对脑电信号进行预处理，以滑动窗口的方式进行切分，得到脑电片段；S3、对每个切分好的脑电片段，计算每个通道脑电信号之间相位同步性，求出信号之间相位差的平均值，得到锁相值矩阵；S4、构建多尺度残差网络，以有效地捕捉不同大脑区域的情感交互性；S5、利用元迁移学习的框架训练多尺度残差网络，消除脑电的个体差异性；S6、将锁相值矩阵输入到多尺度残差网络进行情绪分类；步骤S2包括以下步骤：S21、利用带通滤波器去掉脑电信号的噪声、运动伪迹和基线漂移；S22、将脑电信号分解为θ、α、β、γ四个波段；S23、以时间长度为n秒、没有重叠的滑动窗口的方式对脑电信号进行切分,得到脑电片段，n为一预设时间长度；步骤S4包括以下步骤：S41、构建一个具有64个滤波器，卷积大小为3x3，步长为2的卷积层，用于特征提取；S42、构建感受野大小为3x3，步长为2的最大池化层，用于特征降采样；S43、构建多尺度模块，包括三个分支：3x残差块，5x残差块和7x残差块，以捕获和融合脑电信号的浅层语义特征，利用不同的感受野来充分捕获不同通道的脑电信号的连通性特征，充分反映出不同大脑区域的活跃程度，捕捉不同脑区之间的情感交互；S44、构造全局平均池化层，用于压缩特征并且减少模型的计算量；S45、构造全连接层用于降维，构造softmax层用于区分负向和正向情绪状态。

全文数据：

权利要求：

百度查询： 华南理工大学;中山市华南理工大学现代产业技术研究院 基于多尺度连通性特征和元迁移学习的脑电情绪分类方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD