申请/专利权人：中国人民解放军国防科技大学

申请日：2023-12-16

公开（公告）日：2024-03-15

公开（公告）号：CN117694904A

主分类号：A61B5/369

分类号：A61B5/369;A61B5/372;A61B5/00;G06F18/214;G06F18/241;G06F18/213;G06N3/0455

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.02#实质审查的生效;2024.03.15#公开

摘要：本发明公开了一种面向多源脑电图信号的自监督预训练方法，获取不同设备采集的原始EEG信号，对原始EEG信号进行电极分簇和时间分段处理并聚合，得到第一向量组；然后对原始EEG信号进行预处理，对预处理后的EEG信号进行电极分簇和时间分段处理并聚合，得到第二向量组；接着通过预设的Transformer网络模型和掩盖比例对第一向量组进行处理，得到第一向量组的预测值；设计损失函数并计算模型损失和调整参数，得到训练后的网络模型；最后预设分类模块并微调，将微调后的分类模块和训练后的网络模型中的Transformer编码器共同用于特定的下游任务。该方法训练出的模型在下游分类任务中表现出优异的性能。

主权项：1.一种面向多源脑电图信号的自监督预训练方法，其特征在于，所述方法包括：S1、获取不同设备采集的原始EEG信号，基于脑区异质性对采集所述原始EEG信号的电极按脑区进行分簇，并对每簇电极对应的原始EEG信号进行时间上的顺序分段，得到若干个原始二维脑区-时间片段，将每个所述原始二维脑区-时间片段上的原始EEG信号聚合成一维向量，由此得到第一向量组；S2、对所述原始EEG信号进行预处理，得到预处理后EEG信号，基于脑区异质性对所述预处理后EEG信号对应的电极进行分簇，并对每簇电极对应的预处理后EEG信号进行时间上的顺序分段，得到若干个与所述原始二维脑区-时间片段数量相同的预处理后二维脑区-时间片段，将每个所述预处理后二维脑区-时间片段上的预处理后EEG信号聚合成一维向量，由此得到第二向量组；S3、预设Transformer网络模型和掩盖比例，所述Transformer网络模型包括依次连接的Transformer编码器和Transformer解码器，以预设的掩盖比例对所述第一向量组采用随机向量进行掩盖，将未掩盖的第一向量组输入所述Transformer编码器中进行特征提取，得到所述未掩盖的第一向量组的特征向量组，将用于掩盖所述第一向量组的随机向量组和所述未掩盖的第一向量组的特征向量组输入所述Transformer解码器中进行预测，得到所述第一向量组的预测值；S4、根据所述第一向量组、第二向量组和第一向量组的预测值设计损失函数，根据所述损失函数计算所述Transformer网络模型的损失并调整参数，得到训练后的Transformer网络模型；S5、预设分类模块并微调，将微调后的分类模块和所述训练后的网络模型中的Transformer编码器用于特定的下游任务。

全文数据：

权利要求：

百度查询： 中国人民解放军国防科技大学 一种面向多源脑电图信号的自监督预训练方法

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