申请/专利权人:山东大学
申请日:2024-02-08
公开(公告)日:2024-03-19
公开(公告)号:CN117725490A
主分类号:G06F18/241
分类号:G06F18/241;G06F18/214;G06N3/0464
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.05#实质审查的生效;2024.03.19#公开
摘要:本发明提出了基于跨被试被动式音高感知EEG自动分类方法及系统,包括:采集每名受试者对音高感知的脑电数据;将每名受试者采集的脑电数据划分为训练集和测试集,基于训练集和测试集确定EEGNet模型的最优超参数,其中,共采集N名被试数据,得到N个EEGNet模型,所述N个EEGNet模型将构成跨被试训练所用的模型库;当对一名新被试进行跨被试建模时,新被试的一部分数据作标定数据集,剩下的部分作测试集,标定数据集的作用是对模型库中所有单被试建好的模型分别进行分类预测,并对N个EEGNet模型在标定数据集下的准确率进行排序,选出分类表现较好的M个EEGNet模型组成优选模型集,基于优选模型集得到最终分类预测结果。
主权项:1.基于跨被试被动式音高感知EEG自动分类方法,其特征是,包括:采集每名受试者对音高感知的脑电数据;将所有采集得到的脑电数据采用两个滤波器依次进行滤波,其中一个为高通滤波器,用于去除脑电信号中的直流分量;另一个为陷波滤波器,用于去除工频干扰;将每名受试者采集的脑电数据划分为训练集和测试集,基于训练集和测试集确定EEGNet模型的最优超参数,其中,共采集N名被试数据,得到N个EEGNet模型,所述N个EEGNet模型将构成跨被试训练所用的模型库;当对一名新被试进行跨被试建模时,新被试的一部分数据作标定数据集,剩下的部分作测试集,标定数据集的作用是对模型库中所有单被试建好的模型分别进行分类预测,并对N个EEGNet模型在标定数据集下的准确率进行排序,选出分类表现较好的M个EEGNet模型组成优选模型集,基于优选模型集得到最终分类预测结果。
全文数据:
权利要求:
百度查询: 山东大学 跨被试被动式音高感知EEG自动分类方法及系统
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。