申请/专利权人：电子科技大学

申请日：2022-09-26

公开（公告）日：2024-04-05

公开（公告）号：CN117814793A

主分类号：A61B5/16

分类号：A61B5/16;A61B5/00;A61B5/372;G06F18/214;G06F18/2415;G06F18/243;G06F18/2431;G06N3/0442;G06N3/045;G06N3/0464;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.23#实质审查的生效;2024.04.05#公开

摘要：本发明公开了一种基于脑电图的人类情绪分类方法，属于基于脑电图的识别技术领域。本发明包括：采集应试者的原始脑电信号，并确定与情绪相关的脑电通道，提取对应的脑电信息组成信号样本并配置其对应的分类标签；构建并训练卷积双向循环注意力模型，基于信号样本进行训练，基于训练好的训练卷积双向循环注意力模型获取目标对象的情绪分类结果。本发明中可以较为准确的分别在效价维度和唤醒维度对人类情绪进行二分类。且由于基于脑电信息这种生理信号来实现对人类情绪的分类，因此在很大程度上可以避免被试对其真实情感进行隐藏或者伪装。同时采用卷积神经网络、循环神经网络可以更加有效的综合脑电信息中的时空信息。

主权项：1.基于脑电图的人类情绪分类方法，其特征在于，包括下列步骤：步骤一、获取训练样本：采集应试者的原始脑电信号，并对该原始脑电信号进行信号预处理，以去除伪迹数据；采集原始脑电信号时，按照指定时长记录应试者的情绪状态，对记录的各情绪状态通过采用的情绪分类模型配置对应的情绪类别标签；基于采用的大脑分区模板，得到各脑区位置，并将采集原始脑电信号的各电极位置与脑区位置进行对应；确定与情绪相关的脑区，基于电极位置与脑区位置的对应关系，确定与情绪相关的脑电通道；提取与情绪相关的脑电通道的脑电信号，并按照指定时长对提取的各通道的脑电信号进行分段，并将同一时序的与情绪相关的脑电通道的信号分段作为一个样本信号，其中，指定时长的长度与记录应试者的情绪状态一致，基于对应时序的情绪状态的情绪类别标签，得到每个信号样本的分类标签，基于一个信号样本及其分类标签得到一个训练样本；步骤二、构建并训练卷积双向循环注意力模型；所述卷积双向循环注意力模型依次包括：卷积层1、卷积层2、池化层、双向门控循环Bi-GRU网络层、自注意力层和全连接层；其中，每一层卷积层的卷积核大小相同，池化层采用最大池化方式，通过Bi-GRU网络层对池化层输出的特征图的前向和后向信息进行汇总，再对来自两个方向的信息近合并得到Bi-GRU网络层最终的输出特征图并输入至自注意力层，通过自注意力层通过查询值和键值之间的相似度确定不同脑电通道的权重信息，并对线性变换后的输入特征图进行加权求和得到自注意力层的输出特征并输入至全连接层，全连接层采用softmax作为激活，对情绪进行分类输出；基于步骤一获取的训练样本，对所构建的卷积双向循环注意力模型进行网络参数训练，当满足预置的训练结束条件时停止，得到训练好的卷积双向循环注意力模型，并作为人类情绪分类器；步骤三，基于人类情绪分类器获取目标对象的情绪分类结果：采集目标对象的原始脑电信号，并进行信号预处理，以去除伪迹数据，且采集时的电极位置与步骤一相同；基于步骤一所确定的与情绪相关的脑电通道，提取指定脑电通道的指定时长的脑电信号，并将其输入人类情绪分类器中，基于其输出确定目标对象的情绪分类结果。

全文数据：

权利要求：

百度查询： 电子科技大学 基于脑电图的人类情绪分类方法

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