申请/专利权人：太原理工大学

申请日：2023-12-07

公开（公告）日：2024-04-16

公开（公告）号：CN117883082A

主分类号：A61B5/16

分类号：A61B5/16;A61B5/1455;A61B5/378;A61B5/372;A61B5/00;G06F18/24;G06F18/214

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.03#实质审查的生效;2024.04.16#公开

摘要：本发明公开了一种异常情绪识别方法、系统、设备及介质，涉及生物医学信息处理领域，该方法包括：将目标脑电信号划分为不同频段的频段信号；根据目标功能近红外信号计算氧合血红蛋白浓度变化；分别提取目标频段信号和目标氧合血红蛋白浓度变化的时域Hjorth参数特征、功率谱密度和微分熵特征；将提取的特征输入情绪识别模型，得到目标使用者观看目标视频时的情绪响应类型；情绪识别模型是基于自注意力卷积神经网络和全局注意力图神经网络构建的；将情绪响应类型与目标视频的情绪类型进行比较，确定异常情绪状态评价指标，从而确定目标使用者观看目标视频时大脑的情绪响应状态是否正常。本发明能提高异常情绪识别的准确性。

主权项：1.一种异常情绪识别方法，其特征在于，包括：获取目标脑电信号和目标功能近红外信号；所述目标脑电信号为目标使用者观看目标视频时的脑电信号；所述目标功能近红外信号为目标使用者观看目标视频时的功能近红外信号；所述目标视频包括多段诱发不同情绪类型的视频段；将所述目标脑电信号划分为不同频段的频段信号，得到目标频段信号；根据所述目标功能近红外信号计算氧合血红蛋白浓度变化，得到目标氧合血红蛋白浓度变化；提取所述目标频段信号的时域Hjorth参数特征、功率谱密度和微分熵特征，得到第一目标特征；提取所述目标氧合血红蛋白浓度变化的时域Hjorth参数特征、功率谱密度和微分熵特征，得到第二目标特征；将所述第一目标特征和所述第二目标特征输入情绪识别模型，得到目标使用者观看目标视频时的情绪响应类型；其中，所述情绪识别模型是基于自注意力卷积神经网络和全局注意力图神经网络构建的；将所述情绪响应类型与所述目标视频的情绪类型进行比较，确定异常情绪状态评价指标；所述异常情绪状态评价指标包括：情绪响应准确率、情绪响应负性率和情绪响应正性率；根据所述异常情绪状态评价指标确定目标使用者观看目标视频时大脑的情绪响应状态是否正常。

全文数据：

权利要求：

百度查询： 太原理工大学 一种异常情绪识别方法、系统、设备及介质

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