申请/专利权人:杭州电子科技大学
申请日:2021-12-27
公开(公告)日:2024-04-19
公开(公告)号:CN114176607B
主分类号:A61B5/369
分类号:A61B5/369;A61B5/374;A61B5/00;A61B5/16;A61B5/18;G06F18/2415;G06N3/045;G06N3/084
优先权:
专利状态码:有效-授权
法律状态:2024.04.19#授权;2022.04.01#实质审查的生效;2022.03.15#公开
摘要:本发明公开了一种基于视觉Transformer的脑电信号分类方法,首先进行数据预处理,获取带标签的处理后的EEG数据,然后构建基于VisionTransformer的脑电信号分类模型;最后通过预处理后的EEG数据训练脑电信号分类模型:本发明方法通过合适的EEG特征嵌入方法对EEG样本进行特征嵌入然后学习EEG样本的局部特征与连续脑电信号之间的长时间依赖关系,在脑电信号分类任务中取得了较好的性能。
主权项:1.一种基于视觉Transformer的脑电信号分类方法,其特征在于,包含如下步骤:步骤1:数据预处理,获取带标签的处理后的EEG数据:步骤2:构建基于VisionTransformer的脑电信号分类模型;所述基于VisionTransformer的脑电信号分类模型EEGVisionTransformer由num个EEGTransformerEncoder模块,一个SequenceInTimeTransformerEncoder模块,num个分类器构成;EEGTransformerEncoder是在VisionTransformer的TransformerEncoder中的Multi-HeadAttention后添加了一个CNN模块构成的;SequenceInTimeTransformerEncoder是在VisionTransformer的TransformerEncoder中的Multi-HeadAttention后添加了一个MBConv模块构成的;所述num个EEGTransformerEncoder模块,用于学习连续num个样本的局部特征,学习到的num个样本的局部特征输入到SequenceInTimeTransformerEncoder模块中学习样本间的时序依赖,得到num个具有时序依赖的token;最后将num个token输入到num个分类器中进行分类,分类器为MLP模块;步骤3:通过预处理后的EEG数据训练脑电信号分类模型。
全文数据:
权利要求:
百度查询: 杭州电子科技大学 一种基于视觉Transformer的脑电信号分类方法
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。