[發明專利]基于腦電特征的錯誤預警方法及系統

有效

• 申請號: 201710111062.3
• 申請日: 2017-02-28
• 公開（公告）號: CN108498092B
• 公開（公告）日: 2021-09-14
• 發明（設計）人: 肖毅;盧敏;唐偉財;梁栗炎;孫晨卉;徐鳳剛;韓東旭
• 申請（專利權）人: 中國航天員科研訓練中心;肖毅;北京沁陽光輝科技有限公司
• 主分類號: A61B5/369
• 分類號: A61B5/369;A61B5/372
• 代理公司: 北京清亦華知識產權代理事務所(普通合伙) 11201
• 代理人: 張潤

本發明公開了一種基于腦電特征的錯誤預警方法及系統。該方法包括以下步驟：獲取腦電數據，并對所述腦電數據進行預處理；從所述腦電數據中提取腦電特征；對所述腦電特征進行篩選以剔除所述腦電特征中的干擾信息；根據分類器對所述腦電特征進行分類，以根據分類結果進行錯誤預警。本發明的基于腦電特征的錯誤預警方法可以對操作結果進行直接預測，具有較強的實時性，而且準確度較高，可以實現對任務執行人員的狀態實時監測，并且預測未來行為趨勢，可提高工業部門，如駕駛，電廠操作人員等作業效率和工作可靠性，提高工業系統的安全性，避免不必要的經濟損失和政治影響。

技術領域

本發明涉及生命科學技術領域，特別涉及一種基于腦電特征的錯誤預警方法及系統。

背景技術

相關技術中，有腦力負荷監測、預測、腦力疲勞監測與預測方法。這些方法本質上并不針對作業績效，而是對行為的一種趨勢預測，因此，其準確性和實時性并不是很高。

發明內容

本發明旨在至少在一定程度上解決上述相關技術中的技術問題之一。

為此，本發明的一個目的在于提出一種基于腦電特征的錯誤預警方法。該方法可以對操作結果進行直接預測，具有較強的實時性，而且準確度較高，可以實現對任務執行人員的狀態實時監測，并且預測未來行為趨勢，可提高工業部門，如駕駛，電廠操作人員等作業效率和工作可靠性，提高工業系統的安全性，避免不必要的經濟損失和政治影響。

本發明的另一個目的在于提出一種基于腦電特征的錯誤預警系統。

為了實現上述目的，本發明的第一方面的實施例公開了一種基于腦電特征的錯誤預警方法，包括以下步驟：獲取腦電數據，并對所述腦電數據進行預處理；從所述腦電數據中提取腦電特征；對所述腦電特征進行篩選以剔除所述腦電特征中的干擾信息；根據分類器對所述腦電特征進行分類，以根據分類結果進行錯誤預警。

根據本發明實施例的基于腦電特征的錯誤預警方法，可以對操作結果進行直接預測，具有較強的實時性，而且準確度較高，可以實現對任務執行人員的狀態實時監測，并且預測未來行為趨勢，可提高工業部門，如駕駛，電廠操作人員等作業效率和工作可靠性，提高工業系統的安全性，避免不必要的經濟損失和政治影響。

另外，根據本發明上述實施例的基于腦電特征的錯誤預警方法還可以具有如下附加的技術特征：

在一些示例中，所述腦電數據包括操作或按鍵前的腦電數據和/或前N次操作發生時的腦電數據，以便操作或按鍵前的腦電數據進行即時錯誤預測和/或前N次操作發生時的腦電數據進行操作錯誤預測，其中，所述N為正整數。

在一些示例中，所述對所述腦電數據進行預處理的步驟，包括：對所述腦電數據進行濾波。

在一些示例中，所述腦電特征包括腦電信號的冪律、功率等相關特征。

在一些示例中，所述對腦電特征進行篩選以剔除所述腦電特征中的干擾信息的步驟，包括：計算腦電特征與類別標簽的相關系數，按絕對值大小進行排序；排序自上而下依次引入一個腦電特征，并與與之前保留的腦電特征一同與類別標簽建立線性回歸模型，并檢驗回歸方程的顯著性，如果檢驗效果顯著則保留新引入的腦電特征，如果不顯著則剔除新引入的腦電特征；對每次更新后的回歸模型中的每個腦電特征進一步做顯著性檢驗、剔除、更新，直到回歸模型中的每一個腦電特征都為顯著時為止；重復上述過程，直至無法剔除已經引入的腦電特征，也無法再引入新的腦電特征。

本發明的第二方面的實施例公開了一種基于腦電特征的錯誤預警系統，包括：預處理模塊，用于獲取腦電數據，并對所述腦電數據進行預處理；提取模塊，用于從所述腦電數據中提取腦電特征；篩選模塊，用于對所述腦電特征進行篩選以剔除所述腦電特征中的干擾信息；預警模塊，用于根據分類器對所述腦電特征進行分類，以根據分類結果進行錯誤預警。