[發(fā)明專(zhuān)利]一種基于卡諾模型的腦電信號(hào)標(biāo)定方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201710134594.9
• 申請(qǐng)日: 2017-03-08
• 公開(kāi)（公告）號(hào): CN106889986B
• 公開(kāi)（公告）日: 2020-01-10
• 發(fā)明（設(shè)計(jì)）人: 馮毅雄;李塘;婁山河;高一聰
• 申請(qǐng)（專(zhuān)利權(quán)）人: 浙江大學(xué)
• 主分類(lèi)號(hào): A61B5/0476
• 分類(lèi)號(hào): A61B5/0476;A61B5/00
• 代理公司: 33200 杭州求是專(zhuān)利事務(wù)所有限公司
• 代理人: 林超

1.一種基于卡諾模型的腦電信號(hào)標(biāo)定方法，其特征在于包括以下步驟：

步驟1：受試者佩戴電極帽后，在受試者面前呈現(xiàn)具有質(zhì)量特性的聽(tīng)視覺(jué)刺激，在刺激呈現(xiàn)期間連續(xù)記錄腦電圖，獲得EEG數(shù)據(jù)；

步驟2：數(shù)據(jù)預(yù)處理：根據(jù)刺激中的質(zhì)量特性對(duì)EEG數(shù)據(jù)進(jìn)行分割，用數(shù)字濾波器對(duì)EEG數(shù)據(jù)進(jìn)行濾波；

所述步驟2中根據(jù)刺激中的質(zhì)量特性對(duì)EEG數(shù)據(jù)進(jìn)行分割具體是指根據(jù)質(zhì)量特性對(duì)應(yīng)的刺激所呈現(xiàn)的時(shí)間段對(duì)EEG數(shù)據(jù)進(jìn)行時(shí)間上的分割，分為各個(gè)不同時(shí)間段的EEG段；

步驟3：特征提?。河?jì)算每個(gè)EEG段的非線性樣本熵的數(shù)值；

步驟4：利用卡諾模型對(duì)質(zhì)量特性進(jìn)行分類(lèi)，并根據(jù)質(zhì)量特性的分類(lèi)結(jié)果對(duì)所有EEG段劃分目錄；

所述步驟4具體為：利用卡諾模型對(duì)每一質(zhì)量特性的好壞進(jìn)行分類(lèi)分為不同程度的五類(lèi)，將同一質(zhì)量特性且同一種類(lèi)別的EEG段歸為同一目錄中，由此將所有EEG段分為不同的目錄；

步驟5：采用支持向量機(jī)(SVM)算法，以各個(gè)不同目錄的樣本熵作為算法輸入進(jìn)行訓(xùn)練得到模型，完成腦電信號(hào)的標(biāo)定。

2.根據(jù)權(quán)利要求1所述的一種基于卡諾模型的腦電信號(hào)標(biāo)定方法，其特征在于：同一目錄的樣本熵為該目錄中的所有EEG段的樣本熵的平均值。

3.根據(jù)權(quán)利要求1所述的一種基于卡諾模型的腦電信號(hào)標(biāo)定方法，其特征在于：所述的數(shù)字濾波器采用30Hz的低通數(shù)字濾波器。

4.根據(jù)權(quán)利要求1所述的一種基于卡諾模型的腦電信號(hào)標(biāo)定方法，其特征在于：所述步驟3具體為：

3.1)采用以下公式將EEG片段的相鄰各個(gè)采樣點(diǎn)按時(shí)間順序組成時(shí)間序列，作為m維幅值向量：

X_m(i)＝[x(i),x(i+1),...,x(i+m-1)],1≤i≤N-m+1

其中，m為模式維數(shù)，一般取值為2，N表示所獲得的EEG片段的采樣點(diǎn)總數(shù)，i為采樣點(diǎn)的序數(shù)，x(i)表示第i個(gè)采樣點(diǎn)的信號(hào)幅值大小，X_m(i)表示第i個(gè)采樣點(diǎn)下m維的幅值向量；

采用以下公式計(jì)算得到X_m(i)和X_m(j)之間的距離d[X_m(i),X_m(j)]：

d[X_m(i),X_m(j)]＝max|x(i+k)-x(j+k)|1≤k≤m-1；1≤i,j≤N-m+1,i≠j

其中，j為采樣點(diǎn)的序數(shù)，X_m(j)表示第j個(gè)采樣點(diǎn)下m維的幅值向量；

3.2)對(duì)于每個(gè)采樣點(diǎn)i(1≤i≤N-m)，當(dāng)滿(mǎn)足條件d[X_m(i),X_m(j)]<r時(shí)進(jìn)行計(jì)數(shù)，r表示容差距離，r>0，并表示為num{d[X_m(i),X_m(j)]}，1≤j≤N-m,i≠j；

然后采用以下公式計(jì)算得到距離的平均數(shù)：

其中，num{d[X_m(i),X_m(j)]}表示幅值向量X_m(j)和幅值向量X_m(i)之間的采樣點(diǎn)數(shù)量，表示第i個(gè)采樣點(diǎn)下m維的幅值向量之間距離的平均數(shù)，B^m(r)表示m維時(shí)所有各個(gè)采樣點(diǎn)對(duì)應(yīng)的幅值向量之間距離的平均數(shù)，

3.3)對(duì)于維度m+1，重復(fù)上述步驟3.1)和3.2)，獲得m+1維時(shí)所有各個(gè)采樣點(diǎn)對(duì)應(yīng)的幅值向量之間距離的平均數(shù)B^m+1(r)：

3.4)采用以下公式計(jì)算樣本熵：

其中，B^m(r)表示m維時(shí)所有各個(gè)采樣點(diǎn)對(duì)應(yīng)的幅值向量之間距離的平均數(shù)，B^m+1(r)表示m+1維時(shí)所有各個(gè)采樣點(diǎn)對(duì)應(yīng)的幅值向量之間距離的平均數(shù)。