[發明專利]基于圖像先驗的單試次腦電P300成分檢測方法及裝置

有效

• 申請號: 201710946732.3
• 申請日: 2017-10-12
• 公開（公告）號: CN107898458B
• 公開（公告）日: 2020-07-17
• 發明（設計）人: 閆鑌;王曉娟;林志敏;曾穎;童莉;張馳
• 申請（專利權）人: 中國人民解放軍信息工程大學
• 主分類號: A61B5/0484
• 分類號: A61B5/0484;A61B5/00;G06K9/62
• 代理公司: 鄭州大通專利商標代理有限公司 41111
• 代理人: 陳勇

本發明屬于人腦與機器視覺融合技術領域，尤其涉及基于圖像先驗的單試次腦電P300成分檢測方法及裝置。基于圖像先驗的單試次腦電P300成分檢測方法，包括：計算刺激圖像數據集中圖像的復雜度，根據復雜度對圖像進行排序；對不同復雜度的圖像誘發的腦電信號訓練分類器；對圖像誘發的腦電信號進行評分。基于圖像先驗的單試次腦電P300成分檢測裝置，包括：復雜度計算排序模塊；訓練模塊；評分模塊。本發明可以根據圖像復雜度主動預判P300潛伏期的范圍。

技術領域

本發明屬于人腦與機器視覺融合技術領域，尤其涉及基于圖像先驗的單試次腦電P300成分檢測方法及裝置。

背景技術

由于在基于腦電的目標圖像檢測的實時系統中，P300成分的檢測依然不能達到較高的精度。因此部分學者考慮充分利用人腦的高效理解能力與計算機的處理速度，搭建融合人腦與機器視覺的圖像檢索系統。這些系統利用較多試次的腦電興趣得分，引導機器視覺搜索高興趣得分的圖像，這是一種“決策級”的融合方式。

人類視覺系統是自然界長期演化的結果，對自然圖像的識別具有高速、魯棒的特點。而機器視覺是利用現代計算機處理圖像的技術，相對于人類視覺，具有批量處理的優點，但對于非結構化的、具有深層語義信息的圖像，機器視覺始終無法達到較高的識別精度。哥倫比亞大學的Sajda等人，在利用人腦P300成分檢測感興趣目標圖片的基礎上，結合計算機視覺技術，搭建了皮層耦合計算機視覺系統(C3Vision)。該系統如下工作：先在一個圖片庫中隨機選擇少量圖片組成圖片序列，將圖片序列快速呈現給被試觀看，同時采集被試的腦電信號，利用腦電檢索模塊對這些圖片所對應的腦電信號進行興趣評分，并根據興趣評分重新排序。隨后，計算機視覺模塊利用腦電檢索模塊的結果，再從圖片數據庫中選取類似的圖片。由于腦電信號噪聲比較大，EEG檢索模塊的輸出并不是非常準確，這會導致計算機視覺模塊的輸出也達不到預期的效果，如果可以把這個結果反饋給被試，再讓用戶去判斷計算機給出的結果是否準確，那么檢索效果可能就會有顯著的提升。于是，Eric等人又在Sadja的研究基礎上，搭建了一個閉環系統(Closed-Loop C3Vision)，使得計算機視覺模塊能夠和EEG檢索模塊進行交互。此外，浙江大學的Wang等人采用類似方法搭建了閉環人臉識別系統、加州圣迭戈大學則利用人類天生對危險場景的警覺能力結合計算機技術，搭建了“認知技術威脅警報系統”(Cognitive Technology Threat Warning System，CT2WS)等。

然而在這些系統中人類視覺系統與機器視覺系統的融合方式是一種“決策級”融合方法。對圖像的識別更多的依托P300成分的檢測，并不能將當前機器視覺的成果引入到對單試次P300成分的分析中。

在申請號為201610139359.6的發明專利申請文件中，我們驗證了不同復雜度的目標圖像引起的腦電P300成分的差異，高復雜度目標圖像誘發的腦電P300成分具有更低的峰值與更長的潛伏期。而腦地形圖則顯示了高復雜度圖像將引起大腦右前額葉更長時間的活動。但是在基于腦電信號的目標圖像檢索中，存在P300檢測算法被動適應P300潛伏期的變化問題。

發明內容

基于上述P300檢測算法存在的問題，發明一種可以根據圖像復雜度主動預判P300潛伏期的范圍的方法及裝置。

為了實現上述目的，本發明采用以下技術方案：

基于圖像先驗的單試次腦電P300成分檢測方法，包括以下步驟：

步驟1：計算刺激圖像數據集中圖像的復雜度，根據復雜度對圖像進行排序；

步驟2：對不同復雜度的圖像誘發的腦電信號訓練分類器；

步驟3：對圖像誘發的腦電信號進行評分。

優選地，所述步驟1包括：

步驟1.1：計算數據集中圖像的復雜度，計算公式為：