[發明專利]一種基于投票分類器的視覺誘導暈動癥檢測方法

在審

• 申請號: 201910516368.6
• 申請日: 2019-06-14
• 公開（公告）號: CN110200626A
• 公開（公告）日: 2019-09-06
• 發明（設計）人: 劉然;劉亞瓊;趙洋;鄭楊婷;易琳;陳希
• 申請（專利權）人: 重慶大學;重慶大學附屬腫瘤醫院
• 主分類號: A61B5/0484
• 分類號: A61B5/0484
• 代理公司: 重慶信航知識產權代理有限公司 50218
• 代理人: 穆祥維

1.一種基于投票分類器的視覺誘導暈動癥檢測方法，其特征在于，所述方法包括以下步驟：

S1、數據采集：使用頭戴設備Muse的FP1、FP2、TP9和TP10四個通道采集受試者在駕駛車輛駕駛模擬器過程中誘發產生的EEG數據，并從受試者的口頭報告中采集主觀VIMS級別數據，將VIMS級別數據作為EEG數據相關的標簽；

S2、數據預處理：

S21、濾波：先使用巴特沃斯濾波器對EEG數據進行頻域濾波，再使用時間窗對EEG數據下采樣進行時域濾波；

S22、標準化：采用最大-最小歸一化方法對濾波后的EEG數據進行標準化，使所有EEG數據都被映射到[0，1]；

S23、數據均衡：采用SMOTE算法對EEG數據進行上采樣，使無暈動癥的樣本數據和有暈動癥的樣本數據達到均衡；

S24、PCA降維：采用PCA算法作為特征選擇器來對EEG數據特征進行降維，去除冗余和降低分類器性能的無關特征；

S3、VIMS級別分類：在由RF分類器、SVM分類器、KNN分類器和XGBoost分類器組成的投票分類器中，每個基分類器根據分類準確度分配一個權值，投票分類器根據每個基分類器的分類結果進行分類，選擇概率最大的類別作為EEG數據的最終分類結果。

2.根據權利要求1所述的基于投票分類器的視覺誘導暈動癥檢測方法，其特征在于，所述步驟S21中，進行時域濾波的時間窗大小為1s。

3.根據權利要求1所述的基于投票分類器的視覺誘導暈動癥檢測方法，其特征在于，所述步驟S22中，最大-最小歸一化方法采用下式進行標準化計算：

式中，z'代表一組數據的新值，z代表一組數據的原始值，v_{i_max}代表一組數據的最大值，v_{i_min}代表一組數據的最小值。

4.根據權利要求1所述的基于投票分類器的視覺誘導暈動癥檢測方法，其特征在于，所述步驟S23中，采用SMOTE算法對EEG樣本數據進行上采樣具體包括以下步驟：

S231、定義好特征空間，將每個樣本數據對應到特征空間中的某一點，根據樣本不平衡比例確定好一個采樣倍率N；

S232、對每一個小樣本類樣本點(x,y)，按歐氏距離找出K個最近鄰樣本，從中隨機選取一個樣本點，假設選擇的最近鄰樣本點為(x_n,y_n)，在特征空間中樣本點與最近鄰樣本點的連線段上隨機選取一點作為新樣本點，則該新樣本點滿足以下公式：

(x_new,y_new)＝(x,y)+rand(0-1)*(x_n-x),(y_n-y)

式中，rand(0-1)表示產生一個0-1之間的隨機數；

S233、重復步驟S231和S232，直到大、小樣本數據的數量平衡。

5.根據權利要求1所述的基于投票分類器的視覺誘導暈動癥檢測方法，其特征在于，所述步驟S3中，各個基分類器在投票分類器的類別集成中的權值按照使用單個分類器時的準確度高低來進行分配，準確度越高權值分配越大，KNN分類器、XGBoost分類器、RF分類器和SVM分類器的權值大小分別為0.4、0.3、0.2和0.1。

6.根據權利要求1所述的基于投票分類器的視覺誘導暈動癥檢測方法，其特征在于，所述方法還包括采用準確率Acc和kappa指標k來評價該方法分類性能的步驟；其中，

式中，TP為真陽性，代表被正確分類的正樣本；TN為真陰性，代表被正確分類的負樣本；FP為假陽性，代表被錯誤分類的正樣本；FN為假陰性，代表被錯誤分類的負樣本；p_o為總體分類準確率，p_e代表機會一致概率。