[發(fā)明專利]一種特征權(quán)重自學(xué)習(xí)的睡眠質(zhì)量檢測關(guān)鍵腦區(qū)判定方法

有效

• 申請?zhí)枺?/td>: 201911269218.6
• 申請日: 2019-12-11
• 公開（公告）號: CN111067513B
• 公開（公告）日: 2022-08-23
• 發(fā)明（設(shè)計）人: 彭勇;李晴熙
• 申請（專利權(quán)）人: 杭州電子科技大學(xué)
• 主分類號: A61B5/372
• 分類號: A61B5/372
• 代理公司: 杭州君度專利代理事務(wù)所(特殊普通合伙) 33240
• 代理人: 黃前澤

1.一種基于特征權(quán)重的自適應(yīng)學(xué)習(xí)關(guān)鍵腦區(qū)判定方法，其特征在于：步驟1、腦電數(shù)據(jù)的獲取和處理；

1-1、被測人員佩戴64導(dǎo)聯(lián)電極帽進行腦電數(shù)據(jù)采集，得到n₁組腦電信號；

1-2、對采集得到的腦電數(shù)據(jù)降頻濾波至1-50Hz；

1-3、對n₁組腦電信號分五個頻段進行特征提取，得到各頻段上各通道的平均微分熵特征

步驟2、將n₁組平均微分熵特征導(dǎo)入GRLSR模型，并進行調(diào)參，獲取預(yù)測準確率；

2-1.給定一個有標簽數(shù)據(jù)X_L，標簽記為Y_L以及未標記數(shù)據(jù)X_U，標簽記為Y_U；矩陣X_L為n₂×5d的矩陣；矩陣X_U為n₁×5d的矩陣；矩陣X_U的n₁行元素分別為n₁組平均微分熵特征；矩陣Y_L為n₂×c的矩陣，c為類別數(shù)；令X＝[X_L,X_U]，Y＝[Y_L,Y_U]；矩陣X有n行；n＝n₁+n₂；d為被使用的通道數(shù)；

2-2.GRLSR模型具有γ和α兩個參數(shù)，γ和α采用網(wǎng)格搜索進行取值，網(wǎng)格搜索的范圍為[10^-3,10^-2,...10³]；γ和α的每種取值組合均進行以下操作；

目標函數(shù)如下：

其中，L為圖拉普拉斯矩陣；b、Y為目標函數(shù)的三個待求變量；

分別求得三個待求變量b、Y；

b的求解公式為：

的求解公式為：

其中，Q是對角矩陣，其對角值為I為n×n的單位矩陣；為矩陣的第v行元素；為矩陣的第j行元素；ε為避免分母等于零的正數(shù)；

Y的求解公式為

其中，y_i為矩陣Y的第i行元素，x_i為矩陣X的第i行元素；η為拉格朗日乘子法參數(shù)；(a)₊＝max(0，a)；

對矩陣Y求解后得到矩陣Y_U；矩陣Y_U的各個元素分別對應(yīng)n₁個預(yù)測時長；所得的矩陣Y_U的各個元素與真實睡眠時長相比較，得到矩陣Y_U的準確率；

每種γ和α的取值組合均對應(yīng)一個準確率；取所有準確率中最高的那個準確率作為當前所使用的腦區(qū)的預(yù)測準確率；

步驟3、取第一次執(zhí)行步驟2時所得的預(yù)測準確率所對應(yīng)的矩陣計算各頻段上各通道的特征權(quán)重值θ_j，j＝1,2,…,310；為矩陣的第j行元素；為矩陣的第i行元素；

步驟4、利用特征權(quán)重值篩選關(guān)鍵腦區(qū)；

4-1.將310個特征權(quán)重值按照通道不同分為62組，與62個腦區(qū)分別對應(yīng)；

4-2.對62組特征權(quán)重值各自求取通道權(quán)重均值；

4-3.按照62個腦區(qū)按照通道權(quán)重均值從小到大進行排序；

4-4.按照排列順序逐個減少使用的腦區(qū)，使得被使用的通道數(shù)d每次減小1；d每減小1，均將剩余的各通道數(shù)據(jù)通過步驟2的方法計算預(yù)測準確率；從而得到62個預(yù)測準確率；取62個預(yù)測準確率中的最大值所對應(yīng)的各個腦區(qū)作為被測人員的被測指標的關(guān)鍵腦區(qū)。

2.根據(jù)權(quán)利要求1所述的一種基于特征權(quán)重的自適應(yīng)學(xué)習(xí)關(guān)鍵腦區(qū)判定方法，其特征在于：步驟1-1中，腦電信號由ESI神經(jīng)掃描系統(tǒng)記錄、按照國際10-20系統(tǒng)標準布置，采樣率為1000Hz，所佩戴的64導(dǎo)聯(lián)電極帽，其中一個導(dǎo)聯(lián)接地，一個導(dǎo)聯(lián)為參考電極，采到的實際數(shù)據(jù)為62導(dǎo)聯(lián)。

3.根據(jù)權(quán)利要求1所述的一種基于特征權(quán)重的自適應(yīng)學(xué)習(xí)關(guān)鍵腦區(qū)判定方法，其特征在于：步驟1-2中，先將采集到的腦電信號的頻率從1000Hz降至200Hz；取出與壞電極對應(yīng)的信號，通過插值相鄰進行再生；再通過Butterworth帶通濾波器將腦電圖濾波至1-50Hz，去除噪聲。