[發明專利]一種腦電圖模式分類模型的訓練方法、分類方法及系統

在審

• 申請號: 202010136169.5
• 申請日: 2020-03-02
• 公開（公告）號: CN111460892A
• 公開（公告）日: 2020-07-28
• 發明（設計）人: 王洪濤;許弢;盧冠勇
• 申請（專利權）人: 五邑大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 林偉峰

1.一種腦電圖模式分類模型訓練方法，包括：

獲取腦電圖EEG數據，對所述EEG數據進行預處理，并對所述EEG數據進行標記，得到帶標記的訓練數據集，其中所述訓練數據集包括經預處理的帶標記的EEG數據；

將所述訓練數據集中的每個EEG數據輸入到基于注意力機制的卷積神經網絡，提取得到所述EEG數據的模式特征；

根據所述EEG數據的模式特征和標記，對用于腦電圖模式分類模型的參數進行修正。

2.根據權利要求1所述的腦電圖模式分類模型訓練方法，其特征在于，所述基于注意力機制的卷積神經網絡包括：至少一個卷積層；至少一個最大池化層；注意力模塊；全連接層；

其中，將所述訓練數據集中的每個EEG數據輸入到基于注意力機制的卷積神經網絡，提取得到所述EEG數據的模式特征的步驟包括：

將每個EEG數據輸入到所述至少一個卷積層，提取所述EEG數據的模式特征，得到包含所述模式特征的卷積特征向量；

將所述卷積特征向量輸入到至少一個最大池化層進行池化處理，得到池化特征向量；

將所述池化特征向量輸入到注意力模塊，以計算針對池化特征向量的標準化權重，以及反映EEG數據的模式特征的信息總和；

通過全連接層，輸出EEG數據的模式特征。

3.根據權利要求2所述的腦電圖模式分類模型訓練方法，其特征在于，所述注意力模塊進行以下計算：

u_i＝tanh(W_sh_i+b_s)

其中，b_s為偏置項；u_i為一EEG數據h_i的隱藏表示，其通過具有權重W_s.的單層感知器進行反饋；α_i為標準化的權重，通過u_i與u_s的相似性來衡量；u_s.是另一EEG數據h_i的隱藏表示；v為所有EEG數據的信息的總和。

4.根據權利要求1所述的腦電圖模式分類模型訓練方法，其特征在于，所述獲取腦電圖EEG數據，對所述EEG數據進行標記，并對所述EEG數據進行預處理，得到帶標記的訓練數據集的步驟包括：

獲取來自多個腦電信號傳感器的EEG信號；

對所述EEG信號進行帶通濾波和快速獨立成分分析，得到多路EEG信號；

按照預設的采樣率和持續時間，對所述多路EEG信號進行數字化和分段，得到包含多個多路EEG信號數字化分段的EEG數據集；

對所述EEG數據集中的每個多路EEG信號數字化分段添加至少一個標簽，得到帶標記的EEG數據，其中所述標簽包括清醒狀態、疲勞狀態、駕駛者身份；

得到帶標記的訓練數據集。

5.根據權利要求4所述的腦電圖模式分類模型訓練方法，其特征在于：

根據至少含有駕駛者身份標簽的帶標記的訓練數據集，訓練第一腦電圖識別模型，其中第一腦電圖識別模型用于基于駕駛者的腦電圖模式特征，對駕駛者身份PI進行識別和分類；和/或

根據至少含有清醒狀態和疲勞狀態標簽的帶標記的訓練數據集，訓練第二腦電圖識別模型，其中第二腦電圖識別模型用于基于駕駛者的腦電圖模式特征，對駕駛者疲勞狀態和清醒狀態的模式特征進行識別和分類。