[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

本申請公開了一種腦電圖模式分類模型訓練方法，可用于個人身份識別(PI)和駕駛過程中的疲勞狀態檢測任務，包括：獲取腦電圖EEG數據并進行預處理和標記，得到帶標記的訓練數據集；將每個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。還公開了對應的腦電圖模式分類的方法和腦電圖模式分類的系統。在用于駕駛相關的多任務分類中，如個人身份識別(PI)和駕駛過程中的疲勞狀態檢測任務，平均分類精度較高，還可以在分類精度和時間成本之間做出很好的權衡，在生物醫學信號的多任務分類中具有潛在的應用價值。

技術領域

本申請涉及生理數字信息處理領域，尤其涉及一種腦電圖模式分類模型的訓練方法、分類方法及系統。

背景技術

隨著網絡經濟的到來，共享汽車正在蓬勃發展，這對已經取得駕照的人是有利的。然而，道路交通事故(road traffic crash，RTC)對人類生命的威脅仍然較大。RTC的危險因素有速度、駕駛行為等。困倦和疲勞可能對RTC有很大影響，但難以定量評估其影響。客觀有效地評估司機的狀態對組織者來說似乎更為重要，而不是簡單地通過智能手機應用程序驗證他們的資質。此外，很難確定真正的司機是在整個旅程中注冊應用程序的人，例如，該用戶可能使用偽造的證書注冊為共享汽車用戶。這種行為給行車安全帶來了極大的危害，因此對這類行業的個人身份識別(PI)控制就顯得尤為迫切。在旅途中，一個簡單的PI方法是用攝像機監控司機，但沒有考慮隱私，且這種方法還需要一個高質量的環境光和一個適合大多數司機的相機位置。

隨著深度學習的發展，PI正從集成身份證的多種功能向動態身份識別(DI)升級。許多行業都將受益于這種DI。例如，工廠可以使用DI來確定哪些工人參與了什么過程。這樣，企業就能提高生產效率，明確事故責任。另一方面，生物醫學信號通常被用于疾病診斷、精神狀態評估和與情緒相關的任務。而以更巧妙的方式去做，有利于主體任務的推進。因此，對駕駛員疲勞狀態的有效檢測以及對駕駛員身份的全程同步驗證的需求越來越值得關注。

發明內容

以下是對本文詳細描述的主題的概述。本概述并非是為了限制權利要求的保護范圍。

本發明實施例提供了一種腦電圖模式分類模型的訓練方法、分類方法及系統，能夠在保護隱私的前提下對相同數據的多任務分類(Multitask Classification)，可應用于基于腦電信號的生物認證和駕駛疲勞檢測。

一方面，本申請實施例提供了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。

另一方面，本申請實施例提供了一種腦電圖模式分類的方法，包括：獲取腦電圖EEG信號，對所述EEG信號進行預處理，得到EEG數據集，其中所述EEG數據集包括經預處理的EEG信號；將所述EEG數據集中的每個EEG信號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；對所述EEG數據的模式特征進行分類，得到腦電圖模式分類結果。

再一方面，本申請實施例提供了一種腦電圖模式分類的系統，包括：存儲器；處理器；傳感器，連接至所述處理器，用于檢測上述的腦電圖EEG信號；以及存儲在存儲器上并可在處理器上運行的計算機程序；所述處理器執行所述計算機程序時，根據由所述傳感器所檢測的腦電圖EEG信號，實現上述的方法。