[發(fā)明專利]一種腦電分類方法

在審

• 申請?zhí)枺?/td>: 202010466657.2
• 申請日: 2020-05-28
• 公開（公告）號: CN111603161A
• 公開（公告）日: 2020-09-01
• 發(fā)明（設(shè)計）人: 張躍春;丁衍;曾瑜
• 申請（專利權(quán)）人: 蘇州小藍醫(yī)療科技有限公司
• 主分類號: A61B5/0476
• 分類號: A61B5/0476;A61B5/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種腦電分類方法，其特征在于，包括如下步驟：

S1：對腦電數(shù)據(jù)進行分析處理，獲得特征值；

S2：建立catboost分類模型，使用優(yōu)化算法對catboost分類模型進行優(yōu)化，得到最優(yōu)模型；

S3：將得到的特征值帶入到最優(yōu)模型中進行分類。

2.如權(quán)利要求1所述的腦電分類方法，其特征在于：所述步驟S2中的優(yōu)化算法為灰狼優(yōu)化算法，通過灰狼優(yōu)化算法對catboost分類模型中的模型參數(shù)進行智能尋優(yōu)，獲取最優(yōu)參數(shù)。

3.如權(quán)利要求2所述的腦電分類方法，其特征在于，所述優(yōu)化算法具體包括如下步驟：

ST1：初始化catboost算法的模型參數(shù)的取值范圍，并設(shè)置相關(guān)數(shù)據(jù)，該相關(guān)數(shù)據(jù)包括但不限于狼群數(shù)量N以及最大迭代次數(shù)G；

ST2：根據(jù)之前設(shè)置的狼群數(shù)量，隨機生成灰狼群，每個灰狼個體代表一個可行解；

ST3：根據(jù)適應(yīng)度值更新狼群位置，最終保留適應(yīng)度值最優(yōu)的個體；

ST4：當(dāng)?shù)螖?shù)大于G時，訓(xùn)練結(jié)束，輸出最優(yōu)解，即為catboost算法中的最優(yōu)參數(shù)。

4.如權(quán)利要求1-3任一所述的腦電分類方法，其特征在于：所述步驟S2中通過Categorical features算法和Ordered boosting算法建立catboost分類模型。

5.如權(quán)利要求1-4任一所述的腦電分類方法，其特征在于，所述步驟S1具體包括：

S11：對腦電數(shù)據(jù)進行預(yù)處理去除噪聲，得到有效的腦電信號；

S12：對預(yù)處理后的腦電信號進行特征提取，得到特征值。

6.如權(quán)利要求5所述的腦電分類方法，其特征在于，所述步驟S11具體包括：

S111：對腦電信號進行工頻干擾去除，得到初始濾波信號；

S112：對初始濾波信號進行偽跡消除，消除眼電和肌電的干擾，得到濾干擾信號；

S113：對濾干擾信號進行去除基線漂移處理；

S114：對消除基線漂移的信號進行濾波，得到有效的腦電信號。

7.如權(quán)利要求5所述的腦電分類方法，其特征在于：所述步驟S12對腦電信號進行特征提取方法包括但不限于基于時頻域分析的腦電特征提取方法。

8.如權(quán)利要求7所述的腦電分類方法，其特征在于：所述步驟S12中基于時頻域分析的腦電特征提取方法包括但不限于離散小波變換、共空間模式和經(jīng)驗?zāi)B(tài)分解。

9.如權(quán)利要求2所述的腦電分類方法，其特征在于：所述模型參數(shù)包括但不限于迭代次數(shù)、學(xué)習(xí)率和樹的深度。