[發明專利]一種腦電分類方法

在審

• 申請號: 202010466657.2
• 申請日: 2020-05-28
• 公開（公告）號: CN111603161A
• 公開（公告）日: 2020-09-01
• 發明（設計）人: 張躍春;丁衍;曾瑜
• 申請（專利權）人: 蘇州小藍醫療科技有限公司
• 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

本發明公開了一種腦電分類方法，包括如下步驟：S1：對腦電數據進行分析處理，獲得特征值；S2：建立catboost分類模型，使用優化算法對catboost分類模型進行優化，得到最優模型；S3：將得到的特征值帶入到最優模型中進行分類。本發明利用優化算法改進了catboost算法，解決了現有腦電信號分類方法中的分類準確率和效率低的問題，為腦電信號技術的實現和發展提供有力的技術支持。

技術領域

本發明涉及腦電數據分類識別技術領域，具體地是涉及一種腦電分類方法。

背景技術

腦部疾病如癲癇和驚厥會導致是短暫和意外的腦電紊亂，嚴重影響人類健康。腦電信號是非線性、非平穩的時序信號，可通過頭皮上電極的傳感器檢測，這些信號是神經元膜電位非常豐富的外部表現。準確評估、術前評估、腦部疾病預防以及緊急警報都依賴于腦電的快速檢測。醫生可通過監測腦電信號評估大腦的狀態，但是由于大量的腦電圖數據和不同神經學專家的臨床判斷標準不同，診斷可能不準確。因此開發高效的數學模型來輔助醫生做出判斷十分緊迫，具有重要的實際意義。

在醫療領域，數據質量差和數據量低是常態。同時，當給出診斷結果時，有必要提供合理的解釋，因此通過海量數據進行分析是不現實的。我們需要預測結果盡可能穩定，并且不要追求當前數據集的極值，因為當前數據集的極值通常都會發生過擬合。現有的腦電分類方法有支持向量機，隨機森林，AdBoost等，這些算法分類準確率都不高。

因此，本發明的發明人亟需構思一種新技術以改善其問題。

發明內容

本發明旨在提供一種腦電分類方法，其可以解決現有腦電信號分類方法中的分類準確率和效率低的問題。

為解決上述技術問題，本發明的技術方案是：

一種腦電分類方法，包括如下步驟：

S1：對腦電數據進行分析處理，獲得特征值；

S2：建立catboost分類模型，使用優化算法對catboost分類模型進行優化，得到最優模型；

S3：將得到的特征值帶入到最優模型中進行分類。

優選地，所述步驟S2中的優化算法為灰狼優化算法，通過灰狼優化算法對catboost分類模型中的模型參數進行智能尋優，獲取最優參數。

優選地，所述優化算法具體包括如下步驟：

ST1：初始化catboost算法的模型參數的取值范圍，并設置相關數據，該相關數據包括但不限于狼群數量N以及最大迭代次數G；

ST2：根據之前設置的狼群數量，隨機生成灰狼群，每個灰狼個體代表一個可行解；

ST3：根據適應度值更新狼群位置，最終保留適應度值最優的個體；

ST4：當迭代次數大于G時，訓練結束，輸出最優解，即為catboost算法中的最優參數。

優選地，所述步驟S2中通過Categorical features算法和Ordered boosting算法建立catboost分類模型。

優選地，所述步驟S1具體包括：

S11：對腦電數據進行預處理去除噪聲，得到有效的腦電信號；

S12：對預處理后的腦電信號進行特征提取，得到特征值。

優選地，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；