[發明專利]一種基于卷積循環神經網絡的腦認知過程模擬方法

有效

• 申請號: 202010514718.8
• 申請日: 2020-06-08
• 公開（公告）號: CN111783942B
• 公開（公告）日: 2023-08-01
• 發明（設計）人: 徐頌;王麗娜;劉晶晶;王清華;蔣彭龍
• 申請（專利權）人: 北京航天自動控制研究所
• 主分類號: G06N3/0464
• 分類號: G06N3/0464;G06N3/044;G06N3/09;G06F18/25;G06F18/2135
• 代理公司: 中國航天科技專利中心 11009
• 代理人: 龐靜

1.一種基于卷積循環神經網絡的腦認知過程模擬方法，其特征在于包括下列步驟：

（1）令被試人員按照預設的實驗范式流程進行操作，同步采集被試人員在實驗范式中相關刺激下的多通道原始腦電信號數據，并對采集的原始腦電信號進行有效成分提取；

（2）對提取的有效腦電信號進行關鍵特征提取以及特征選擇，確定被試人員相關刺激下的腦電高效特征；

（3）構建基于VGG網絡低層特征的邊緣信息通道網絡，利用該通道提取來自VGG網絡中conv1-2和conv2-2的低層特征，獲得相關刺激中的目標邊界，進而得到邊緣信息特征圖；

（4）構建基于VGG網絡高層特征的語義信息通道網絡，利用該通道提取來自VGG網絡中conv3-3，conv4-3和conv5-3的高層特征，獲得相關刺激中的語義信息，進而得到語義信息特征圖；

（5）將所述的邊緣信息通道網絡和語義信息通道網絡進行拼接融合，得到雙通道檢測模型，同時，將對應的邊緣信息特征圖與語義信息特征圖進行拼接得到融合特征圖；

（6）構建區域推薦網絡，以所述融合特征圖作為輸入，得到目標推薦區域；

（7）構建回歸網絡，以目標推薦區域連同所述的融合特征圖以區域下采樣的方式一起作為輸入，獲取腦電高效特征；

（8）將上述構建的雙通道檢測模型以及區域推薦網絡與回歸網絡作為腦認知模型，將步驟（1）中所述的相關刺激以及步驟（2）確定的腦電高效特征組成訓練數據集，對腦認知模型進行訓練，獲取腦認知過程模擬方法。

2.根據權利要求1所述的方法，其特征在于：通過下述步驟對原始腦電信號進行有效成分提取：

（1.1）采用截止頻率為0.1Hz-0.3Hz的高通FIR數字濾波器和截止頻率為30Hz-35Hz的低通FIR數字濾波器，濾除低頻、高頻噪聲；

（1.2）利用主成分分析算法PCA，將濾波處理后的腦電信號白化處理；

（1.3）利用獨立成分分析算法ICA，分解PCA處理后的腦電信號獲得獨立分量，從而找到干擾成分并去除，從而獲得腦電信息有效成分。

3.根據權利要求1所述的方法，其特征在于：所述的關鍵特征包括腦電信號的時域特征、頻域特征與熵值特征。

4.根據權利要求3所述的方法，其特征在于：時域特征提取通過如下執行分析方法實現，分析方法包括多通道腦電信號的方差計算、直方圖表征、峰值檢測和過零點分析。

5.根據權利要求3所述的方法，其特征在于：頻域特征提取通過如下執行分析方法實現，分析方法包括多通道腦電信號的幅度譜、相位譜、功率譜及能量譜分析。

6.根據權利要求3所述的方法，其特征在于：熵值特征提取通過如下執行分析方法實現，分析方法包括多通道腦電信號的多尺度近似熵、樣本熵和排列熵分析。

7.根據權利要求1或3所述的方法，其特征在于：所述的腦電高效特征選擇方法通過定量評定各項單類特征下的分類準確率指標。

8.根據權利要求1所述的方法，其特征在于：通過下述步驟得到邊緣信息特征圖：

（1.1）將實驗范式中相關刺激輸入VGG網路，提取來自VGG網絡中conv1-2和conv2-2的低層特征，并將每部分低層特征上采樣到conv1-2特征圖大小；

（1.2）構建卷積層，將（1.1）中上采樣得到低層特征輸入到該卷積層，卷積層的輸出記為低層局部特征A；

（1.3）構建空間注意力網絡模塊，利用該模塊將（1.2）中得到的低層局部特征A進行處理，得到邊緣信息特征圖。

9.根據權利要求8所述的方法，其特征在于：卷積層的結構為3×3×64。