[發明專利]基于RBSAGAN的數據增廣方法

在審

• 申請號: 202011509929.9
• 申請日: 2020-12-19
• 公開（公告）號: CN112668424A
• 公開（公告）日: 2021-04-16
• 發明（設計）人: 李明愛;彭偉民;劉有軍;孫炎珺;楊金福
• 申請（專利權）人: 北京工業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 沈波

本發明公開了一種基于RBSAGAN的腦電信號數據增廣的方法，設計Up ResBlock與Down ResBlock網絡結構，通過主干的兩個1D卷積層與分支的一個1D卷積層提取不同尺度感受野下的特征，并分別采用1D反卷積層和平均池化層分別進行數據維度的擴大和縮小。基于Self?Attention機制設計1D Self?Attention網絡。該網絡結構無視各離散時刻數據之間的距離，能夠通過并行計算各離散時刻數據之間的相似度直接獲得全局的時序特征，適用于具有豐富時序信息的腦電信號。Down ResBlock與1D Self?Attention等網絡組成RBSAGAN的判別器，輸出損失值對生成器以及判別器的參數進行更新，直至達到納什平衡。生成器產生的新數據與原有數據構成增廣數據集，輸入1D CNN進行分類，以評估生成數據的質量。

技術領域

本發明涉及運動想象腦電信號(Motor Imagery Electroencephalography，MI-EEG)數據增廣技術領域，特別是采用深度學習(Deep Learning，DL)方法生成運動想象腦電信號。具體涉及：設計Up ResBlock和Down ResBlock網絡分別進行數據維度的增加和減少，針對較長數據存在的長距離依賴問題設計基于Self-Attention機制的1D Self-Attention網絡，通過上述網絡構建RBSAGAN(ResBlock Self-Attention Generative AdversarialNetworks)并用于腦電信號數據的生成，采用卷積神經網絡(Convolutional NeuralNetworks，CNN)對擴充后的數據集進行特征提取以及分類，評估生成數據的質量。

背景技術

腦機接口(Brain computer Interface，BCI)是一種直接為患者提供人腦與外部設備之間通信和控制的系統。腦電圖(EEG)信號通過非侵入性設備獲取人類大腦皮層活動，基于腦機接口的腦電信號研究得到越來越廣泛的關注。近年來使用深度學習方法識別EEG信號獲得了很好的分類效果，但其本身存在對數據量的需求較大的缺點。然而，腦電信號對采集環境要求較高，采集成本大，導致訓練網絡的數據量不足，給基于深度學習技術識別EEG信號這類方法帶來了困難。獲取大量高質量，具有豐富時間信息的EEG數據，是取得好的識別結果的關鍵。

鑒于生成式對抗網絡(GAN)在圖像增廣領域取得的巨大成功，基于GAN生成EEG信號具有良好的前景。如何使生成的數據具有EEG所蘊含的關鍵特征至關重要，而現有的腦電信號增廣方法未能捕捉各離散時刻數據與全局信息之間的關系，沒有充分利用信號的時序特征，使生成的EEG信號在長距離范圍的特征模糊。而且，傳統的多層卷積網絡堆疊的方法提取腦電信號特征信息有限，存在特征丟失的問題，從而導致生成腦電信號質量不太理想。

發明內容

為了克服上述現有技術的不足，本發明提供了一種基于RBSAGAN的腦電信號數據增廣的方法。

(1)設計Up ResBlock與Down ResBlock網絡結構，通過主干的兩個1D卷積層與分支的一個1D卷積層提取不同尺度感受野下的特征，并分別采用1D反卷積層和平均池化層分別進行數據維度的擴大和縮小。

(2)為捕捉各離散時刻數據與全局數據之間的聯系，基于Self-Attention機制設計1D Self-Attention網絡。該網絡結構無視各離散時刻數據之間的距離，能夠通過并行計算各離散時刻數據之間的相似度直接獲得全局的時序特征，適用于具有豐富時序信息的腦電信號。

(3)由Up ResBlock與1D Self-Attention等網絡構建RBSAGAN的生成器，用于生成新數據；Down ResBlock與1D Self-Attention等網絡組成RBSAGAN的判別器，輸出損失值對生成器以及判別器的參數進行更新，直至達到納什平衡。生成器產生的新數據與原有數據構成增廣數據集，輸入1D CNN進行分類，以評估生成數據的質量。

本發明的具體步驟如下：