[發明專利]一種密集連接門控網絡的腦電信號識別方法及系統

在審

• 申請號: 202110050378.2
• 申請日: 2021-01-14
• 公開（公告）號: CN112890828A
• 公開（公告）日: 2021-06-04
• 發明（設計）人: 彭德光;朱楚洪;孫健;唐賢倫;高崚
• 申請（專利權）人: 重慶兆琨智醫科技有限公司
• 主分類號: A61B5/369
• 分類號: A61B5/369;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 重慶渝之知識產權代理有限公司 50249
• 代理人: 柴社英

1.一種密集連接門控網絡的腦電信號識別方法，其特征在于，包括：

利用密集連接卷積模塊對輸入的腦電信號進行特征提取；

利用所述門控卷積模塊從所述密集連接卷積模塊的輸出中學習所述腦電信號的時序特征；

利用分類模塊從所述門控卷積模塊的輸出中獲取分類結果。

2.根據權利要求1所述的密集連接門控網絡的腦電信號識別方法，其特征在于，所述密集連接卷積模塊包括：

至少三個依次排列的卷積層，且每一個在后的卷積層的輸出與所有在前卷積層的輸出一起輸入一層特征拼接層，得到拼接后的特征作為下一層網絡的輸入；

最后一層特征拼接層的輸出經過最大池化后作為所述密集卷積模塊的輸出。

3.根據權利要求2所述的密集連接門控網絡的腦電信號識別方法，其特征在于，每個所述卷積層的卷積核為1x5，激活函數采用ReLU，padding方式采用SAME。

4.根據權利要求1所述的密集連接門控網絡的腦電信號識別方法，其特征在于，所述門控卷積模塊包括兩個串聯排列的門控卷積子模塊，每個所述門控卷積子模塊由一個不包含非線性激活函數卷積層和包含非線性激活函數的卷積層組成，兩個卷積層的輸出矩陣對應相乘后作為對應門控卷積子模塊的輸出。

5.根據權利要求4所述的密集連接門控網絡的腦電信號識別方法，其特征在于，所述門控卷積網絡的輸出端設置最大池化層，池化大小為1x2，padding方式采用SAME。

6.根據權利要求1所述的密集連接門控網絡的腦電信號識別方法，其特征在于，在所述分類模塊和所述門控卷積模塊之間設置至少兩層全連接層。

7.根據權利要求6所述的密集連接門控網絡的腦電信號識別方法，其特征在于，對所述全連接層采用dropout操作，其中，dropout值包括0.5。

8.根據權利要求1所述的密集連接門控網絡的腦電信號識別方法，其特征在于，利用密集連接卷積模塊對輸入的腦電信號進行特征提取之前，包括：

通過經驗模式分解算法將采集的原始腦電信號分解為固有模式分量和剩余分量；

利用前三階所述固有模式分量重構腦電信號作為所述密集連接卷積模塊的輸入。

9.根據權利要求8所述的密集連接門控網絡的腦電信號識別方法，其特征在于，預先對所述原始腦電信號進行預處理，并將預處理后的腦電信號通過經驗模式分解算法再處理；其中，預處理包括去除異常值、去均值、歸一化、濾波。

10.一種密集連接門控網絡的腦電信號識別系統，其特征在于，包括：

密集連接模塊，用于對輸入的腦電信號進行特征提取；

門控卷積模塊，用于從所述密集連接模塊的輸出中學習所述腦電信號的時序特征；

分類模塊，用于從所述門控卷積模塊的輸出中獲取分類結果。