[發明專利]基于頻率耦合神經網絡模型的記憶負荷檢測提取系統及方法

有效

• 申請號: 202110316708.8
• 申請日: 2021-03-10
• 公開（公告）號: CN113057654B
• 公開（公告）日: 2022-05-20
• 發明（設計）人: 田銀;譚廷一;許家楊;李天昊;王東
• 申請（專利權）人: 重慶郵電大學
• 主分類號: A61B5/369
• 分類號: A61B5/369;A61B5/372;G06K9/00;G06N3/04;G06N3/08
• 代理公司: 北京同恒源知識產權代理有限公司 11275
• 代理人: 趙榮之

1.一種基于頻率耦合神經網絡模型的記憶負荷檢測提取系統，其特征在于：包括信號采集模塊、信號預處理模塊、頻率耦合神經網絡模型訓練模塊、識別模塊和反饋模塊；

所述信號采集模塊，利用無創接觸用戶頭表的電極，采集用戶因工作記憶任務產生的腦電信號，并對所述腦電信號進行預處理，其中預處理中需要根據用戶當前執行任務的難易情況來確定部分腦電信號的類別，然后送入信號預處理模塊；

所述信號預處理模塊，用于對采集的腦電數據進行預處理，包括壞道插值、數據分段和數據正規化；

所述頻率耦合神經網絡模型訓練模塊，使用經過預處理后的腦電信號訓練基于神經網絡的頻率耦合特征提取模型；所述基于神經網絡的頻率耦合特征提取模型的結構包括：輸入層、頻率分離層、空間卷積層、耦合卷積層、時間卷積層、輸出層；所述輸入層用于輸入預處理后的用戶腦電數據；

所述頻率分離層用于自動分解腦電信號中包含的多個認知相關頻率成分；所述空間卷積層用于對腦電信號進行空間上的卷積；所述耦合卷積層用于對不同頻率特征進行耦合計算；所述時間卷積層用于對耦合特征進行時間上的卷積；所述輸出層用于對提取到的特征進行分類并輸出；

所述頻率分離層使用多個一維辛格函數，用于自動提取腦電信號中的多個記憶負荷相關頻率特征，其后使用批歸一化層加快訓練速度；

其中一維辛格函數的公式如下：

組合兩個一維辛格函數，用于定義頻率分離層的卷積函數t，其中n為腦電數據中每一個采樣點，h₁和h₂分別為神經網絡學習到的用于分離節律的上下截止頻率；

t(n，h₁，h₂)＝2h₂sinc(2πh₂n)-2h₁sinc(2πh₁n)

在頻率分離層使用預定義的函數t，對輸入數據進行卷積操作得到神經網絡自動學習到的記憶負荷任務相關節律；

所述識別模塊，使用訓練完成的基于神經網絡的頻率耦合特征提取模型對實時采集的腦電數據進行識別，并根據識別結果報告用戶當前的記憶負荷得分；

所述反饋模塊，根據用戶當前的記憶負荷得分調節工作難度。

2.根據權利要求1所述的基于頻率耦合神經網絡模型的記憶負荷檢測提取系統，其特征在于：所述空間卷積層卷積核大小為C×1，其中C為電極通道數，其后使用批歸一化層加快訓練速度。

3.根據權利要求1所述的基于頻率耦合神經網絡模型的記憶負荷檢測提取系統，其特征在于：所述耦合卷積層使用大小為1×1的卷積核自動提取頻率耦合關系，其后使用批歸一化層加快訓練速度，使用ReLU作為激活函數，其后使用大小為1×8的平均池化層增加模型感受野。

4.根據權利要求1所述的基于頻率耦合神經網絡模型的記憶負荷檢測提取系統，其特征在于：所述時間卷積層使用大小為1×11的卷積核，其后使用批歸一化層加快訓練速度，使用ReLU作為激活函數，其后使用大小為1×8的平均池化層。

5.根據權利要求1所述的基于頻率耦合神經網絡模型的記憶負荷檢測提取系統，其特征在于：所述輸出層基于時間卷積層輸出的特征圖將得到用戶當前記憶負荷狀態的條件概率。