[發(fā)明專利]基于改進(jìn)的微狀態(tài)分析的運(yùn)動(dòng)想象腦電信號(hào)分類方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110380225.4
• 申請(qǐng)日: 2021-04-07
• 公開(kāi)（公告）號(hào): CN113367705A
• 公開(kāi)（公告）日: 2021-09-10
• 發(fā)明（設(shè)計(jì)）人: 謝松云;付熒鑫;謝辛舟;王珍珍;段緒
• 申請(qǐng)（專利權(quán)）人: 西北工業(yè)大學(xué)
• 主分類號(hào): A61B5/372
• 分類號(hào): A61B5/372;A61B5/374
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

1.基于改進(jìn)的微狀態(tài)分析的運(yùn)動(dòng)想象腦電信號(hào)分類方法，其特征在于計(jì)算腦電信號(hào)全局場(chǎng)功率(Global field power,GFP)，去除數(shù)值較高和較低的點(diǎn)，將剩余GFP局部峰值點(diǎn)時(shí)刻對(duì)應(yīng)的電勢(shì)地形圖進(jìn)行聚類分析獲取微狀態(tài)，將微狀態(tài)分別與原始腦電信號(hào)的電勢(shì)地形圖進(jìn)行空間相關(guān)性計(jì)算，構(gòu)建出微狀態(tài)時(shí)間序列并計(jì)算出每個(gè)微狀態(tài)對(duì)應(yīng)的時(shí)間參數(shù)，將訓(xùn)練集數(shù)據(jù)的微狀態(tài)時(shí)間序列參數(shù)作為特征輸入到SVM分類器中訓(xùn)練出分類模型，對(duì)測(cè)試集特征進(jìn)行分類得到測(cè)試結(jié)果。

2.根據(jù)權(quán)利要求1所述的基于改進(jìn)的微狀態(tài)分析的運(yùn)動(dòng)想象腦電信號(hào)分類方法，其特征在于改進(jìn)的GFP的選取方式，具體包括：計(jì)算腦電信號(hào)全局場(chǎng)功率局部峰值點(diǎn)，對(duì)其進(jìn)行統(tǒng)計(jì)分析，按數(shù)值大小排列，去除前15％和后15％的點(diǎn)，將剩余GFP局部峰值點(diǎn)時(shí)刻對(duì)應(yīng)的電勢(shì)地形圖通過(guò)Modified k-means算法進(jìn)行聚類分析，獲得四種微狀態(tài)電勢(shì)地形圖。

3.根據(jù)權(quán)利要求1所述的基于改進(jìn)的微狀態(tài)分析的運(yùn)動(dòng)想象腦電信號(hào)分類方法，其特征在于計(jì)算全局電勢(shì)圖差異(global map dissimilarity，GMD)，用GMD來(lái)表示四種微狀態(tài)分別與原始腦電信號(hào)的電勢(shì)地形圖空間相關(guān)性，取每個(gè)時(shí)刻最高空間相關(guān)性的微狀態(tài)電勢(shì)地形圖作為這個(gè)時(shí)刻的微狀態(tài)，即標(biāo)記此時(shí)刻的腦電為該微狀態(tài)的序號(hào)(即1、2、3和4)，那么腦電信號(hào)就被表示成四種微狀態(tài)交替出現(xiàn)的時(shí)間序列，也就是微狀態(tài)時(shí)間序列，之后計(jì)算出每個(gè)微狀態(tài)對(duì)應(yīng)微狀態(tài)時(shí)間參數(shù)，包括：

1)平均持續(xù)時(shí)間：每種微狀態(tài)穩(wěn)定時(shí)，所占時(shí)間長(zhǎng)度的均值；

2)每秒出現(xiàn)的頻率：每種微狀態(tài)每秒出現(xiàn)的次數(shù)；

3)所占時(shí)間比：每種微狀態(tài)持續(xù)時(shí)間總和與腦電信號(hào)持續(xù)時(shí)間的比值；

4)不同微狀態(tài)之間的轉(zhuǎn)換概率：從當(dāng)前微狀態(tài)轉(zhuǎn)換成另一種微狀態(tài)的概率。