[發明專利]針對EEG信號分類任務的深度學習網絡架構搜索方法

在審

• 申請號: 202110773615.8
• 申請日: 2021-07-08
• 公開（公告）號: CN113361484A
• 公開（公告）日: 2021-09-07
• 發明（設計）人: 閆野;裴育;印二威;謝良;馬闖;閆慧炯;羅治國
• 申請（專利權）人: 中國人民解放軍軍事科學院國防科技創新研究院;天津（濱海）人工智能軍民融合創新中心
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 北京豐浩知識產權代理事務所(普通合伙) 11781
• 代理人: 李學康

本發明公開了一種針對EEG信號分類任務的深度學習網絡架構搜索方法，包括如下步驟：根據具體的腦?機接口任務，采集用戶一定量的腦電信號，對采集腦電信號進行降采樣，再進行帶通濾波。利用處理好的腦電信號，進行深度學習網絡架構的搜索；設置網絡架構參數，在訓練集上計算最優的模型內部可學習參數，固定模型結構不變，使用梯度下降法來獲得內部可學習參數，輸出最終的網絡結構。本發明具有便于集成，且集成成本低的優點，經典基于深度學習的腦電接口系統開發需要事先人為設計出一個網絡架構，而本方法可以改變人為設計的過程，利用深度學習網絡完成自動設計，所以不需要對現有腦?機接口系統開發流程作較大的修改，便于集成到現有系統中。

技術領域

本發明涉及腦-機接口設計和深度學習網絡架構自動化設計領域，是一種針對EEG信號分類任務的深度學習網絡架構的搜索方法。

背景技術

腦-機接口技術可以直接通過檢測大腦神經活動來識別人的意圖，并將其轉換成計算機控制指令，從而實現人腦對外部設備操作控制，是一種新型的人機交互控制技術。自從20世紀70年代被提出以來，隨著相關學科的快速發展，腦-機接口的技術和理論研究已經取得了長足的進展，并已經在醫療康復、裝備研發、娛樂游戲等領域有著廣泛的應用前景，其重要的科學研究價值和廣泛的應用前景受到國內外學者和高科技公司的廣泛關注。

由于腦電信號(EEG)是一種信噪比非常低的信號，而且非常容易受到干擾產生畸變，因此在過去的30年里，圍繞腦-機接口交互系統的設計，研究人員設計出了各種各樣的特征提取方法和分類算法。這些方法大多數是基于傳統的機器學習方法，即提出一個優化目標，求解出一個封閉解。因為這些方法都是由深耕腦-機接口領域多年、具備著非常豐富的腦電信號處理經驗的研究人員所開發、設計，其結構中包含了研究人員多年的經驗，具備了非常強的先驗知識，所以這類算法非常高效，對數據量要求不大，且表現很好。

現有的腦-機接口交互系統的特征提取方法和分類算法，由于專業性太強，對于剛剛涉足腦-機接口領域的新人來說，要想理解透徹一個腦電分類算法，可能需要花費一定量的時間查閱很多資料，才能把腦電領域的經典算法靈活運用。由于腦電信號的被試差異性非常大，所以在實際應用中需要對不同的用戶進行超參數調整，超參數調整的收益非常明顯，尤其是在基于運動想象范式的腦-機接口實驗中，針對被試的超參數調整是必不可少的一步。上述因素都制約了現有的腦-機接口交互特征提取方法和分類算法的進一步推廣應用。

自2015年起，基于深度學習的分類模型被提出，迅速成為了圖像分類任務、語音分類任務等領域的當前最優方法。但目前為止，深度學習方法在腦電信號分類任務表現，并沒有它在圖像、語音領域上那樣出色，其原因主要體現在兩個方面：1)腦電信號的特殊性，不同被試者差異太大；2)腦電信號的數據量不如圖像、語音領域那樣豐富。對于傳統方法，也需要對用戶進行個性化調整超參數才能達到一個令人滿意的性能，所以如果想讓深度學習方法在腦電信號分類任務中得到像圖像、語音領域中一樣的廣泛應用，就需要對每個被試進行個性化的網絡結構調整。為避免深度學習用于腦電信號分類中出現的超參數調整問題，本發明提出了一種針對EEG信號分類任務的深度學習網絡架構搜索的方法，該方法不需要太多的領域知識，即可完成針對腦電信號分類的深度學習網絡架構。

發明內容

使用深度學習方法進行腦電信號分類任務時，網絡的架構難以確定，需要大量的時間進行調參，因此本發明的目的是解決在腦-機接口領域中深度學習網絡結構設計困難問題，更準確的說是，本發明針對不同的被試需要個性化的設計不同的網絡結構這一問題，提出了一種針對腦電信號分類的深度學習網絡結構的搜索方法。

本發明公開了一種針對EEG信號分類任務的深度學習網絡架構搜索方法，包括如下步驟：

S1，根據具體的腦-機接口任務，采集用戶一定量的腦電信號，對采集腦電信號進行降采樣，再進行帶通濾波。