[發明專利]一種基于多模塊神經網絡的腦電信號偽跡去除方法

在審

• 申請號: 202310198897.2
• 申請日: 2023-03-03
• 公開（公告）號: CN116172576A
• 公開（公告）日: 2023-05-30
• 發明（設計）人: 吳靖;戴國駿;金誠懷;張偉;曾虹
• 申請（專利權）人: 杭州電子科技大學
• 主分類號: A61B5/369
• 分類號: A61B5/369;A61B5/00;G06F18/10;G06F18/214;G06N3/0464;G06N3/048;G06N3/084
• 代理公司: 杭州君度專利代理事務所(特殊普通合伙) 33240
• 代理人: 朱月芬

本發明公開了一種基于多模塊神經網絡的腦電信號偽跡去除方法。本發明包括如下步驟：1：數據獲取；2：數據處理；3：基于多模塊神經網絡的腦電信號偽跡去除算法；4：通過評價指標衡量算法。本發明使用了Inception模塊，包含了不同尺度卷積核大小的卷積層，可同時提取腦電信號不同維度的特征；每個分離模塊都可以去提取純凈腦電特征和偽跡特征，該模塊可以提取純凈腦電信號和偽跡信號之間的共同特征和不同特征，增加提取偽跡信號的計算單元數量，更好的去區分純凈腦電信號和偽跡信號，同時分離模塊之間采用殘差連接，有利于提升整個模型的計算性能。采用了多模塊并聯結構，多個去噪模塊通過不斷去除前向傳播中的偽影來凈化有噪聲的輸入腦電信號。

技術領域

本發明涉及腦電信號處理領域，特別是一種基于多模塊神經網絡的腦電信號偽跡去除方法。

背景技術

腦電圖(Electroencephalography,EEG)廣泛應用于神經疾病的治療、腦神經生物學機制研究和腦機計算機接口領域。然而，腦電圖的采集常常會受到人體其他生物電信號的影響，如眼電信號(OA)和肌電信號(MA)，此類信號的偽跡常常會和腦電信號糾纏在一起，嚴重影響了腦電信號真實特征的提取，給大腦神經活動的研究和應用帶來極大的困難。由于偽跡信號存在極大的隨機性，且在時域和頻域特征中與真實的腦電信號較為相似，因此開發相關方法去除腦電信號中的偽影，保留有用信息，具有重要的理論和現實意義。

目前主流的信號偽跡去除方法主要分為兩種：一種是基于參考通道的回歸分析和濾波法，另一種是基于信號的分解轉換法。回歸分析和濾波法需要在腦電信號采集中設置參考信號通道，因此只能適用于特定的偽跡去除。分解轉換法主要有小波變換(WT)、獨立分量分析(ICA)、盲源分離(BSS)等方法，但分解后的腦電成分和偽跡成分需要進行人工識別，無法做到自動去除，耗時耗力，且去除后會丟失該片段中原始的腦電信號。

近些年來，深度神經網絡得到了長足的發展，并廣泛應用于圖片去噪、音頻去噪等方向，獲得了很好的效果，同時基于深度學習的方法也廣泛應用于腦電信號處理。因此通過神經網絡去除腦電偽跡具有良好的發展前景。

發明內容

本發明為了有效去除腦電設備采集信號中的生理偽跡信號，提出了一種基于多模塊神經網絡的腦電信號偽跡去除方法。

為實現這一目的，本發明的技術方案包括以下步驟：

步驟1：數據獲取：

通過公開數據集EEGdenoiseNet獲取4514條純凈腦電片段、5598條肌電偽跡片段。

步驟2：數據處理：

步驟2-1：對數據集中純凈腦電片段進行隨機選取，將選取出的片段與原所有純凈腦電片段進行縱向合并，保證純凈腦電片段和偽跡片段之間數據維度相同，方便后續模型的訓練。

步驟2-2：根據固定信噪比將縱向合并后的純凈腦電片段和偽跡片段進行半模擬合成，合成為污染腦電信號；

步驟2-3：對數據進行增強，將縱向合并后的純凈腦電片段和原偽跡片段線性混合十次，數據量擴展10倍；

步驟2-4：制作訓練集，將半擬合合成的污染腦電信號作為模型輸入數據，純凈腦電片段作為標簽，采用10倍交叉驗證劃分訓練集和測試集。

步驟3：基于多模塊神經網絡的腦電信號偽跡去除算法：

步驟3-1：隨機初始化多模塊神經網絡模型的權重參數W和偏置參數b，設置好訓練次數epoch；

步驟3-2：將訓練集輸入到多模塊神經網絡模型中，用(Y，X)代表訓練集中一對污染腦電信號和純凈腦電信號，Y是通過步驟2進行半模擬合成的污染腦電信號。