The invention relates to a method for classifying the age groups based on the resting EEG data, which comprises the following steps: S1. Collecting the original resting EEG data corresponding to each age group; S2. Preprocessing the original resting EEG data to obtain the resting EEG data for removing artifacts; S3. Constructing a convolution neural network and inputting the resting EEG data for removing artifacts to convolution God After the training and testing of convolution neural network, the trained convolution neural network is obtained; S4. The actual resting EEG data are classified into age groups by the trained convolution neural network. Compared with the prior art, the invention divides the resting EEG data into brain regions and carries out the anti-counterfeiting processing, extracts the features on different brain regions through convolution neural network, and classifies the age segments according to the features of different brain regions, which not only reduces the complexity of the EEG data preprocessing, but also solves the problem that the EEG data cannot be selected the appropriate model.
【技术实现步骤摘要】
一种基于静息态脑电数据的年龄段分类方法
本专利技术涉及深度学习神经网络和脑科学
,尤其是涉及一种基于静息态脑电数据的年龄段分类方法。
技术介绍
在脑科学中,已经有大量研究表明不同年龄阶段的大脑是存在差异的,2017年发表的Nature期刊上,有文章对286名受试者的大脑进行了研究,这些受试者的年龄分布在20~65岁之间,这些受试者按照年龄被划分为三组(年轻组、中年组和老年组),将每组受试者的不同脑区激活状态进行可视化,结果表明,处于不同年龄阶段的大脑在视觉网络、运动感知网络以及显著性网络方面均存在差异,随着年龄的增长,这些网络中的功能连接呈现出逐渐下降的趋势,具体表现为:随着年龄的增长,大脑组成成分中神经细胞的大小、数量以及神经胶质上都会产生差异,并且随着脑容量、血流量的变化,大脑的认知能力也会随之下降。由于不同脑区的激活程度能够体现在静息态脑电数据中,因此静息态脑电数据能够作为年龄段分类的一个可靠依据,但脑电数据通常没有规范的采集步骤,且具有表现抽象、难于预处理的特点,所以在利用机器学习方法对脑电数据进行分析时,无法找到一个合适的模型:首先,脑电数据的采集过程中会伴随很多噪声,在预处理过程中很难对其进行过滤;其次,在选择机器学习分类器的时候,比如SVM或者决策树,不同的数据预处理对模型的结果会产生不同的影响。通过大脑数据进行年龄段分类,目前主要借助fMRI技术对大脑组成成分进行研究,并通过观察受试者在某些任务下的表现以进行大脑认知能力的研究,但是这两种方法均无法使用静息态脑电数据进行分析研究, ...
【技术保护点】
1.一种基于静息态脑电数据的年龄段分类方法,其特征在于,包括以下步骤:/nS1、根据实际年龄段分类情况,采集各年龄段对应的原始静息态脑电数据;/nS2、对原始静息态脑电数据进行预处理,得到去除伪迹的静息态脑电数据;/nS3、构建卷积神经网络,并将去除伪迹的静息态脑电数据输入给卷积神经网络,对卷积神经网络进行训练和测试,得到训练好的卷积神经网络;/nS4、由训练好的卷积神经网络对实际静息态脑电数据进行年龄段分类。/n
【技术特征摘要】
1.一种基于静息态脑电数据的年龄段分类方法,其特征在于,包括以下步骤:
S1、根据实际年龄段分类情况,采集各年龄段对应的原始静息态脑电数据;
S2、对原始静息态脑电数据进行预处理,得到去除伪迹的静息态脑电数据;
S3、构建卷积神经网络,并将去除伪迹的静息态脑电数据输入给卷积神经网络,对卷积神经网络进行训练和测试,得到训练好的卷积神经网络;
S4、由训练好的卷积神经网络对实际静息态脑电数据进行年龄段分类。
2.根据权利要求1所述的一种基于静息态脑电数据的年龄段分类方法,其特征在于,所述步骤S2具体包括以下步骤:
S21、将原始静息态脑电数据进行脑区划分,得到包括F、C、P、O和T共五个脑区,其中,F脑区的脑电数据对应于视觉网络,C脑区的脑电数据对应于运动感知网络,P脑区的脑电数据对应于显著性网络,O脑区的脑电数据具有抗噪能力;
S22、将F、C、P和O这四个脑区中脑电数据的数据量统一化;
S23、去除F、C、P和O这四个脑区中脑电数据的眼电信号,得到去除伪迹的静息态脑电数据。
3.根据权利要求2所述的一种基于静息态脑电数据的年龄段分类方法,其特征在于,所述步骤S23具体是采用独立成分分析法,对F、C、P和O这四个脑区的脑电数据进行分解,删除分解之后脑电数据中眼电信号对应的分量,以去除脑电数据的眼电信号,得到去除伪迹的静息态脑电数据。
4.根据权利要求1所述的一种基于静息态脑电数据的年龄段分类方法,其特征在于,所述步骤S3具体包括以下步骤:
S31、构建卷积神经网络,所述卷积神经网络包括依次连接的卷积层、平均池化层和softmax分...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。