一种基于注意力机制和卷积神经网络的脑电信号分类方法技术

本发明专利技术公开了一种基于注意力机制和卷积神经网络的脑电信号分类方法，设采集n个通道的脑电信号为X

A EEG signal classification method based on attention mechanism and convolution neural network

【技术实现步骤摘要】
一种基于注意力机制和卷积神经网络的脑电信号分类方法
本专利技术属于信号处理
，具体涉及一种基于注意力机制和卷积神经网络的脑电信号分类方法。
技术介绍
脑电图(脑电信号)是一种测量脑电活动的非侵入性工具，它包含了大量有关脑功能的信息。因此，脑电图信号在脑疾病的诊断中具有重要价值，以往的研究表明，脑电图信号是非线性、非平稳的随机过程。在过去的几十年里，人们提出了各种各样的方法来检测脑电图信号。这些研究使用的方法也非常多样化。目前，已有的分类算法脑电信号分类正确率还不够高，并且对不同的脑电信号，分类效果不同，不具有普适性。
技术实现思路
本专利技术所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于注意力机制和卷积神经网络的脑电信号分类方法，大大提高脑电信号的分类正确率。本专利技术采用以下技术方案：一种基于注意力机制和卷积神经网络的脑电信号分类方法，包括以下步骤：S1、设采集n个通道的脑电信号为Xn(t)，对正常状态和异常状态的脑电信号，每1～2s时长截取一段脑电信号作为一个分类样本xn(t)本文档来自技高网...

【技术保护点】
1.一种基于注意力机制和卷积神经网络的脑电信号分类方法，其特征在于，包括以下步骤：/nS1、设采集n个通道的脑电信号为X

【技术特征摘要】
1.一种基于注意力机制和卷积神经网络的脑电信号分类方法，其特征在于，包括以下步骤：
S1、设采集n个通道的脑电信号为Xn(t)，对正常状态和异常状态的脑电信号，每1～2s时长截取一段脑电信号作为一个分类样本xn(t)；
S2、对分类样本xn(t)中每一个通道进行短时傅里叶变换，以行表示时域，列表示频域，得到n个时频域矩阵；
S3、时频域矩阵中的元素为复数，对时频域矩阵中的每一个元素取模值，得到实数域的STFT矩阵；
S4、把实数域的STFT矩阵变换为以颜色表示幅值大小的图片；
S5、将步骤S4变换后的图片输入添加有频域注意力机制的ResNet-50卷积神经网络中进行特征提取，实现脑电信号分类。


2.根据权利要求1所述的基于注意力机制和卷积神经网络的脑电信号分类方法，其特征在于，步骤S1中，异常状态的脑电信号特征是在部分或整个大脑区域出现异常的电活动，包括棘波、锐波、尖慢复合波或尖慢复合波形脑电图信号。


3.根据权利要求1所述的基于注意力机制和卷积神经网络的脑电信号分类方法，其特征在于，步...

【专利技术属性】
技术研发人员：郭卉，孙红帅，王霞，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西;61