【技术实现步骤摘要】
一种基于循环生成对抗网络的脑电伪迹修复的方法
[0001]本专利技术涉及脑电信号处理领域,特别是一种基于循环生成对抗网络的脑电伪迹修复的方法。
技术介绍
[0002]脑电图(EEG)提供有关大脑中神经元活动的信息,从而提供有关人的精神状态的信息。脑电图是一种广泛使用的分析工具,具有许多应用。脑电图对于研究人脑的功能非常重要,但会受到伪迹的极大影响。伪迹产生的原因包括眼睛的运动、眨眼、肌肉活动和心跳等。电极存在的问题,电极阻抗高,导线噪声以及电子设备的干扰部可能引起技术上的伪迹。
[0003]根据目视检查和人工检查丢弃受污染的脑电图片段成本极高,而在脑机接口应用程序或在线精神状态监测中使用连续脑电图时,人工检查删除的方法是完全无法应用的。而现有的脑电伪迹去除技术大致可以分为二大类,伪迹规避、伪迹拒用和伪迹消除。伪迹消除是唯一的将目标设为将伪迹成分消除,而保留脑电的其他有效成分的方法,其利用回归的方法、滤波、小波变换、主成分分析、独立分量分析、典型相关分析、形态成分分析、经验模式分解等方法。
技术实现思路
[0004]本专利技术的目的在于提供一种基于循环生成对抗网络的脑电伪迹修复的方法,实现本专利技术目的的技术解决方案包括如下步骤:
[0005]步骤1:数据获取。
[0006]根据需求设计目标伪迹采集范式,通过脑电帽采集脑电数据。
[0007]步骤2:数据预处理。
[0008]步骤2-1:对采集到的脑电数据进行包括凹陷滤波、带通滤波在内的滤波器进行处理。
[ ...
【技术保护点】
【技术特征摘要】
1.一种基于循环生成对抗网络的脑电伪迹修复的方法,其特征在于包括如下步骤:步骤1:数据获取;根据需求设计目标伪迹采集范式,通过脑电帽采集脑电数据;步骤2:数据预处理;步骤2-1:对采集到的脑电数据进行包括凹陷滤波、带通滤波在内的滤波器进行处理;步骤2-2:根据数据标签对处理后的数据进行分段存储,用于后续模型训练;步骤3:利用Cycle GAN网络模型,设计训练相应的循环生成对抗网络模型,并生成包含必要信息的脑电信号。2.根据权利要求1所述的一种基于循环生成对抗网络的脑电伪迹修复的方法,其特征在于步骤1中的数据采集根据想要去除的伪迹设置相应范式,任务有左侧摇头动作、右侧摇头动作和保持静止姿态三种命令。3.根据权利要求2所述的一种基于循环生成对抗网络的脑电伪迹修复的方法,其特征在于步骤1的相应范式的具体设计如下:受试者坐在有扶手的椅子上,任务是根据提示执行左侧摇头动作、右侧摇头动作和保持静止姿态三种命令;提示的顺序是随机的;该实验包含多组实验采集,每次包含60次;试验开始后,前2秒黑屏,在t=2s,声音刺激指示试验开始,并显示十字“+”;然后从t=3s开始显示向左箭头、向右箭头或圆形提示标志1秒钟;同时要求受试者执行向左摇头一次、向右摇头一次或保持静止的命令,摇头回到初始位置时保持静止,直到十字在t=7s消失;在每次实验中,以随机顺序将3个提示中的每个提示显示20次。4.根据权利要求3所述的一种基于循环生成对抗网络的脑电伪迹修复的方法,其特征在于步骤3中的核心是优化目标函数是:其中,G是用于从域X到生成到域Y的生成器,F是用于从域Y到生成到域X的生成器,D
X
,D
Y
分别是判别属于是否符合域X或域Y分布的判别器。5.根据权利要求4所述的一种基于循环生成对抗网络的脑电伪迹修复的方法,其特征在于步骤3具体实现如下:用(x
i
,y
i
)代表一对有伪迹EEG信号和无伪迹EEG信号,即(x
i
,y
i
)|x
i
∈X,y
i
∈Y;在EEG-Cycle GAN中使用生成器:G将带有目标伪迹的EEG信号作为输入,输出生成的无伪迹EEG信号:判别器:D输入是成对的带有目标伪迹的EEG信号和无伪迹EEG信号,D的目标是学习映射:D(x
i
,y
i
)
→
1和将真实的一对具有目标伪迹的EEG信号和无伪迹EEG信号映射为1,将带有目标伪迹的EEG信号和生成的无伪迹EEG信号映射为0;而G的目标是学习映射:D(x
i
,G(x
i
,z))
→
1,即让生成的无伪迹EEG信号更加“真实”,且能和输入的带有目标伪迹的EEG信号组成一对;由于难以在域Y中找到对应的关系,所以引入循环一致损失,利用另外一个生成器F:Y
→
X,将再次转回域X中得到则F生成的应当和x保持域一致;则有X
...
【专利技术属性】
技术研发人员:曾虹,张振炎,赵月,吴琪,金燕萍,刘洋,夏念章,李秀峰,吴振华,张佳明,孔万增,戴国骏,
申请(专利权)人:杭州电子科技大学,
类型:发明
国别省市:
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。