一种脑电数据处理方法、装置以及计算机可读存储介质制造方法及图纸

本发明专利技术公开了一种脑电数据处理方法，包括：S1：获取标准组和特征组的脑电数据；S2对标准组和特征组的脑电数据进行处理，得到多个第一阶至第四阶的固有模态函数分量，对固有模态函数分量进行计算，得到样本熵集合；计算标准组和特征组的脑电数据的时序相关性，得到相关性集合；S3：对标准组和特征组的样本熵集合、相关性集合处理得到标准组和特征组的样本熵指征数据关性指征数据；S4：根据标准组和特征组的样本熵指征数据、相关性指征数据计算边界条件；S5：采用上述方法处理待分类组的脑电数据得到样本熵指征数据和相关性指征数据，结合边界条件判断待分类组的脑电数据的分组类别。本发明专利技术还公开一种脑电数据处理装置和计算机可读存储介质。

【技术实现步骤摘要】
一种脑电数据处理方法、装置以及计算机可读存储介质
本专利技术涉及脑电数据处理的
，尤其是涉及一种基于特征信息的脑电数据处理方法、装置以及计算机可读存储介质。
技术介绍
现有技术中对脑电波的研究主要是通过脑电图(EEG)进行，脑电研究将脑电按照频率和振幅分为以下几类：β波，频率高(在14到30Hz之间，有时高至50Hz)，幅值较小(约5μV)；d波，最典型的脑电波节律，在8到13Hz之间，幅值比β波稍大；θ波，频率比d波略低，通常为4到7Hz，振幅比d波大；δ波，最慢的脑电波节律，通常低于3.5Hz，其振幅最大，可达300μV。目前常采用的方式是根据四类波所占的比例以及对应波的频率和振幅来判断目标当前的状态，但是目前对脑电数据的处理方法的准确性不高，不能准确的反应目标当前的状态。因此，提出一种准确性高的脑电数据分类方法是目前亟待解决的技术问题。
技术实现思路
为了解决现有技术中脑电数据的处理方法的准确性不高，不能准确的反映目标当前的状态的技术问题，本公开提供了一种脑电数据处理方法，包括：S1：获取标准组的多个位点的脑电数据和特征组的多个位点的脑电数据；S2：采用经验模态分解方法分别对所述标准组的每个位点的脑电数据和所述特征组的每个位点的脑电数据进行处理，分别得到所述标准组的多个第一阶至第四阶的固有模态函数分量和所述特征组的多个第一阶至第四阶的固有模态函数分量；将所述标准组的多个第一阶至第四阶的固有模态函数分量进行计算，得到标准组样本熵集合；将所述特征组的多个第一阶至第四阶的固有模态函数分量进行计算，得到特征组样本熵集合，其中，每个位点具有对应的第一阶至第四阶固有模态函数分量；分别计算所述标准组的脑电数据和所述特征组的脑电数据中相关联的位点的脑电数据的时序相关性，得到标准组相关性集合和特征组相关性集合；S3：采用显著性检验的方法对所述标准组样本熵集合、所述特征组样本熵集合、所述标准组相关性集合以及所述特征组相关性集合进行处理，得到标准组样本熵指征数据、特征组样本熵指征数据、标准组相关性指征数据和特征组相关性指征数据；S4：根据所述标准组样本熵指征数据、所述特征组样本熵指征数据、所述标准组相关性指征数据和所述特征组相关性指征数据计算边界条件；S5：采用如所述S1至所述S4的方法处理待分类组的脑电数据得到待分类组的样本熵指征数据和相关性指征数据，通过所述待分类组的样本熵指征数据和相关性指征数据结合所述边界条件判断所述待分类组的脑电数据的分组类别。根据本公开的一些实施例，所述S2中，所述将所述标准组的多个第一阶至第四阶的固有模态函数分量，对所述固有模态函数分量进行计算，得到标准组样本熵集合包括：分别对所述标准组和所述特征组内每一个位点的脑电数据计算得到的第一阶至第四阶的固有模态函数分量计算得到多组分量样本熵；将所述多组所述分量样本熵计算平均值得到当前位点的样本熵，将所述标准组内计算得到的所有样本熵组合成标准组样本熵集合，将所述特征组内计算得到的所有样本熵组合成特征组样本熵集合。根据本公开的一些实施例，所述多个位点为脑内两两对称分布的位点。根据本公开的一些实施例，所述S2中，提取所述标准组中对称分布的两个位点的数据，将所述标准组中对称分布的两个所述位点的数据按照波段分为N组，计算每个波段的两个所述位点的数据的时序相关性数据和功率比值，其中，N为大于或等于2的正整数；将所述标准组中计算得到的所有时序相关性数据和功率比值的自然对数组成标准组的相关性集合；提取所述特征组中与所述标准组中提取位点相对应的两个位点的数据，将所述特征组两个所述位点的数据按照波段分为四组，计算每个波段的两个所述位点的数据的时序相关性数据和功率比值；将所述特征组中计算得到的所有时序相关性数据和功率比值的自然对数组成特征组的相关性集合。根据本公开的一些实施例，所述S3中，采用显著性检验的方法分别对所述标准组样本熵集合和所述特征组样本熵集合进行计算得到多个所述位点显著性差异数据，提取多个所述位点显著性差异数据中k个最小的值对应的样本熵作为样本熵指征数据；采用显著性检验的方法分别对所述标准组相关性集合和所述特征组相关性集合进行计算得到多个所述位点显著性差异数据，提取多个所述位点显著性差异数据中k个最小的值对应的时序相关性数据或功率比值的自然对数作为相关性指征数据，其中k为小于所述位点数量的50％的正整数。根据本公开的一些实施例，所述S4中包括：根据所述标准组中所有脑电数据的样本熵指征数据和相关性指征数据以及所述特征组中所有脑电数据的样本熵指征数据和相关性指征数据计算边界条件。根据本公开的一些实施例，所述S5之后还包括：将已分类组的脑电数据添加到对应分类组中并更新脑电数据。根据本公开的一些实施例，所述特征组的数量至少为两个。本公开还提供了一种脑电数据处理装置，包括存储模块、读取模块、计算模块和输出模块；获取模块，用于获取标准组的多个位点的脑电数据和特征组的多个位点的脑电数据；第一计算模块，用于采用经验模态分解方法分别对所述标准组的每个位点的脑电数据和所述特征组的每个位点的脑电数据进行处理，分别得到所述标准组的多个第一阶至第四阶的固有模态函数分量和所述特征组的多个第一阶至第四阶的固有模态函数分量；将所述标准组的多个第一阶至第四阶的固有模态函数分量进行计算，得到标准组样本熵集合；将所述特征组的多个第一阶至第四阶的固有模态函数分量进行计算，得到特征组样本熵集合，其中，每个位点具有对应的第一阶至第四阶固有模态函数分量；分别计算所述标准组的脑电数据和所述特征组的脑电数据中相关联的位点的脑电数据的时序相关性，得到标准组相关性集合和特征组相关性集合；处理模块，用于采用显著性检验的方法对所述标准组样本熵集合、所述特征组样本熵集合、所述标准组相关性集合以及所述特征组相关性集合进行处理，得到标准组样本熵指征数据、特征组样本熵指征数据、标准组相关性指征数据和特征组相关性指征数据；第二计算模块，用于根据所述标准组样本熵指征数据、所述特征组样本熵指征数据、所述标准组相关性指征数据和所述特征组相关性指征数据计算边界条件；判断模块，用于处理待分类组的脑电数据得到待分类组的样本熵指征数据和相关性指征数据，通过所述待分类组的样本熵指征数据和相关性指征数据结合所述边界条件判断所述待分类组的脑电数据的分组类别。本公开还提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有程序，所述程序被处理器执行时实现上述脑电数据处理方法。通过上述技术方案，本公开通过采用经验模态分解方法以及显著性检验的方法获得标准组和特征组的样本熵信息和相关性信息，可以更加全面地提取脑电特征信号，从时域和能量两个角度进行相关性分析，可以更好地反映脑电的特征，可以提高对脑电数据分类以及提取的精度。附图说明图1示意性示出了本公开实施例的脑电数据处理方法的流程图；图2示意性示出了本公开一具体实施例本文档来自技高网...

【技术保护点】
1.一种脑电数据处理方法，其特征在于，包括：/nS1：获取标准组的多个位点的脑电数据和特征组的多个位点的脑电数据；/nS2：采用经验模态分解方法分别对所述标准组的每个位点的脑电数据和所述特征组的每个位点的脑电数据进行处理，分别得到所述标准组的多个第一阶至第四阶的固有模态函数分量和所述特征组的多个第一阶至第四阶的固有模态函数分量；将所述标准组的多个第一阶至第四阶的固有模态函数分量进行计算，得到标准组样本熵集合；将所述特征组的多个第一阶至第四阶的固有模态函数分量进行计算，得到特征组样本熵集合，其中，每个位点具有对应的第一阶至第四阶固有模态函数分量；/n分别计算所述标准组的脑电数据和所述特征组的脑电数据中相关联的位点的脑电数据的时序相关性，得到标准组相关性集合和特征组相关性集合；/nS3：采用显著性检验的方法对所述标准组样本熵集合、所述特征组样本熵集合、所述标准组相关性集合以及所述特征组相关性集合进行处理，得到标准组样本熵指征数据、特征组样本熵指征数据、标准组相关性指征数据和特征组相关性指征数据；/nS4：根据所述标准组样本熵指征数据、所述特征组样本熵指征数据、所述标准组相关性指征数据和所述特征组相关性指征数据计算边界条件；/nS5：采用如所述S1至所述S4的方法处理待分类组的脑电数据得到待分类组的样本熵指征数据和相关性指征数据，通过所述待分类组的样本熵指征数据和相关性指征数据结合所述边界条件判断所述待分类组的脑电数据的分组类别。/n...

【技术特征摘要】
1.一种脑电数据处理方法，其特征在于，包括：
S1：获取标准组的多个位点的脑电数据和特征组的多个位点的脑电数据；
S2：采用经验模态分解方法分别对所述标准组的每个位点的脑电数据和所述特征组的每个位点的脑电数据进行处理，分别得到所述标准组的多个第一阶至第四阶的固有模态函数分量和所述特征组的多个第一阶至第四阶的固有模态函数分量；将所述标准组的多个第一阶至第四阶的固有模态函数分量进行计算，得到标准组样本熵集合；将所述特征组的多个第一阶至第四阶的固有模态函数分量进行计算，得到特征组样本熵集合，其中，每个位点具有对应的第一阶至第四阶固有模态函数分量；
分别计算所述标准组的脑电数据和所述特征组的脑电数据中相关联的位点的脑电数据的时序相关性，得到标准组相关性集合和特征组相关性集合；
S3：采用显著性检验的方法对所述标准组样本熵集合、所述特征组样本熵集合、所述标准组相关性集合以及所述特征组相关性集合进行处理，得到标准组样本熵指征数据、特征组样本熵指征数据、标准组相关性指征数据和特征组相关性指征数据；
S4：根据所述标准组样本熵指征数据、所述特征组样本熵指征数据、所述标准组相关性指征数据和所述特征组相关性指征数据计算边界条件；
S5：采用如所述S1至所述S4的方法处理待分类组的脑电数据得到待分类组的样本熵指征数据和相关性指征数据，通过所述待分类组的样本熵指征数据和相关性指征数据结合所述边界条件判断所述待分类组的脑电数据的分组类别。


2.根据权利要求1所述的脑电数据处理方法，其特征在于，所述S2中，所述将所述标准组的多个第一阶至第四阶的固有模态函数分量进行计算，得到标准组样本熵集合包括：
分别对所述标准组和所述特征组内每一个位点的脑电数据计算得到的第一阶至第四阶的固有模态函数分量，对所述固有模态函数分量计算得到多组分量样本熵；
将所述多组所述分量样本熵计算平均值得到当前位点的样本熵，将所述标准组内计算得到的所有样本熵组合成标准组样本熵集合，将所述特征组内计算得到的所有样本熵组合成特征组样本熵集合。


3.根据权利要求2所述的脑电数据处理方法，其特征在于，所述多个位点为脑内两两对称分布的位点。


4.根据权利要求3所述的脑电数据处理方法，其特征在于，所述S2中，
提取所述标准组中对称分布的两个位点的数据，将所述标准组中对称分布的两个所述位点的数据按照波段分为N组，计算每个波段的两个所述位点的数据的时序相关性数据和功率比值，其中，N为大于或等于2的正整数；
将所述标准组中计算得到的所有时序相关性数据和功率比值的自然对数组成标准组的相关性集合；
提取所述特征组中与所述标准组中提取位点相对应的两个位点的数据，将所述特征组两个所述位点的数据按照波段分为四组，计算每个波段的两个所述位点的数据的时序相关性数据和功率比值；
将所述特征组中计算得到的所有时序相关性数据和功率比值的自然对数组成特征组的相关性集合。...

【专利技术属性】
技术研发人员：刘军涛，蔡新霞，徐声伟，邢宇，陆柏涛，
申请(专利权)人：中国科学院空天信息创新研究院，
类型：发明
国别省市：北京;11