心理压力分类与评估方法及装置制造方法及图纸

本发明专利技术公开了一种心理压力分类与评估方法及装置。心理压力分类与评估方法，包括：通过滑动时间窗技术，将原始脑电信号分割成多个时间片；自适应提取多个时间片的片内时间特征和片间时间特征；基于片内时间特征和片间时间特征，对心理压力进行分类和评估。采用本发明专利技术，通过自适应地捕获每个脑电图片(即时间片)内部和片间的时间特征，可以得到更有效的多分类结果，从而可以提高心理压力评估的准确性。从而可以提高心理压力评估的准确性。从而可以提高心理压力评估的准确性。

【技术实现步骤摘要】
心理压力分类与评估方法及装置


[0001]本专利技术涉及计算机领域，尤其涉及一种心理压力分类与评估方法及装置。

技术介绍

[0002]压力是人们普遍认为的主要心理问题之一，它会导致多种疾病，如抑郁症、成瘾、中风和心脏病发作。脑电图(electroencephalogram，EEG)以其非入侵、低成本、高移动性和高时间分辨率被认为是最受欢迎的心理压力分类指标之一。EEG信号特征可以手动或自动提取。手动方法专注于特定任务，很大程度上取决于设计者的经验和知识，这可能导致时间消耗和模型泛化较差。与手动特征提取方法相比，自动方法，特别是深度学习技术如CNN及其扩展网络(包括EEGNet和LSTM)由于其自学习能力和端到端结构，已经被证明它们在图像和时序信号(如EEG)的特征提取中的有效性。尽管这些技术擅长捕获丰富的时间特征，但缺点也很明显，即提取丰富的时间特征会导致计算成本的增加。通常，在输入LSTM网络之前，EEG信号被滑动窗口技术分割成时间片。但是，这种预处理方法忽略了EEG信号的本质，而EEG信号是传递有价值信息的载体，容易被破坏载体，导致信息丢失。同时，由于EEG信号的非平稳性，LSTM不能突出重要特征对分类的贡献。

技术实现思路

[0003]本专利技术实施例提供一种心理压力分类与评估方法及装置，用以解决现有技术中EEG信号特征提取破坏EEG信号的连续性的问题。
[0004]根据本专利技术实施例的心理压力分类与评估方法，包括：
[0005]通过滑动时间窗技术，将原始脑电信号分割成多个时间片；
[0006]自适应提取多个所述时间片的片内时间特征和片间时间特征；
[0007]基于所述片内时间特征和所述片间时间特征，对心理压力进行分类和评估。
[0008]根据本专利技术的一些实施例，所述自适应提取多个所述时间片的片内时间特征和片间时间特征，包括：
[0009]采用Intra
‑
LTAM网络，针对每个所述时间片提取所述片内时间特征；
[0010]采用Inter
‑
LTAM网络，针对多个所述时间片提取所述片间时间特征；
[0011]其中，所述Intra
‑
LTAM网络和所述Inter
‑
LTAM网络并行运行。
[0012]根据本专利技术的一些实施例，所述Intra
‑
LTAM网络和所述Inter
‑
LTAM网络的隐含层节点个数均为128，且所述Intra
‑
LTAM网络和所述Inter
‑
LTAM网络均采用Dropout系数为0.5的Dropout正则化方法。
[0013]根据本专利技术的一些实施例，所述基于所述片内时间特征和所述片间时间特征，对心理压力进行分类和评估，包括：
[0014]采用层次注意机制，通过权值优化所述片内时间特征和所述片间时间特征，以获取有效的片内时间特征和片间时间特征；
[0015]基于所述有效的片内时间特征和片间时间特征，对心理压力进行分类和评估。
[0016]根据本专利技术的一些实施例，所述方法，还包括：
[0017]通过电极组件采集所述原始脑电信号；
[0018]所述电极组件有且仅有20个电极，分别为Fp1、Fp2、F7、F3、Fz、F4、F8、A1、T3、C3、C4、T4、A2、T5、P3、Pz、P4、T6、O1、O2。
[0019]根据本专利技术实施例的心理压力分类与评估装置，包括：
[0020]信号分割单元，用于通过滑动时间窗技术，将原始脑电信号分割成多个时间片；
[0021]特征提取单元，用于自适应提取多个所述时间片的片内时间特征和片间时间特征；
[0022]分类和评估单元，用于基于所述片内时间特征和所述片间时间特征，对心理压力进行分类。
[0023]根据本专利技术的一些实施例，所述特征提取单元，用于：
[0024]采用Intra
‑
LTAM网络，针对每个所述时间片提取所述片内时间特征；
[0025]采用Inter
‑
LTAM网络，针对多个所述时间片提取所述片间时间特征；
[0026]其中，所述Intra
‑
LTAM网络和所述Inter
‑
LTAM网络并行运行。
[0027]根据本专利技术的一些实施例，所述Intra
‑
LTAM网络和所述Inter
‑
LTAM网络的隐含层节点个数均为128，且所述Intra
‑
LTAM网络和所述Inter
‑
LTAM网络均采用Dropout系数为0.5的Dropout正则化装置。
[0028]根据本专利技术的一些实施例，所述分类和评估单元，包括：
[0029]处理单元，用于采用层次注意机制，通过权值优化所述片内时间特征和所述片间时间特征，以获取有效的片内时间特征和片间时间特征；
[0030]分析单元，用于基于所述有效的片内时间特征和片间时间特征，对心理压力进行分类和评估。
[0031]根据本专利技术的一些实施例，所述装置，还包括：
[0032]电极组件，用于采集所述原始脑电信号；
[0033]所述电极组件有且仅有20个电极，分别为Fp1、Fp2、F7、F3、Fz、F4、F8、A1、T3、C3、C4、T4、A2、T5、P3、Pz、P4、T6、O1、O2。
[0034]采用本专利技术实施例，通过自适应地捕获每个脑电图片(即时间片)内部和片间的时间特征，可以得到更有效的多分类结果，从而可以提高心理压力分类与评估的准确性。
[0035]上述说明仅是本专利技术技术方案的概述，为了能够更清楚了解本专利技术的技术手段，而可依照说明书的内容予以实施，并且为了让本专利技术的上述和其它目的、特征和优点能够更明显易懂，以下特举本专利技术的具体实施方式。
附图说明
[0036]通过阅读下文实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本专利技术的限制。在附图中：
[0037]图1是本专利技术实施例中心理压力分类与评估方法流程图；
[0038]图2是本专利技术实施例中心理压力分类与评估方法流程图；
[0039]图3是本专利技术实施例中电极组件在头部排布示意图。
具体实施方式
[0040]下面将参照附图更详细地描述本专利技术的示例性实施例。虽然附图中显示了本专利技术的示例性实施例，然而应当理解，可以以各种形式实现本专利技术而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本专利技术，并且能够将本专利技术的范围完整的传达给本领域的技术人员。
[0041]本专利技术第一方面实施例提出一种心理压力分类与评估方法，如图1所示，包括：
[0042]S1，通过滑动时间窗技术，将原始脑电信号分割成多个时间片；...

【技术保护点】

【技术特征摘要】
1.一种心理压力分类与评估方法，其特征在于，包括：通过滑动时间窗技术，将原始脑电信号分割成多个时间片；自适应提取多个所述时间片的片内时间特征和片间时间特征；基于所述片内时间特征和所述片间时间特征，对心理压力进行分类和评估。2.如权利要求1所述的方法，其特征在于，所述自适应提取多个所述时间片的片内时间特征和片间时间特征，包括：采用Intra
‑
LTAM网络，针对每个所述时间片提取所述片内时间特征；采用Inter
‑
LTAM网络，针对多个所述时间片提取所述片间时间特征；其中，所述Intra
‑
LTAM网络和所述Inter
‑
LTAM网络并行运行。3.如权利要求2所述的方法，其特征在于，所述Intra
‑
LTAM网络和所述Inter
‑
LTAM网络的隐含层节点个数均为128，且所述Intra
‑
LTAM网络和所述Inter
‑
LTAM网络均采用Dropout系数为0.5的Dropout正则化方法。4.如权利要求1所述的方法，其特征在于，所述基于所述片内时间特征和所述片间时间特征，对心理压力进行分类和评估，包括：采用层次注意机制，通过权值优化所述片内时间特征和所述片间时间特征，以获取有效的片内时间特征和片间时间特征；基于所述有效的片内时间特征和片间时间特征，对心理压力进行分类和评估。5.如权利要求1所述的方法，其特征在于，所述方法，还包括：通过电极组件采集所述原始脑电信号；所述电极组件有且仅有20个电极，分别为Fp1、Fp2、F7、F3、Fz、F4、F8、A1、T3、C3、C4、T4、A2、T5、P3、Pz、P4、T6、O1、O2。6.一种心理...

【专利技术属性】
技术研发人员：夏立坤，冯源，
申请(专利权)人：首都师范大学，
类型：发明
国别省市：