一种脑电波分析方法及终端技术

本发明专利技术公开一种脑电波分析方法及终端，通过获取待分析对象的脑电波静息态数据生成静息基线状态的数据阈值，根据静息态数据得到静息基线状态的数据阈值得到标量化模型，待分析对象进行脑电波测试后，再将待分析对象的脑电波测试数据通过标量化模型对脑电波测试数据进行标量化，得到脑电波测试数据的标量化曲线，并根据标量化曲线确定所述待分析对象的状态；从而使得待分析对象能够通过标量化的脑电波数据了解测试过程中每一时刻的精神状态，同时也使每个待分析对象的脑电波数据生成与待分析对象个体对应的量化曲线，消除了个体之间测试数据的差异，实现不同待分析对象均能根据标量化后的曲线对精神状态进行判断，从而提高了脑电波分析的准确性。

【技术实现步骤摘要】
一种脑电波分析方法及终端
本专利技术涉及数据处理领域，特别是涉及一种脑电波分析方法及终端。
技术介绍
随着脑电波(Electroencephalogram，EEG)信号采集和识别技术不断升级，实时的EEG监测技术也越来越成熟。通过获取相应的脑电波信号特征，可以判断出人体的一些精神状态，比如专注度、压力、放松、疲劳等精神状态。脑电波特征主要有时域和频域相关的特征，时域特征主要有两个信号的相关性、均方值等。频域特征主要有各个频段的脑电波，包括Delta、Theta、Alpha、Beta、Gamma等波段能量，以及如相干性、样本熵等的特征。然而，其中绝大部分的特征都是没有明确的变化范围的，因此非专业人士无法判断特征值的高低，并判断当前精神指标的状态。只有专业人士才能看得懂这些特征的大小所表示的意义。并且学术界更关注的是特征的相对变化，而不是特征的具体幅值。目前大部分的研究都会将某一精神状态分为几种等级，比如专利CN202010822827.6将压力分成了多个等级。但是压力应该是个连续变化的过程，单纯的归纳为几个等级的压力将会失去很多的变化细节。并且由于存在个体差异，相同的特征对一些人来说可能是专注的，而对另一些人来说可能是不专注度，使用同一模型对所有人的状态进行分类也不太合适。
技术实现思路
本专利技术所要解决的技术问题是：提供一种脑电波分析方法及终端，能够提高脑电波分析的准确性。为了解决上述技术问题，本专利技术采用的技术方案为：一种脑电波分析方法，包括步骤：获取待分析对象的脑电波静息态数据；根据所述静息态数据得到静息基线状态的数据阈值；根据所述静息基线状态的数据阈值得到标量化模型；获取所述待分析对象的脑电波测试数据，并通过所述标量化模型对所述脑电波测试数据进行标量化，得到脑电波测试的标量化曲线，根据所述标量化曲线确定所述待分析对象的状态。为了解决上述技术问题，本专利技术采用的另一种技术方案为：一种脑电波分析终端，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述脑电波分析方法中的各个步骤。本专利技术的有益效果在于：获取待分析对象的脑电波静息态数据生成静息基线状态的数据阈值，再根据静息态数据得到静息基线状态的数据阈值得到标量化模型，待分析对象进行脑电波测试后，再将待分析对象的脑电波测试数据通过标量化模型对脑电波测试数据进行标量化，得到脑电波测试数据的标量化曲线，并根据标量化曲线确定所述待分析对象的状态；从而使得待分析对象能够通过标量化的脑电波数据了解测试过程中每一时刻的精神状态，同时通过将脑电波数据进行标量化，使每个待分析对象的脑电波数据生成与待分析对象个体对应的量化曲线，消除了个体之间测试数据的差异，实现不同待分析对象均能根据标量化后的曲线对精神状态进行判断，从而提高了脑电波分析的准确性。附图说明图1为本专利技术实施例的一种脑电波分析方法的步骤流程图；图2为本专利技术实施例中对脑电波异常信号处理后的结果图；图3为本专利技术实施例中经过标量化后的脑电波特征曲线图；图4为本专利技术实施例的一种电子设备的结构示意图；图5为本专利技术实施例的一种脑电波分析终端的模块结构示意图。具体实施方式为详细说明本专利技术的
技术实现思路
、所实现目的及效果，以下结合实施方式并配合附图予以说明。请参照图1，一种脑电波分析方法，包括步骤：获取待分析对象的脑电波静息态数据；根据所述静息态数据得到静息基线状态的数据阈值；根据所述静息基线状态的数据阈值得到标量化模型；获取所述待分析对象的脑电波测试数据，并通过所述标量化模型对所述脑电波测试数据进行标量化，得到脑电波测试的标量化曲线，根据所述标量化曲线确定所述待分析对象的状态。从上述描述可知，本专利技术的有益效果在于：获取待分析对象的脑电波静息态数据生成静息基线状态的数据阈值，再根据静息态数据得到静息基线状态的数据阈值得到标量化模型，待分析对象进行脑电波测试后，再将待分析对象的脑电波测试数据通过标量化模型对脑电波测试数据进行标量化，得到脑电波测试数据的标量化曲线，并根据标量化曲线确定所述待分析对象的状态；从而使得待分析对象能够通过标量化的脑电波数据了解测试过程中每一时刻的精神状态，同时通过将脑电波数据进行标量化，使每个待分析对象的脑电波数据生成与待分析对象个体对应的量化曲线，消除了个体之间测试数据的差异，实现不同待分析对象均能根据标量化后的曲线对精神状态进行判断，从而提高了脑电波分析的准确性。进一步地，所述根据所述静息态数据得到静息基线状态的数据阈值包括：根据所述静息态数据得到对应的均值以及标准差；根据所述静息态数据对应的均值以及标准差得到所述静息基线状态的数据阈值。由上述描述可知，通过计算静息基线状态数据的均值以及标准差获取静息基线状态的数据阈值，能够更加精确的体现出待分析对象处于静息状态时的相对精神状态。进一步地，所述根据所述静息基线状态的数据阈值得到标量化模型包括：所述静息基线状态的数据阈值包括第一阈值和第二阈值；所述第一阈值为所述均值与标准差的和，所述第二阈值为所述均值与标准差的差；将所述第一阈值映射为第一临界分数值，得到第一映射方程；将所述第二阈值映射为第二临界分数值，得到第二映射方程；通过所述第一映射方程和第二映射方程得到所述标量化模型。由上述描述可知，基于第一阈值和第二阈值通过映射得到标准化模型，使得经过标准化模型后的曲线具有明确的精神状态第一阈值和第二阈值，不仅能够适用于不同的待分析对象，同时使得标量化后的数据更容易读懂和进行精神状态的判断。进一步地，所述获取所述待分析对象的脑电波测试数据之后包括：将获取到的所述待分析对象的脑电波测试数据转化为脑电波信号的功率谱密度；根据所述脑电波信号的功率谱密度得到不同类型脑电波的能量值；根据所述不同类型脑电波的能量值生成对应的脑电波特征曲线；所述通过所述标量化模型对所述脑电波测试数据进行标量化包括：通过所述标量化模型对所述脑电波特征曲线进行标量化。由上述描述可知，通过将获取到的待分析对象的脑电波测试数据转化为脑电波信号的功率谱密度，能够将脑电波数据转化成不同类型脑电波的能量值，并通过不同类型脑电波的能量值生成对应的脑电波特征曲线，从而能够得到连续的精神状态曲线图，保留每一时刻精神状态的信息。进一步地，所述根据所述不同类型脑电波的能量值生成对应的脑电波特征曲线包括：判断所述不同类型脑电波之间是否存在差异性，若存在，则对所述不同类型脑电波的能量值进行组合计算，并根据所述组合计算结果生成对应的脑电波特征曲线；若不存在，则对所述不同类型脑电波的能量值进行单一计算，并根据所述单一计算结果生成对应的脑电波特征曲线。由上述描述可知，通过判断不同类型脑电波之间是否存在差异性，若存在差异性则进行组合计算，本文档来自技高网...

【技术保护点】
1.一种脑电波分析方法，其特征在于，包括步骤：/n获取待分析对象的脑电波静息态数据；/n根据所述静息态数据得到静息基线状态的数据阈值；/n根据所述静息基线状态的数据阈值得到标量化模型；/n获取所述待分析对象的脑电波测试数据，并通过所述标量化模型对所述脑电波测试数据进行标量化，得到脑电波测试的标量化曲线，根据所述标量化曲线确定所述待分析对象的状态。/n

【技术特征摘要】
1.一种脑电波分析方法，其特征在于，包括步骤：
获取待分析对象的脑电波静息态数据；
根据所述静息态数据得到静息基线状态的数据阈值；
根据所述静息基线状态的数据阈值得到标量化模型；
获取所述待分析对象的脑电波测试数据，并通过所述标量化模型对所述脑电波测试数据进行标量化，得到脑电波测试的标量化曲线，根据所述标量化曲线确定所述待分析对象的状态。


2.根据权利要求1所述的一种脑电波分析方法，其特征在于，所述根据所述静息态数据得到静息基线状态的数据阈值包括：
根据所述静息态数据得到对应的均值以及标准差；
根据所述静息态数据对应的均值以及标准差得到所述静息基线状态的数据阈值。


3.根据权利要求2所述的一种脑电波分析方法，其特征在于，所述根据所述静息基线状态的数据阈值得到标量化模型包括：
所述静息基线状态的数据阈值包括第一阈值和第二阈值；
所述第一阈值为所述均值与标准差的和，所述第二阈值为所述均值与标准差的差；
将所述第一阈值映射为第一临界分数值，得到第一映射方程；
将所述第二阈值映射为第二临界分数值，得到第二映射方程；
通过所述第一映射方程和第二映射方程得到所述标量化模型。


4.根据权利要求1所述的一种脑电波分析方法，其特征在于，所述获取所述待分析对象的脑电波测试数据之后包括：
将获取到的所述待分析对象的脑电波测试数据转化为脑电波信号的功率谱密度；
根据所述脑电波信号的功率谱密度得到不同类型脑电波的能量值；
根据所述不同类型脑电波的能量值生成...

【专利技术属性】
技术研发人员：熊秀春，周可忠，梁红波，
申请(专利权)人：深湾创新技术深圳有限公司，
类型：发明
国别省市：广东;44