本申请提供一种脑机接口分类模型的训练方法、装置、设备及介质，方法包括：获取测试数据集；其中，测试数据集包括多个受试者中每个受试者的多个测试数据，每个受试者的每个测试数据是该受试者在脑机接口范式实验下的脑电信号数据；将测试数据集中的多个测试数据，按照预设组合方式进行组合，得到样本数据集；采用样本数据集，对脑机接口范式的分类模型进行训练，得到目标分类模型。本申请可以减小受试者实验中的自身因素、环境因素等对样本数据的影响，进而提高训练后的分类模型的准确率。进而提高训练后的分类模型的准确率。进而提高训练后的分类模型的准确率。
【技术实现步骤摘要】
一种脑机接口分类模型的训练方法、装置、设备及介质
[0001]本申请涉及脑机接口领域，尤其涉及一种脑机接口分类模型的训练方法、装置、设备及介质。
技术介绍
[0002]脑
‑
机接口(Brain
‑
Computer Interface，BCI)是在脑与机器之间建立连接的系统，通过在头皮上，大脑表面上或大脑内的传感器检测电场或磁场、血红蛋白氧合或参数来进行量化。脑机接口实验范式(下面简称脑机接口范式)是获取脑机接口所用特征的技术手段，常用的脑机接口范式包括运动想象范式、稳态视觉诱发电位(Steady
‑
State Visual Evoked Potentials，SSVEP)范式、P300范式等。
[0003]在脑机接口范式实验中，当受试者收到外部视觉的刺激时，其大脑内部神经活动将会产生相应的变化，这些被动的响应将会形成不同的脑电时空尺度模式。利用计算机对脑电信号进行采集，通过分类模型对脑电信号进行分类，以识别相应的刺激信号。通过对这些刺激信号的分析，可以将其作为人对外部设备控制的指令，从而实现对特定目标的识别。
[0004]在对上述分类模型进行训练时，将受试者在脑机接口范式实验中的测试数据作为训练样本。由于受试者在测试时容易受环境、自身因素(疲劳、走神等)的影响，导致训练样本具有误差，从而影响训练后的分类模型的准确率。
技术实现思路
[0005]本申请提供一种脑机接口分类模型的训练方法、装置、设备及介质，以降低实验环境、受试者自身因素等对样本数据的影响，进而提高训练后的分类模型的准确率。
[0006]第一方面，本申请实施例提供一种脑机接口分类模型的训练方法，包括：
[0007]获取测试数据集；其中，所述测试数据集包括多个受试者各自对应的多个测试数据，每个受试者的每个测试数据是该受试者在脑机接口范式实验下的脑电信号数据；
[0008]将所述测试数据集中的多个测试数据，按照预设组合方式进行组合，得到样本数据集；
[0009]采用所述样本数据集，对所述脑机接口范式的分类模型进行训练，得到目标分类模型。
[0010]可选地，所述脑机接口范式为运动想象范式，所述脑电信号数据包括多个脑电信号采集模块分别采集的多个采样点数据；
[0011]将所述测试数据集中的多个测试数据，按照预设组合方式进行组合，得到样本数据集，包括：
[0012]方式一、将所述测试数据集分为多个测试数据子集，所述每个测试数据子集包括所述多个受试者各自对应的一个测试数据；将所述多个测试数据子集中，每个测试数据子集中的各个测试数据按行进行拼接，得到样本数据集；或者
[0013]方式二、将所述多个受试者各自对应的多个测试数据进行串行组合，得到样本数
据集；或者
[0014]方式三、分别提取所述测试数据集中各个测试数据的特征数据，并将所述各个测试数据的特征数据分为多个特征数据子集，所述每个特征数据子集包括所述多个受试者各自对应的一个特征数据；将所述多个特征数据子集中，每个特征数据子集中的各个特征数据按行进行拼接，得到样本数据集；或者
[0015]方式四、分别提取所述测试数据集中各个测试数据的特征数据，将所述多个受试者各自对应的多个特征数据进行串行组合，得到样本数据集。
[0016]可选地，若采用所述方式一将所述测试数据集中的多个测试数据，按照预设组合方式进行组合，则所述分类模型为第一卷积神经网络；其中，所述第一卷积神经网络的卷积核尺寸为m*Nn；其中，m为设定时长与采样频率的乘积，n为所述脑电信号采集模块的数目，N为受试者的数目，且m、n、N分别为正整数；或者
[0017]若采用所述方式二将所述测试数据集中的多个测试数据，按照预设组合方式进行组合，则所述分类模型包括第二卷积神经网络和时间递归神经网络；其中，所述第二卷积神经网络的卷积核尺寸为1*m；或者
[0018]若采用所述方式三或者所述方式四将所述测试数据集中的多个测试数据，按照预设组合方式进行组合，则所述分类模型为机器学习分类器。
[0019]可选地，所述脑机接口范式为稳态视觉诱发电位SSVEP，所述脑电信号数据包括多个脑电信号采集模块分别采集的多个采样点数据；
[0020]将所述测试数据集中的多个测试数据，按照预设组合方式进行组合，得到样本数据集，包括：
[0021]将所述测试数据集分为多个测试数据子集；其中，所述每个测试数据子集包括所述多个测试者各自对应的一个测试数据；
[0022]针对所述多个测试数据子集中的每个测试数据子集，分别提取所述测试数据子集中的各个测试数据的频域特征数据，将所述各个测试数据的频域特征数据按照预设组合方式进行组合，得到样本数据集。
[0023]可选地，所述将所述各个频域特征数据按照预设组合方式进行组合，包括：
[0024]方式五、将所述各个测试数据的频域特征数据按行进行拼接；或者
[0025]方式六、将所述各个测试数据的频域特征数据按列进行拼接；或者
[0026]方式七、将所述各个测试数据的频域特征数据分别进行归一化处理，将得到的各个测试数据的归一化特征数据按照对应频率点进行叠加。
[0027]可选地，若采用所述方式五将所述测试数据集中的多个测试数据，按照预设组合方式进行组合，则所述分类模型为第三卷积神经网络，所述第三卷积神经网络采用三层卷积；或者
[0028]若采用所述方式六将所述测试数据集中的多个测试数据，按照预设组合方式进行组合，则所述分类模型为第四卷积神经网络，所述第四卷积神经网络采用两层卷积；或者
[0029]若采用所述方式七将所述测试数据集中的多个测试数据，按照预设组合方式进行组合，则所述分类模型为第五卷积神经网络，所述第五卷积神经网络采用两层卷积。
[0030]可选地，所述脑机接口范式为P300，所述脑电信号数据包括多个导联分别采集的多个采样点数据；
[0031]所述将所述测试数据集中的多个测试数据，按照预设组合方式进行组合，得到样本数据集，包括：
[0032]将所述测试数据集分为多个测试数据子集；其中，所述每个测试数据子集包括所述多个测试者各自对应的多个测试数据；
[0033]针对所述多个测试数据子集中的每个测试数据子集，将所述测试数据子集中的各个测试数据的对应采样点进行叠加平均，得到样本数据集。
[0034]第二方面，本申请实施例提供一种脑机接口分类模型的训练装置，包括：
[0035]获取模块，用于获取测试数据集；其中，所述测试数据集包括多个受试者中每个受试者的多个测试数据，每个受试者的每个测试数据是该受试者在脑机接口范式实验下的脑电信号数据；
[0036]组合模块，用于将所述测试数据集中的多个测试数据，按照预设组合方式进行组合，得到样本数据集；
[0037]训练模块，用于采用所述样本数据集，对所述脑机接口范式的分类模型进行训练，得到目标分类模型。
...
【技术保护点】
【技术特征摘要】
1.一种脑机接口分类模型的训练方法，其特征在于，包括：获取测试数据集；其中，所述测试数据集包括多个受试者各自对应的多个测试数据，每个受试者的每个测试数据是该受试者在脑机接口范式实验下的脑电信号数据；将所述测试数据集中的多个测试数据，按照预设组合方式进行组合，得到样本数据集；采用所述样本数据集，对所述脑机接口范式的分类模型进行训练，得到目标分类模型。2.根据权利要求1所述的方法，其特征在于，所述脑机接口范式为运动想象范式，所述脑电信号数据包括多个脑电信号采集模块分别采集的多个采样点数据；将所述测试数据集中的多个测试数据，按照预设组合方式进行组合，得到样本数据集，包括：方式一、将所述测试数据集分为多个测试数据子集，所述每个测试数据子集包括所述多个受试者各自对应的一个测试数据；将所述多个测试数据子集中，每个测试数据子集中的各个测试数据按行进行拼接，得到样本数据集；或者方式二、将所述多个受试者各自对应的多个测试数据进行串行组合，得到样本数据集；或者方式三、分别提取所述测试数据集中各个测试数据的特征数据，并将所述各个测试数据的特征数据分为多个特征数据子集，所述每个特征数据子集包括所述多个受试者各自对应的一个特征数据；将所述多个特征数据子集中，每个特征数据子集中的各个特征数据按行进行拼接，得到样本数据集；或者方式四、分别提取所述测试数据集中各个测试数据的特征数据，将所述多个受试者各自对应的多个特征数据进行串行组合，得到样本数据集。3.根据权利要求2所述的方法，其特征在于，若采用所述方式一将所述测试数据集中的多个测试数据，按照预设组合方式进行组合，则所述分类模型为第一卷积神经网络；其中，所述第一卷积神经网络的卷积核尺寸为m*Nn；其中，m为设定时长与采样频率的乘积，n为所述脑电信号采集模块的数目，N为受试者的数目，且m、n、N分别为正整数；或者若采用所述方式二将所述测试数据集中的多个测试数据，按照预设组合方式进行组合，则所述分类模型包括第二卷积神经网络和时间递归神经网络；其中，所述第二卷积神经网络的卷积核尺寸为1*m；或者若采用所述方式三或者所述方式四将所述测试数据集中的多个测试数据，按照预设组合方式进行组合，则所述分类模型为机器学习分类器。4.根据权利要求1所述的方法，其特征在于，所述脑机接口范式为稳态视觉诱发电位SSVEP，所述脑电信号数据包括多个脑电信号采集模块分别采集的多个采样点数据；将所述测试数据集中的多个测试数据，按照预设组合方式进行组合，得到样本数据集，包括：将所述测试数据集分为多个测试数据子集；其中，所述每个测试数据子集包括所述多个测试者各自对应的一个测试数...
【专利技术属性】
技术研发人员：程龙龙，刘瀛涛，李鹏海，袁丁，
申请(专利权)人：中电云脑天津科技有限公司，
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。