本申请公开了一种数据处理方法、装置、电子设备和存储介质。该方法包括：获取检测对象的第一脑电波数据，其中，所述第一脑电波数据包括所述检测对象的各通道的脑电波数据；响应于对第一子脑电波数据中的预设疾病的发病时段的标注操作，得到第二脑电波数据；其中，所述第一子脑电波数据为所述第一脑电波数据中按照时间顺序，预设时间段之前的预设疾病的发病时段的脑电波数据；去除所述第二脑电波数据中的噪声数据，得到第三脑电波数据；根据所述第一脑电波数据和所述第三脑电波数据，构建发病时段标注模型的训练样本。采用本申请提供的数据处理方法，可以实现用较少的训练样本得到较高精度的发病时段标注模型的效果。高精度的发病时段标注模型的效果。高精度的发病时段标注模型的效果。
【技术实现步骤摘要】
数据处理方法、装置、电子设备和存储介质
[0001]本申请涉及数据处理领域，具体涉及一种数据处理方法、装置、电子设备和存储介质。
技术介绍
[0002]医生在获取到检测对象的一段时间的脑部监测数据后，需要将该段时间内的脑电波数据中感兴趣时段标注出来，然后将标注后的脑电波数据进行存档。
[0003]目前，现有的脑电波数据的标注方法通常是采用发病时段标注模型来进行，而发病时段标注模型是以采集到的原始的脑电波数据作为训练样本来进行训练得到的，而利用原始的脑电波数据作为训练样本，会导致发病时段标注模型的训练样本数据量较大。
技术实现思路
[0004]本申请实施例的目的是提供一种数据处理方法、装置、电子设备和存储介质，以实现用较少的训练样本得到较高精度的发病时段标注模型的效果。
[0005]本申请的技术方案如下：
[0006]第一方面，提供了一种数据处理方法，该方法包括：
[0007]获取检测对象的第一脑电波数据，其中，所述第一脑电波数据包括所述检测对象的各通道的脑电波数据；
[0008]响应于对第一子脑电波数据中的预设疾病的发病时段的标注操作，得到第二脑电波数据；其中，所述第一子脑电波数据为所述第一脑电波数据中按照时间顺序，预设时间段之前的预设疾病的发病时段的脑电波数据；
[0009]去除所述第二脑电波数据中的噪声数据，得到第三脑电波数据；
[0010]根据所述第一脑电波数据和所述第三脑电波数据，构建发病时段标注模型的训练样本。
[0011]第二方面，提供了一种数据处理装置，该装置包括：
[0012]获取装置，用于获取检测对象的第一脑电波数据，其中，所述第一脑电波数据包括所述检测对象的各通道的脑电波数据；
[0013]第一确定模块，用于响应于对第一子脑电波数据中的预设疾病的发病时段的标注操作，得到第二脑电波数据；其中，所述第一子脑电波数据为所述第一脑电波数据中按照时间顺序，预设时间段之前的预设疾病的发病时段的脑电波数据；
[0014]第二确定模块，用于去除所述第二脑电波数据中的噪声数据，得到第三脑电波数据；
[0015]构建模块，用于根据所述第一脑电波数据和所述第三脑电波数据，构建发病时段标注模型的训练样本。
[0016]第三方面，本申请实施例提供了一种电子设备，该电子设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理
器执行时实现本申请实施例任一所述的数据处理方法的步骤。
[0017]第四方面，本申请实施例提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现本申请实施例任一所述的数据处理方法的步骤。
[0018]本申请的实施例提供的技术方案至少带来以下有益效果：
[0019]本申请实施例提供的数据处理方法，通过获取检测对象的第一脑电波数据，响应于对第一子脑电波数据中的预设疾病的发病时段的标注操作，得到第二脑电波数据，去除第二脑电波数据中的噪声，得到第三脑电波数据，根据第一脑电波数据和第三脑电波数据，构建发病时段标注模型的训练样本，由于第一子脑电波数据为第一脑电波数据中按照时间顺序，预设时间段之前的预设疾病的发病时段的脑电波数据，如此由于输入到发病时段标注模型中的训练样本仅标注了一段，并未完全标注完成，如此节省了标注时间，此外，由于在将脑电波数据输入到发病时段标注模型之前对脑电波数据进行了去噪，如此，可避免输入到发病时段标注模型中的脑电波数据由于噪声数据的干扰，导致若想使发病时段标注模型的训练精度高，则需要较多的训练样本，通过本申请实施例的数据处理方法，实现用较少的训练样本得到较高精度的发病时段标注模型的效果。
[0020]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。
附图说明
[0021]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理，并不构成对本申请的不当限定。
[0022]图1是本申请一示例性实施例提供的一种数据处理方法的流程示意图一；
[0023]图2是本申请一示例性实施例提供的第二脑电波数据的形成过程示意图；
[0024]图3是本申请一示例性实施例提供的对脑区进行分区的示意图；
[0025]图4是本申请一示例性实施例提供的第五脑电波数据的形成过程示意图；
[0026]图5是本申请一示例性实施例提供的一种数据处理方法的流程示意图二；
[0027]图6是本申请一示例性实施例提供的特征提取的流程示意图；
[0028]图7是本申请一示例性实施例提供的一种数据处理装置的结构示意图；
[0029]图8是本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
[0030]为了使本领域普通人员更好地理解本申请的技术方案，下面将结合附图，对本申请实施例中的技术方案进行清楚、完整地描述。应理解，此处所描述的具体实施例仅意在解释本申请，而不是限定本申请。对于本领域技术人员来说，本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。
[0031]需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例能够以除了在这里图示或
描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的例子。
[0032]现有技术中的脑电波数据的标注方法通常是采用发病时段标注模型来进行，而发病时段标注模型是以采集到的原始的脑电波数据作为训练样本来进行训练得到的，由于原始的脑电波数据中具有噪声数据(例如，在获取脑电波数据的过程中，检测对象眨眼、头部稍微晃动等都会造成噪声数据)，利用原始的脑电波数据作为训练样本，若需要得到一定精度的发病时段标注模型，则由于噪声数据的干扰，需要很多训练样本。且在训练时是操作人员(例如医师等)是将所有的原始的脑电波数据中的预设疾病的发病时段进行标注，如此导致操作人员的工作量大，效率低。
[0033]为了解决上述问题，本申请实施例提供了一种数据处理方法，通过获取检测对象的第一脑电波数据，响应于对第一子脑电波数据中的预设疾病的发病时段的标注操作，得到第二脑电波数据，去除第二脑电波数据中的噪声，得到第三脑电波数据，根据第一脑电波数据和第三脑电波数据，构建发病时段标注模型的训练样本，由于第一子脑电波数据为第一脑电波数据中按照时间顺序，预设时间段之前的预设疾病的发病时段的脑电波数据，如此由于输入到发病时段标注模型中的训练样本仅标注了一段，并未完全标注完成，如此节省了标注时本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种数据处理方法，其特征在于，所述方法包括：获取检测对象的第一脑电波数据，其中，所述第一脑电波数据包括所述检测对象的各通道的脑电波数据；响应于对第一子脑电波数据中的预设疾病的发病时段的标注操作，得到第二脑电波数据；其中，所述第一子脑电波数据为所述第一脑电波数据中按照时间顺序，预设时间段之前的脑电波数据；去除所述第二脑电波数据中的噪声数据，得到第三脑电波数据；根据所述第一脑电波数据和所述第三脑电波数据，构建发病时段标注模型的训练样本。2.根据权利要求1所述的方法，其特征在于，所述去除所述第二脑电波数据中的噪声数据，得到第三脑电波数据，包括：设定所述第二脑电波数据满足预设序列模型条件；对满足所述预设序列模型条件的第二脑电波数据进行求解，得到与所述第二脑电波数据对应的第一约束参数；其中，所述第一约束参数包括第一子约束参数和第二子约束参数；设定与所述第二脑电波数据对应的第二约束参数满足预设约束条件；确定在所述预设约束条件下，所述第一约束参数中第一子约束参数的预设估计值；其中，所述第二约束参数用于表征所述第二脑电波数据中的预设疾病数据；在所述预设估计值满足预设条件的情况下，基于所述第一约束参数中的第二子约束参数确定所述第三脑电波数据。3.根据权利要求2所述的方法，其特征在于，所述基于所述第一约束参数中的第二子约束参数确定所述第三脑电波数据，包括：设定第二脑电波数据的相似度小于预设阈值的第一独立分量集合，以及与第二子约束参数对应的第二独立分量集合；获取第一独立分量集合和所述第二独立分量集合的交集；将所述交集确定为所述第三脑电波数据。4.根据权利要求1所述的方法，其特征在于，在所述去除所述第二脑电波数据中的噪声，得到第三脑电波数据之后，所述方法还包括：对所述第三脑电波数据的变化进行校验，确定所述第三脑电波数据中发生突变的变点位置；基于所述变点位置，将所述第三脑电波数据进行分段，得到至少一段第四脑电波数据；所述根据所述第一脑电波数据和所述第三脑电波数据，构建发病时段标注模型的训练样本，包括：根据所述第一脑电波数据和所述第四脑电波数据，构建发病时段标注模型的训练样本。5.根据权利要求1所述的方法，其特征在于，在所述获取检测对象的第一脑电波数据之后，所述方法还包括：根据所述第一脑电波数据对应的频率范围，以及预设的基函数对应的频率范围，构建基函数字典；其中，所述基函数字典中包括至少一个基函数集合，每个所述基函数集合包括所述第一脑电波数据，以及与所述第一脑电波数据对应的所述基函数；
根据所述第一脑电波数据以及所述基函数字典，确定所述第一脑电波数据对应的基函数集合，以及所述第一脑电波数据对应的组合系数。6.根据权利要求5所述的方法，其特征在于，所述根据所述第一脑电波数据以及所述基函数字典，确定所述第一脑电波数据对应的基函数集合，以及所述第一脑电波数据对应的组合系数，包括：计算所述第一脑电波数据对应的所述基函数字典中的每个基函数集合与第一预设残差的内积绝对值；基于所述内积绝对值，更新所述基函数集合；对更新后的基函数集合进行线性回归，得到组合系数；基于所述组合系数，确定回归残差，将所述回归残差作为第一预设残差，重复执行上述步骤，直至所述第一预设残差的模小于预设残差阈值，或迭代次数大于预设迭代次数的情况下，输出基函数集合，以及组合系数。7.根据权利要求5所述的方法，其...
【专利技术属性】
技术研发人员：陈松蹊，童培峰，
申请(专利权)人：北京大学，
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。