一种ERP信号检测方法及系统、计算机设备、计算机可读存储介质技术方案

本发明专利技术公开一种ERP信号检测方法及系统、计算机设备、计算机可读存储介质，该方法利用频率特征编码器、空间特征编码器和时序特征编码器构建频

【技术实现步骤摘要】
一种ERP信号检测方法及系统、计算机设备、计算机可读存储介质


[0001]本专利技术涉及信息
，尤其是一种ERP信号检测方法及系统、计算机设备、计算机可读存储介质。

技术介绍

[0002]脑
‑
机接口(Brain
‑
Computer Interface，BCI)系统通过解码用户的大脑活动来提供人脑和外部设备之间的通信桥梁。由于脑电图(Electroencephalogram，EEG)具有非侵入性，零风险和相对可移植性等方面的优势，这些系统通常使用EEG进行开发。基于脑电图的事件相关电位(ERP)信号可以识别受特定事件刺激的人脑中的高级认知活动，这在许多应用中起着重要作用，例如对象检测和医学诊断等。因此，在BCI系统的相关研究中，ERP检测任务受到了越来越多的关注。但由于脑电图信号具有信噪比较低和较大的跨主题变异性等特点，因此在没有预校准的情况下开发高精度的ERP检测方法仍然具有挑战性。
[0003]已有许多传统方法用于解决上述挑战，例如线性判别分析(LDA)、逐步线性判别分析(SWLDA)、支持向量机(SVM)、逻辑回归(LR)等。但这些方法的检测性能通常取决于手工特征，因此表征能力有限，检测水平低。另一方面，当前深度学习方法在EEG信号分析领域已取得了较大进展。该方法能够在数据驱动下自适应地挖掘高水平特征，避免了人工特征选择与特征降维，从而提高检测任务性能。卷积神经网络(CNN)能够有效提取局部数据特征，长短时记忆网络(LSTM)可有效提取时序信号特征，但以上方法对脑电数据本身的探索利用层次仍然较浅。因此，对于如何根据脑电信号特点充分提取其全局表征，得到抗噪能力强、鲁棒性高、检测精度高的ERP检测方法仍是目前的一个挑战。

技术实现思路

[0004]本专利技术提供一种ERP信号检测方法及系统、计算机设备、计算机可读存储介质，用于克服现有技术中鲁棒性和检测精度不高等缺陷。
[0005]为实现上述目的，本专利技术提出一种ERP信号检测方法，包括以下步骤：
[0006]获取RSVP脑电数据，对所述RSVP脑电数据进行预处理，得到RSVP基准数据集；
[0007]根据脑电帽上电极的相邻关系，获得脑电节点连接关系；
[0008]构建ERP信号检测模型；所述ERP信号检测模型包括串联的频率特征编码器、空间特征编码器和时序特征编码器；
[0009]利用所述RSVP基准数据集和脑电节点连接关系，采用跨被试交叉验证方式对ERP信号检测模型进行训练验证，确定ERP信号检测模型的最优参数；
[0010]将预处理后的待测RSVP脑电数据输入训练好的ERP信号检测模型中，利用频率特征编码器、空间特征编码器和时序特征编码器分别对频率、空间和时序特征进行编码和融合得到全局特征，根据所述全局特征进行二分类，得到分类结果，判断待测RSVP脑电数据中是否有ERP信号。
[0011]为实现上述目的，本专利技术还提出一种ERP信号检测系统，包括：
[0012]数据获取模块，用于获取RSVP脑电数据，对所述RSVP脑电数据进行预处理，得到RSVP基准数据集；根据脑电帽上电极的相邻关系，获得脑电节点连接关系；
[0013]模型构建模块，用于构建ERP信号检测模型；所述ERP信号检测模型包括串联的频率特征编码器、空间特征编码器和时序特征编码器；利用所述RSVP基准数据集和脑电节点连接关系，采用跨被试交叉验证方式对ERP信号检测模型进行训练验证，确定ERP信号检测模型的最优参数；
[0014]检测模块，用于将预处理后的待测RSVP脑电数据输入训练好的ERP信号检测模型中，利用频率特征编码器、空间特征编码器和时序特征编码器分别对频率、空间和时序特征进行编码和融合得到全局特征，根据所述全局特征进行二分类，得到分类结果，判断待测RSVP脑电数据中是否有ERP信号。
[0015]为实现上述目的，本专利技术还提出一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述所述方法的步骤。
[0016]为实现上述目的，本专利技术还提出一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述所述方法的步骤。
[0017]与现有技术相比，本专利技术的有益效果有：
[0018]本专利技术提供的ERP信号检测方法利用频率特征编码器、空间特征编码器和时序特征编码器构建频
‑
空
‑
时框架，分别对频率、空间、时序特征进行编码，并融合得到全局特征，再根据全局特征进行分类。本专利技术的检测方法能够在考虑脑电信号及ERP信号特性的同时充分提取脑电信号中的全局特征，从而学习得到不同被试间潜在不变的脑电信号特征，在跨被试ERP信号检测任务中具有较高的检测精度和跨被试鲁棒性。此外，与传统的机器学习方法相比，本专利技术无需通过手工提取复杂的相关特征，以此保留脑电信号中更多的相关信息，通过端到端的训练实现更高效率、高精度的ERP检测任务。
附图说明
[0019]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图示出的结构获得其他的附图。
[0020]图1为本专利技术提供的ERP信号检测方法流程图；
[0021]图2为本专利技术提供的ERP信号检测方法整体框架图；
[0022]图3是本专利技术实施例中设计的ERP信号检测模型算法框图；
[0023]图4是本专利技术实施例中公开数据集采用的RSVP实验范式流程图；
[0024]图5是本专利技术实施例中节点连接示意图；
[0025]图6是本专利技术的ERP检测AUC结果图。
[0026]本专利技术目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
[0027]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完
整地描述，显然，所描述的实施例仅仅是本专利技术的一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0028]另外，本专利技术各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本专利技术要求的保护范围之内。
[0029]本专利技术提出一种ERP信号检测方法，如图1和2所示，包括以下步骤：
[0030]101：获取RSVP脑电数据，对RSVP脑电数据进行预处理，得到RSVP基准数据集。
[0031]RSVP脑电数据，指健康被试在执行快速串行视觉呈现(RSVP)范式的目标检测任务时采集得到的脑电数据。
[0032]102：本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种ERP信号检测方法，其特征在于，包括以下步骤：获取RSVP脑电数据，对所述RSVP脑电数据进行预处理，得到RSVP基准数据集；根据脑电帽上电极的相邻关系，获得脑电节点连接关系；构建ERP信号检测模型；所述ERP信号检测模型包括串联的频率特征编码器、空间特征编码器和时序特征编码器；利用所述RSVP基准数据集和脑电节点连接关系，采用跨被试交叉验证方式对ERP信号检测模型进行训练验证，确定ERP信号检测模型的最优参数；将预处理后的待测RSVP脑电数据输入训练好的ERP信号检测模型中，利用频率特征编码器、空间特征编码器和时序特征编码器分别对频率、空间和时序特征进行编码和融合得到全局特征，根据所述全局特征进行二分类，得到分类结果，判断待测RSVP脑电数据中是否有ERP信号。2.如权利要求1所述的ERP信号检测方法，其特征在于，对所述RSVP脑电数据进行预处理，包括：对所述RSVP脑电数据依次进行赋予脑电通道电极信息、剔除无用脑电数据、带通滤波、数据段选取和基线校正处理，得到RSVP基准数据集。3.如权利要求1所述的ERP信号检测方法，其特征在于，所述频率特征编码器包括多尺度卷积子网络，所述频率特征编码器的工作过程包括：利用所述多尺度卷积子网络对RSVP基准数据集中每个时间片段的基准数据进行三种尺度变换，提取不同尺度变换下的频率特征；通过拼接操作将不同尺度变换下的频率特征拼合，并利用1
×
1卷积层对变换中相同尺度的不同卷积核提取的频率信息融合，得到频率特征。4.如权利要求1所述的ERP信号检测方法，其特征在于，所述空间特征编码器包括图卷积子网络，所述空间特征编码器的工作过程包括：利用频率特征和脑电节点连接关系，得到脑电节点的图表述；根据脑电节点连接关系，利用图卷积子网络对所述图表述中的脑电节点特征依次进行特征传播、线性变换和归一化，获得图表述中所有脑电节点的空间特征；利用图卷积子网络聚合所有脑电节点的空间特征，得到全局空间特征。5.如权利要求1所述的ERP信号检测方法，其特征在于，所述时序特征编码器包括循环注意...

【专利技术属性】
技术研发人员：唐邓清，李子杏，相晓嘉，周晗，赖俊，闫超，兰珍，黄依新，孙懿豪，谭沁，杨帆，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：