基于脑电波信号的情绪分类方法及装置制造方法及图纸

本申请是关于一种基于脑电波信号的情绪分类方法、装置、计算机设备及存储介质，该方法包括：获取第一脑电波信号；对第一脑电波信号按照预设时间周期进行采样，得到由离散的多个第二脑电波信号以及第二脑电波信号对应的时序信息构建的时序特征图；利用注意力机制，基于时序特征图，确定由不同时序信息对应的第二脑电波信号的权重信息构建的时序权重特征图，该时序权重特征图用于表征时序特征图中各特征向量对应的权重；基于第二脑电波信号、时序权重特征图以及分类模型，确定第一脑电波信号对应的情绪分类标签。从而基于利用注意力机制得到的时序权重特征图，得到更为精确的情绪分类标签，进而提高分类模型对脑电波信号的情绪分类结果的准确性。分类结果的准确性。分类结果的准确性。

【技术实现步骤摘要】
基于脑电波信号的情绪分类方法及装置


[0001]本申请涉及信号处理领域，尤其涉及一种基于脑电波信号的情绪分类方法、装置、计算机设备及存储介质。

技术介绍

[0002]脑电波是一种使用生理指标记录大脑活动的方法，大脑在活动时，大量神经元同步发生突触后电位经总和后形成的。它记录大脑活动时的电波变化，是脑神经细胞的电生理活动在大脑皮层或头皮表面的总体反映。
[0003]现有技术中能够将脑电波信号与情绪识别关联起来，通过神经网络系统对检测到脑电波信号进行情绪分类。但是由于脑电波信号是一种非平稳的，非线性的复杂信号，是不容易寻找到规律的一种信号，因此，如何通过脑电波信号准确地识别出情绪类别是一个需要持续研究的课题。

技术实现思路

[0004]根据本申请实施例的第一方面，提供一种基于脑电波信号的情绪分类方法，包括：获取第一脑电波信号，其中，所述第一脑电波信号包括至少一路用于监测第一样本对象的脑部的电极信号；对所述第一脑电波信号按照预设时间周期进行采样，得到由离散的多个第二脑电波信号以及所述第二脑电波信号对应的时序信息构建的时序特征图；利用注意力机制，基于所述时序特征图，确定由不同时序信息对应的所述第二脑电波信号的权重信息构建的时序权重特征图，所述时序权重特征图用于表征时序特征图中各特征向量对应的权重；基于所述第二脑电波信号、所述时序权重特征图以及分类模型，确定所述第一脑电波信号对应的情绪分类标签，其中，所述分类模型为基于第二样本对象的脑电波信号训练得到的机器学习模型。
[0005]可选地，所述对所述第一脑电波信号按照预设时间周期进行采样，得到由离散的多个第二脑电波信号以及所述第二脑电波信号对应的时序信息构建的时序特征图，包括：分别对所述第一脑电波信号按照第1至N预设时间周期进行采样，得到由离散的多个第二脑电波信号以及所述第二脑电波信号对应的时序信息构建的第1至N子时序特征图，其中，N为大于或等于2的正整数，不同的预设时间周期对应的时间周期长度不同；基于N个子时序特征图，确定由N组离散的多个第二脑电波信号以及所述第二脑电波信号对应的时序信息构建的时序特征图。
[0006]可选地，所述基于N个子时序特征图，确定由离散的多个第二脑电波信号以及所述第二脑电波信号对应的时序信息构建的时序特征图，包括：基于N个子时序特征图，确定各个时序特征向量与相邻的时序特征向量之间的差分熵；
根据各个时序特征向量与相邻的时序特征向量之间的差分熵，确定由离散的多个第二脑电波信号以及所述第二脑电波信号对应的时序信息构建的时序特征图。
[0007]可选地，所述根据各个时序特征向量与相邻的时序特征向量之间的差分熵，确定由离散的多个第二脑电波信号以及所述第二脑电波信号对应的时序信息构建的时序特征图，包括：根据各个时序特征向量与相邻的时序特征向量之间的差分熵，对由离散的多个第二脑电波信号进行滤波处理，以确定由离散的多个第二脑电波信号以及所述第二脑电波信号对应的时序信息构建的时序特征图。
[0008]可选地，所述利用注意力机制，基于所述时序特征图，确定由不同时序信息对应的所述第二脑电波信号的权重信息构建的时序权重特征图，包括：确定所述时序特征图对应的各个时序特征向量在注意力机制中映射的查询向量、键向量和值向量；根据各查询向量和各键向量，确定时序特征图中不同时序信息对应的第二脑电波信号的权重信息；根据所述权重信息以及所述权重信息对应的时序特征向量的值向量，确定由不同时序信息对应的所述第二脑电波信号的权重信息构建的时序权重特征图。
[0009]可选地，所述根据各查询向量和各键向量，确定时序特征图中不同时序信息对应的第二脑电波信号的权重信息，包括：根据所述时序特征图中的第一时序特征向量对应的第一查询向量和各键向量，得到各时序特征向量与所述第一时序特征向量关联的各第一权重，以此类推，根据第M时序特征对应的第M查询向量和各键向量，得到各时序特征向量与所述第M时序特征向量关联的各第M权重；并对各时序特征向量上的权重进行加权处理，以确定时序特征图中不同时序信息对应的第二脑电波信号的权重信息，其中，M为时序特征图中时序特征向量的总数。
[0010]可选的，所述根据各查询向量和各键向量，确定时序特征图中不同时序信息对应的第二脑电波信号的权重信息，包括：将各所述查询向量与所述键向量进行点乘运算，再除以所述键向量的维度平方根，得到查询向量的分数矩阵；利用softmax函数，对所述查询向量的分数矩阵进行归一化，计算得到权重矩阵，以确定时序特征图中不同时序信息对应的第二脑电波信号的权重信息；所述根据所述权重信息以及所述权重信息对应的时序特征向量的值向量，确定由不同时序信息对应的所述第二脑电波信号的权重信息构建的时序权重特征图，包括：将所述权重矩阵与所述时序特征图中的各时序特征向量对应的值向量进行乘法运算，确定由不同时序信息对应的第二脑电波信号的权重信息构建的时序权重特征图。
[0011]可选的，所述基于所述第二脑电波信号、所述时序权重特征图以及分类模型，确定所述第一脑电波信号对应的情绪分类标签，包括：基于所述第二脑电波信号、所述时序权重特征图，确定第三脑电波信号；基于所述第三脑电波信号以及分类模型，确定第一脑电波信号对应的情绪分类标签。根据本申请实施例的第二方面，提供一种基于脑电波信号的情绪分类装置，包括：获取模块，用于获取第一脑电波信号，其中，所述第一脑电波信号包括至少一路用
于监测第一样本对象的脑部的电极信号；采样模块，用于对所述第一脑电波信号按照预设时间周期进行采样，得到由离散的多个第二脑电波信号以及所述第二脑电波信号对应的时序信息构建的时序特征图；第一确定模块，用于利用注意力机制，基于所述时序特征图，确定由不同时序信息对应的所述第二脑电波信号的权重信息构建的时序权重特征图，所述时序权重特征图用于表征时序特征图中各特征向量对应的权重；第二确定模块，用于基于所述第二脑电波信号、所述时序权重特征图以及分类模型，确定所述第一脑电波信号对应的情绪分类标签，其中，所述分类模型为基于第二样本对象的脑电波信号训练得到的机器学习模型。
[0012]根据本申请实施例的第三方面，提供一种计算机设备，包括：存储器、处理器以及存储在所述存储器中并可在所述处理器运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意所述的基于脑电波的情绪分类方法。
[0013]根据本申请实施例的第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理执行时实现上述任意所述的基于脑电波信号的情绪分类方法。
[0014]本申请实施例提供的一种基于脑电波信号的情绪分类方法、装置、计算机设备及存储介质，通过获取第一脑电波信号，其中，第一脑电波信号包括至少一路用于监测第一样本对象的脑部的电极信号；然后对第一脑电波信号按照预设时间周期进行采样，得到由离散的多个第二脑电波信号以及第二脑电波信号对应的时序信息构建的时序特征图；之后再利用注意力机制，基于时序特征图，确定由不同时序特征信息对应的第二脑电波信号权重信息本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于脑电波信号的情绪分类方法，其特征在于，包括：获取第一脑电波信号，其中，所述第一脑电波信号包括至少一路用于监测第一样本对象的脑部的电极信号；对所述第一脑电波信号按照预设时间周期进行采样，得到由离散的多个第二脑电波信号以及所述第二脑电波信号对应的时序信息构建的时序特征图；其中，所述对所述第一脑电波信号按照预设时间周期进行采样，得到由离散的多个第二脑电波信号以及所述第二脑电波信号对应的时序信息构建的时序特征图，包括：分别对所述第一脑电波信号按照第1至N预设时间周期进行采样，得到由离散的多个第二脑电波信号以及所述第二脑电波信号对应的时序信息构建的第1至N子时序特征图，其中，N为大于或等于2的正整数，不同的预设时间周期对应的时间周期长度不同；基于N个子时序特征图，确定由N组离散的多个第二脑电波信号以及所述第二脑电波信号对应的时序信息构建的时序特征图；利用注意力机制，基于所述时序特征图，确定由不同时序信息对应的所述第二脑电波信号的权重信息构建的时序权重特征图，所述时序权重特征图用于表征时序特征图中各特征向量对应的权重；基于所述第二脑电波信号、所述时序权重特征图以及分类模型，确定所述第一脑电波信号对应的情绪分类标签，其中，所述分类模型为基于第二样本对象的脑电波信号训练得到的机器学习模型。2.根据权利要求1所述的方法，其特征在于，所述基于N个子时序特征图，确定由离散的多个第二脑电波信号以及所述第二脑电波信号对应的时序信息构建的时序特征图，包括：基于N个子时序特征图，确定各个时序特征向量与相邻的时序特征向量之间的差分熵；根据各个时序特征向量与相邻的时序特征向量之间的差分熵，确定由离散的多个第二脑电波信号以及所述第二脑电波信号对应的时序信息构建的时序特征图。3.根据权利要求2所述的方法，其特征在于，所述根据各个时序特征向量与相邻的时序特征向量之间的差分熵，确定由离散的多个第二脑电波信号以及所述第二脑电波信号对应的时序信息构建的时序特征图，包括：根据各个时序特征向量与相邻的时序特征向量之间的差分熵，对由离散的多个第二脑电波信号进行滤波处理，以确定由离散的多个第二脑电波信号以及所述第二脑电波信号对应的时序信息构建的时序特征图。4.根据权利要求1至3任一项所述的方法，其特征在于，所述利用注意力机制，基于所述时序特征图，确定由不同时序信息对应的所述第二脑电波信号的权重信息构建的时序权重特征图，包括：确定所述时序特征图对应的各个时序特征向量在注意力机制中映射的查询向量、键向量和值向量；根据各查询向量和各键向量，确定时序特征图中不同时序信息对应的第二脑电波信号的权重信息；根据所述权重信息以及所述权重信息对应的时序特征向量的值向量，确定由不同时序信息对应的所述第二脑电波信号的权重信息构建的时序权重特征图。5.根据权利要求4所述的方法，其特征在于，所述根据各查询向量和各键向量，确定时序特征图中不同时序信息对应的第二脑电波信号的权重信息，包括：
根据所述时序特征图中的第一时序特征向量对应的第一查询向量和各键向量，得到各时序特征向量与所述第一时序特征向量关联的各第一权重，以此类推，根据第M时序特征对应的第M查询向量和各键向量，得到各时序特征向量与所述第M...

【专利技术属性】
技术研发人员：刘伟华，李娇娇，
申请(专利权)人：智慧眼科技股份有限公司，
类型：发明
国别省市：