一种基于注意力机制的多通道锋电位分类方法及相关设备技术

本发明专利技术公开了一种基于注意力机制的多通道锋电位分类方法及相关设备，所述方法包括：通过电极获取多个神经元发放的多通道电信号，对多通道电信号进行放大和解调处理，得到所需要的神经元发放的数字信号；对数字信号进行带通滤波，并进行锋值查找得到锋电位；对锋电位进行数据增强处理后得到五种增强数据，使用锋电位和五种增强数据对基于注意力机制的神经网络模型进行训练；针对新采集的经过带通滤波后的目标数字信号，得到目标多通道锋电位，基于训练好的基于注意力机制的神经网络模型所述目标多通道锋电位进行分类并输出分类概率。本发明专利技术使得训练好的基于注意力机制的神经网络模型能够快速输出多通道锋电位的分类概率，得到了极高的分类准确率。得到了极高的分类准确率。得到了极高的分类准确率。

【技术实现步骤摘要】
一种基于注意力机制的多通道锋电位分类方法及相关设备


[0001]本专利技术涉及脑神经科学
，尤其涉及一种基于注意力机制的多通道锋电位分类方法、系统、终端及计算机可读存储介质。

技术介绍

[0002]神经脉冲(动作电位)是由生物的神经元产生，由多个动作电位的时间序列被称为其“脉冲序列”。神经细胞发出动作电位或神经脉冲的过程被称为“神经发放”(neuronal firing)。
[0003]神经元受到刺激会产生电信号，这个就被称呼动作电位，也可以称为锋电位。而锋电位排序就是，由于大脑内部会有多个神经元在不同时刻发放电信号，而会被电极采集到，这个时候需要把某一个锋电位正确分配给产生它的神经元，这就被称为锋电位排序。
[0004]现有技术在进行锋电位分类时，分为两类，使用监督算法进行多通道锋电位分类和使用无监督算法进行多通道锋电位分类，其中，监督算法进行多通道锋电位，就是要对多通道锋电位进行标注，意思就是在放进模型训练之前，已经知道哪些多通道锋电位是一类的，哪些多通道锋电位不是一类的，缺点是需要大量的标注数据，浪费大量的人力物力，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于注意力机制的多通道锋电位分类方法，其特征在于，所述基于注意力机制的多通道锋电位分类方法包括：通过电极获取多个神经元发放的多通道电信号，对所述多通道电信号进行放大和解调处理，得到所需要的神经元发放的数字信号；对所述数字信号进行带通滤波，对带通滤波完的所述数字信号进行锋值查找得到锋电位；对所述锋电位进行数据增强处理后得到五种增强数据，使用所述锋电位和五种增强数据对基于注意力机制的神经网络模型进行训练，得到训练好的基于注意力机制的神经网络模型；针对新采集的经过带通滤波后的目标数字信号，在电极的每个通道按照本通道的阈值查找锋电位，如果检测到一个通道出现锋电位，则将所有通道相同时间点的全部采样点全部截取下来得到目标多通道锋电位，基于训练好的基于注意力机制的神经网络模型根据所述目标多通道锋电位进行分类，并输出所述多通道目标锋电位的分类概率。2.根据权利要求1所述的基于注意力机制的多通道锋电位分类方法，其特征在于，所述数据增强处理包括第一数据增强处理、第二数据增强处理、第三数据增强处理、第四数据增强处理和第五数据增强处理；所述第一数据增强处理为：将所述锋电位乘以或除以一个值，得到第一增强数据；所述第二数据增强处理为：将所述锋电位进行左右偏移，得到第二增强数据；所述第三数据增强处理为：在所述锋电位增加随机噪声，得到第三增强数据；所述第四数据增强处理为：将所述锋电位进行锋电位重叠，得到第四增强数据；所述第五数据增强处理为：将所述锋电位进行直流偏移，得到第四增强数据。3.根据权利要求2所述的基于注意力机制的多通道锋电位分类方法，其特征在于，所述使用所述锋电位和五种增强数据对基于注意力机制的神经网络模型进行训练，得到训练好的基于注意力机制的神经网络模型，具体包括：将所述锋电位、所述第一增强数据、所述第二增强数据、所述第三增强数据、所述第四增强数据和所述第五增强数据输入到所述基于注意力机制的神经网络模型；所述基于注意力机制的神经网络模型根据所述锋电位、所述第一增强数据、所述第二增强数据、所述第三增强数据、所述第四增强数据和所述第五增强数据分别对应输出第一分类概率、第二分类概率、第三分类概率、第四分类概率、第五分类概率和第六分类概率；当所述基于注意力机制的神经网络模型训练次数达到预定迭代次数，且当所述第一分类概率、所述第二分类概率、所述第三分类概率、所述第四分类概率、所述第五分类概率和所述第六分类概率形成的互信息大于预设阈值时，表示当前训练的数据集可继续分类，将当前数据集一分为二，并分别对数据...

【专利技术属性】
技术研发人员：钱浪，李骁健，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：