脑电信号分类方法、装置、设备和存储介质制造方法及图纸

本发明专利技术实施例提供脑电信号分类方法、装置、设备和存储介质，涉及人工智能技术领域及数字医疗领域。该方法包括：对获取的脑电信号数据进行局部编码得到脑电局部编码信号；然后将脑电局部编码信号输入训练好的多层感知器特征提取模型进行特征提取；得到包含全局通道相关性特征和全局时序特征的全局特征信号；最后进行信号分类，得到脑电信号分类结果。通过多层感知器特征提取模型同时提取全局通道相关性特征和全局时序特征，在进行脑电信号分类时，结合不同通道在反映不同意识活动时重要性，深层次的挖掘到脑电信号特征不同通道之间的相关性信息，避免在分类时引入较多无关的信息，提高脑电信号的分类结果准确性，扩展脑电信号的应用场景。信号的应用场景。信号的应用场景。

【技术实现步骤摘要】
脑电信号分类方法、装置、设备和存储介质


[0001]本专利技术涉及人工智能
及数字医疗领域，尤其涉及脑电信号分类方法、装置、设备和存储介质。

技术介绍

[0002]脑电信号是大脑皮层神经元产生电信号，可分为自发脑电和诱发脑电，从脑电信号中能够提取的大脑思维活动的信息，大脑不同的思维活动主要反映在脑电信号频率的变化，不同的思维活动能够通过不同的频率变化来区分的。目前，脑机接口能够捕获这些电信号，并将其正确“翻译”成人体所需执行指令，使得人类大脑与外部设备进行直接交互成为现实，同时脑电信号也可以支持疾病辅助诊断、健康管理、远程会诊等功能。
[0003]在实现本专利技术过程中，申请人发现现有技术中至少存在如下问题：部分脑电信号分类算法在进行计算时，没有关注到不同通道在反映不同意识活动时重要性的不同，在特征提取时将所有通道的数据采用同样的方式计算，不能深层次的挖掘到脑电信号特征不同通道之间的相关性信息，在分类时引入了较多无关的信息，导致针对脑电信号的分类结果准确性不高。因此，如何提高脑电信号的分类准确性，成为了亟待解决的技术问题。
...

【技术保护点】

【技术特征摘要】
1.一种脑电信号分类方法，其特征在于，包括：获取脑电信号数据；对所述脑电信号数据进行局部编码，得到脑电局部编码信号；将所述脑电局部编码信号输入训练好的多层感知器特征提取模型进行特征提取；所述多层感知器特征提取模型包括至少一个多层感知器模块，所述多层感知器模块包括：全局通道相关性特征提取层和全局时序特征提取层；通过所述全局通道相关性特征提取层提取所述脑电局部编码信号的全局通道相关性特征；通过所述全局时序特征提取层提取所述全局通道相关性特征的全局时序特征，得到全局特征信号；对所述全局特征信号进行信号分类，得到脑电信号分类结果。2.根据权利要求1所述的脑电信号分类方法，其特征在于，所述脑电信号数据包括多个通道的原始脑电通道数据，所述对所述脑电信号数据进行局部编码，得到脑电局部编码信号，包括：将多个通道的所述原始脑电通道数据输入训练好的局部编码模块，对每个通道进行局部编码，得到每个所述通道的局部空间特征编码数据；根据每个所述通道的局部空间特征编码数据得到所述脑电局部编码信号。3.根据权利要求1所述的脑电信号分类方法，其特征在于，所述全局特征提取层包括第一批标准化层和通道注意力层，所述通过所述全局通道相关性特征提取层提取所述脑电局部编码信号的全局通道相关性特征，包括：将所述脑电局部编码信号输入所述第一批标准化层得到第一批标准化信号；将所述第一批标准化信号输入所述通道注意力层得到通道相关性特征；根据所述脑电局部编码信号和所述通道相关性特征得到所述全局通道相关性特征。4.根据权利要求3所述的脑电信号分类方法，其特征在于，所述全局时序特征提取层包括：第二批标准化层和激活层；所述通过所述全局时序特征提取层提取所述全局通道相关性特征的全局时序特征，得到全局特征信号，包括：将所述全局通道相关性特征输入所述第二批标准化层得到第二批标准化信号；将所述第二批标准化信号输入所述激活层得到时序特征；根据所述全局通道相关性特征和所述时序特征得到所述全局时序特征。5.根据权利要求4所述的脑电信号分类方法，其特征在于，所述通...

【专利技术属性】
技术研发人员：张旭龙，王健宗，程宁，朱可欣，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：