本申请涉及数字医疗技术领域，尤其是一种脑电信号的分类处理方法、装置、设备及介质。该方法获取具备时间序列属性的脑电信号，按照预设时长对脑电信号进行切分，确定切分后的N个子信号，在预设频段上对每个子信号分别提取功率谱密度，根据预设频段、N个功率谱密度和N个子信号的时序关系，将脑电信号转化为脑电时频图，在对其提取噪声得到特征信息，基于预设的调和参数和至少两种类型的激活函数构建调和函数，使用调和函数融合所有特征信息，在融合结果满足预设条件时，确定脑电信号属于预设噪声分布对应的噪声类别，实现对脑电信号是否为噪声的判定，并分析出了噪声类别，提高在后续进行情绪识别、指令转移等医疗数字化的场景中使用的准确度。使用的准确度。使用的准确度。
【技术实现步骤摘要】
脑电信号的分类处理方法、装置、设备及介质
[0001]本申请适用于数字医疗
，尤其涉及一种脑电信号的分类处理方法、装置、设备及介质。
技术介绍
[0002]随着电子、数字化的发展，将数字化应用于医疗行业，以推动医疗更加数字化和智能化成为主要关注的方向。目前，脑电信号是人脑意识活动产生的自发的电信号，是由医疗器械等设备对人体采用无伤害的方式获取的数字化信息。对脑电信号进行识别和分类的研究可以应用于情绪识别、指令转移等用途。原始脑电信号中包含着由外部因素(如线缆频率、受试者头部移动、点击位置偏移等)和内部因素(如眨眼、眼球转动、面部肌肉运动、心跳、呼吸等)产生的各种噪声(伪影)，需要对采集到的数据进行复杂的预处理，这些预处理经常依赖于经验且耗时耗力，从而能够导致脑电信号的噪声分类较为复杂，无法准确且快速地实现脑电信号的噪声分类，也就导致无法减少脑电信号中的噪声，可能影响脑电信号相应场景中的使用，例如，在情绪识别场景中需要使用无噪声的脑电信号，以提高情绪识别的准确率。
[0003]因此，如何对脑电信号的噪声进行分类，提高其在使用场景下的准确度成为亟待解决的问题。
技术实现思路
[0004]有鉴于此，本申请实施例提供了一种脑电信号的分类处理方法、装置、设备及介质，以解决如何对脑电信号的噪声进行分类，提高其在使用场景下的准确度的问题。
[0005]第一方面，本申请实施例提供一种脑电信号的分类处理方法，所述分类处理方法包括：
[0006]获取具备时间序列属性的脑电信号，按照预设时长对所述脑电信号进行切分，确定切分后的N个子信号，N为大于零的整数；
[0007]在预设频段上对每个子信号分别提取功率谱密度，得到N个功率谱密度，根据所述预设频段、所述N个功率谱密度和所述N个子信号的时序关系，将所述脑电信号转化为脑电时频图，对所述脑电时频图进行噪声特征提取，得到表征噪声的特征信息；
[0008]基于预设的调和参数和至少两种类型的激活函数，构建调和函数，使用所述调和函数对所有特征信息进行融合，得到融合结果，所述预设的调和参数为根据预设的噪声分布构建；
[0009]在检测到所述融合结果满足预设条件时，确定所述脑电信号属于所述预设噪声分布对应的噪声类别。
[0010]在一实施方式中，按照预设时长对所述脑电信号进行切分，确定切分后的N个子信号包括：
[0011]使用预设时长的滑动窗口，按照预设滑动步长沿所述脑电信号的时间序列进行滑
动；
[0012]确定每次滑动停止时所述滑动窗口内的信号为切分后的子信号，得到切分后的N个子信号。
[0013]在一实施方式中，在获取具备时间序列属性的脑电信号之后，还包括：
[0014]使用预设通道对所述脑电信号进行选择，得到选择后的脑电信号；
[0015]对所述选择后的脑电信号进行下采样，得到下采样后的脑电信号；
[0016]按照预设时长对所述脑电信号进行切分包括：
[0017]按照预设时长对所述下采样后的脑电信号进行切分。
[0018]在一实施方式中，对所述脑电时频图进行噪声特征提取，得到表征噪声的特征信息包括：
[0019]将所述脑电时频图输入时频特征提取模型，输出表征噪声的特征信息；
[0020]其中，所述时频特征提取模型包括卷积层、双向长短期记忆层和长短期记忆层，将所述脑电时频图输入时频特征提取模型，输出表征噪声的特征信息包括：
[0021]将所述脑电时频图输入所述卷积层，输出卷积结果；
[0022]将所述卷积结果输入所述双向长短期记忆层，输出初步特征提取结果，将所述初步特征提取结果输入所述长短期记忆层，输出表征噪声的特征信息。
[0023]在一实施方式中，基于预设的调和参数和至少两种类型的激活函数，构建调和函数包括：
[0024]获取预设噪声分布的噪声方差；
[0025]计算所述噪声方差的标准差，对所述标准差进行归一化处理，确定归一化的结果为调和参数；
[0026]获取Softplus函数和ReLU函数，将所述调和参数作为所述Softplus函数的权重值，将所述调和参数与1的差值作为所述ReLU函数的权重值；
[0027]将所述Softplus函数和所述ReLU函数的加权求和结果作为调和函数。
[0028]第二方面，本申请实施例提供一种脑电信号的分类处理装置，所述分类处理装置包括：
[0029]信号预处理模块，用于获取具备时间序列属性的脑电信号，按照预设时长对所述脑电信号进行切分，确定切分后的N个子信号，N为大于零的整数；
[0030]特征提取模块，用于在预设频段上对每个子信号分别提取功率谱密度，得到N个功率谱密度，根据所述预设频段、所述N个功率谱密度和所述N个子信号的时序关系，将所述脑电信号转化为脑电时频图，对所述脑电时频图进行噪声特征提取，得到表征噪声的特征信息；
[0031]特征融合模块，用于基于预设的调和参数和至少两种类型的激活函数，构建调和函数，使用所述调和函数对所有特征信息进行融合，得到融合结果，所述预设的调和参数为根据预设的噪声分布构建；
[0032]分类处理模块，用于在检测到所述融合结果满足预设条件时，确定所述脑电信号属于所述预设噪声分布对应的噪声类别。
[0033]在一实施方式中，所述信号预处理模块包括：
[0034]滑动单元，用于使用预设时长的滑动窗口，按照预设滑动步长沿所述脑电信号的
时间序列进行滑动；
[0035]切分单元，用于确定每次滑动停止时所述滑动窗口内的信号为切分后的子信号，得到切分后的N个子信号。
[0036]在一实施方式中，所述分类处理装置还包括：
[0037]第一预处理单元，用于在获取具备时间序列属性的脑电信号之后，使用预设通道对所述脑电信号进行选择，得到选择后的脑电信号；
[0038]第二预处理单元对所述选择后的脑电信号进行下采样，得到下采样后的脑电信号；
[0039]所述信号预处理模块包括：
[0040]第三预处理单元，用于按照预设时长对所述下采样后的脑电信号进行切分。
[0041]在一实施方式中，所述特征提取模块包括：
[0042]功率谱密度获取单元，用于在预设频段上对每个子信号分别执行离散的傅里叶变换，得到变换结果为对应子信号的功率谱密度。
[0043]在一实施方式中，上述特征提取模块包括：
[0044]特征提取单元，用于将所述脑电时频图输入时频特征提取模型，输出表征噪声的特征信息；
[0045]其中，所述时频特征提取模型包括卷积层、双向长短期记忆层和长短期记忆层，特征提取单元包括：
[0046]卷积子单元，用于将所述脑电时频图输入所述卷积层，输出卷积结果；
[0047]特征提取子单元，用于将所述卷积结果输入所述双向长短期记忆层，输出初步特征提取结果，将所述初步特征提取结果输入所述长短期记忆层，输出表征噪声本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种脑电信号的分类处理方法，其特征在于，所述分类处理方法包括：获取具备时间序列属性的脑电信号，按照预设时长对所述脑电信号进行切分，确定切分后的N个子信号，N为大于零的整数；在预设频段上对每个子信号分别提取功率谱密度，得到N个功率谱密度，根据所述预设频段、所述N个功率谱密度和所述N个子信号的时序关系，将所述脑电信号转化为脑电时频图，对所述脑电时频图进行噪声特征提取，得到表征噪声的特征信息；基于预设的调和参数和至少两种类型的激活函数，构建调和函数，使用所述调和函数对所有特征信息进行融合，得到融合结果，所述预设的调和参数为根据预设的噪声分布构建；在检测到所述融合结果满足预设条件时，确定所述脑电信号属于所述预设噪声分布对应的噪声类别。2.根据权利要求1所述的分类处理方法，其特征在于，按照预设时长对所述脑电信号进行切分，确定切分后的N个子信号包括：使用预设时长的滑动窗口，按照预设滑动步长沿所述脑电信号的时间序列进行滑动；确定每次滑动停止时所述滑动窗口内的信号为切分后的子信号，得到切分后的N个子信号。3.根据权利要求1所述的分类处理方法，其特征在于，在获取具备时间序列属性的脑电信号之后，还包括：使用预设通道对所述脑电信号进行选择，得到选择后的脑电信号；对所述选择后的脑电信号进行下采样，得到下采样后的脑电信号；按照预设时长对所述脑电信号进行切分包括：按照预设时长对所述下采样后的脑电信号进行切分。4.根据权利要求1所述的分类处理方法，其特征在于，在预设频段上对每个子信号分别提取功率谱密度包括：在预设频段上对每个子信号分别执行离散的傅里叶变换，得到变换结果为对应子信号的功率谱密度。5.根据权利要求1所述的分类处理方法，其特征在于，对所述脑电时频图进行噪声特征提取，得到表征噪声的特征信息包括：将所述脑电时频图输入时频特征提取模型，输出表征噪声的特征信息；其中，所述时频特征提取模型包括卷积层、双向长短期记忆层和长短期记忆层，将所述脑电时频图输入时频特征提取模型，输出表征噪声的特征信息包括：将所述脑电时频图输入所述卷积层，输出卷积结果；将所述卷积结果输入所述双向长短期记忆层，输出初步特征提取结果，将所述初步特征提取结果输...
【专利技术属性】
技术研发人员：张旭龙，王健宗，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：
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。