System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术数据处理领域,尤其涉及的是一种无线脑电数据处理方法、系统、终端及存储介质。
技术介绍
1、目前,根据无限脑电数据可以获取到与主观性耳鸣相关的信息,在探究耳鸣注意机制的过程中通常会采用注意扩散的概念。注意可以在多感觉客体内不同通道之间进行扩散,例如在视觉和听觉之间,这被称为“跨通道注意扩散”,而跨通道注意扩散在耳鸣现象中会出现失衡,导致难以将注意力从耳鸣对应的脑电信号中分离出来。
2、然而,目前在将耳鸣对应的数据与无线脑电数据相结合的过程中,通常只利用行为范式或只采用深度学习的方式处理,无法准确的将耳鸣对应的参数,例如纯音听阈范围、耳鸣频率、耳鸣响度等,与无线脑电数据联系起来,从而无法根据无线脑电数据获取到耳鸣参数信息。
3、因此,现有技术还有待改进和发展。
技术实现思路
1、本专利技术的主要目的在于提供一种无线脑电数据处理方法、系统、终端及存储介质,旨在解决现有技术中在将耳鸣对应的数据与无线脑电数据相结合的过程中,通常只利用行为范式或只采用深度学习的方式处理,无法准确的将耳鸣对应的参数与无线脑电数据联系起来,从而无法根据无线脑电数据获取到耳鸣参数信息的问题。
2、为了实现所述目的,本专利技术第一方面提供一种无线脑电数据处理方法,其中,所述一种无线脑电数据处理方法包括:
3、获取预先生成的目标脑电信号、第一差异成分和第二差异成分,其中,所述第一差异成分包括采用视觉扩散到听觉注意范式得到的反应速率和准确率,所述第二差异成分中包括
4、将所述目标脑电信号进行预处理后,输入到深度学习提取脑电信号模型中,输出所述目标脑电信号的潜在特征;
5、根据所述第一差异成分和所述第二差异成分获取目标成分,其中目标成分为所述第一差异成分和所述第二差异成分中的一种;
6、获取耳鸣参数,将所述潜在特征与所述目标成分和所述耳鸣参数通过线性混合模型进行拟合,得到预测参数,并输出。
7、可选的,所述将所述目标脑电信号进行预处理后,输入到深度学习提取脑电信号模型中,输出所述目标脑电信号的潜在特征的步骤包括:
8、对所述目标脑电信号进行预处理,得到预处理脑电信号;
9、对所述预处理脑电信号进行能量密度获取,得到所述预处理脑电信号中预设频段对应的能量;
10、将预处理脑电信号中预设频段对应的能量输入到所述深度学习提取脑电信号模型中,输出所述目标脑电信号的潜在特征。
11、可选的,所述对所述目标脑电信号进行预处理,得到预处理脑电信号的步骤包括:
12、获取所述目标脑电信号,根据离群值去除法对所述目标脑电信号处理,得到第一预处理脑电信号;
13、对所述第一预处理脑电信号进行降采样处理,并将降采样处理后的第一预处理脑电信号输入至带阻滤波器,得到第二预处理脑电信号;
14、将所述第二预处理脑电信号进行均值去势处理,得到所述预处理脑电信号。
15、可选的,所述根据所述第一差异成分和所述第二差异成分获取目标成分的步骤包括:
16、获取所述第一差异成分的第一数据和所述第二差异成分的第二数据;
17、比较所述第一数据和所述第二数据,得到比较结果;
18、根据所述比较结果,从所述注意从视觉扩散至听觉的成分的第一数据和所述注意从听觉到视觉扩散的成分中选取所述目标成分。
19、可选的,所述获取耳鸣参数,将所述潜在特征与所述目标成分和所述耳鸣参数通过线性混合模型进行拟合,得到预测参数,并输出的步骤包括:
20、获取耳鸣参数;
21、将所述潜在特征与所述目标成分和所述耳鸣参数通过所述线性混合模型进行拟合,得到每个耳鸣参数对应的拟合参数;
22、比较每个耳鸣参数对应的拟合参数的相关系数的大小,选取其中相关系数最大的拟合参数作为当前预测参数;
23、根据每个耳鸣参数对应的当前预测参数得到预设数量的预测参数,并输出。
24、本专利技术第二方面提供一种无线脑电数据处理系统,其中,所述一种无线脑电数据处理系统包括:
25、数据获取模块,用于获取预先生成的目标脑电信号、第一差异成分和第二差异成分,其中,所述第一差异成分包括采用视觉扩散到听觉注意范式得到的反应速率和准确率,所述第二差异成分中包括采用听觉扩散到视觉注意范式得到的反应速率和准确率;
26、特征获取模块,用于将所述目标脑电信号进行预处理后,输入到深度学习提取脑电信号模型中,输出所述目标脑电信号的潜在特征;
27、成分获取模块,用于根据所述第一差异成分和所述第二差异成分获取目标成分,其中目标成分为所述第一差异成分和所述第二差异成分中的一种;
28、结果输出模块,用于获取耳鸣参数,将所述潜在特征与所述目标成分和所述耳鸣参数通过线性混合模型进行拟合,得到预测参数,并输出。
29、所述特征获取模块包括:
30、预处理单元,用于对所述目标脑电信号进行预处理,得到预处理脑电信号;
31、能量获取单元,用于对所述预处理脑电信号进行能量密度获取,得到所述预处理脑电信号中预设频段对应的能量;
32、潜在特征生成单元,用于将预处理脑电信号中预设频段对应的能量输入到所述深度学习提取脑电信号模型中,输出所述目标脑电信号的潜在特征。
33、所述成分获取模块包括:
34、成分数据获取单元,用于获取所述第一差异成分的第一数据和所述第二差异成分的第二数据;
35、比较单元,用于比较所述第一数据和所述第二数据,得到比较结果;
36、目标成分生成单元,用于根据所述比较结果,从所述注意从视觉扩散至听觉的成分的第一数据和所述注意从听觉到视觉扩散的成分中选取所述目标成分。
37、所述结果输出模块包括:
38、参数获取单元,用于获取耳鸣参数;
39、多个拟合参数生成单元,用于将所述潜在特征与所述目标成分和所述耳鸣参数通过所述线性混合模型进行拟合,得到每个耳鸣参数对应的拟合参数;
40、当前预测参数获取单元,用于比较每个耳鸣参数对应的拟合参数的相关系数的大小,选取其中相关系数最大的拟合参数作为当前预测参数;
41、预测参数获取单元,用于根据每个耳鸣参数对应的当前预测参数得到预设数量的预测参数,并输出。
42、本专利技术第三方面提供一种终端,所述终端包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的无线脑电数据处理程序,所述无线脑电数据处理程序被所述处理器执行时实现任意一项所述无线脑电数据处理方法的步骤。
43、由上可见,本专利技术方案中,获取预先生成的目标脑电信号、第一差异成分和第二差异成分,其中,所述第一差异成分包括采用视觉扩散到听觉注意范式得到的反应速率和准确率,所述第二差异成分中包括采用听觉扩散到视本文档来自技高网...
【技术保护点】
1.一种无线脑电数据处理方法,其特征在于,所述一种无线脑电数据处理方法包括:
2.根据权利要求1所述的无线脑电数据处理方法,其特征在于,所述将所述目标脑电信号进行预处理后,输入到深度学习提取脑电信号模型中,输出所述目标脑电信号的潜在特征的步骤包括:
3.根据权利要求2所述的无线脑电数据处理方法,其特征在于,所述对所述目标脑电信号进行预处理,得到预处理脑电信号的步骤包括:
4.根据权利要求1所述的无线脑电数据处理方法,其特征在于,所述根据所述第一差异成分和所述第二差异成分获取目标成分的步骤包括:
5.根据权利要求1所述的无线脑电数据处理方法,其特征在于,所述获取耳鸣参数,将所述潜在特征与所述目标成分和所述耳鸣参数通过线性混合模型进行拟合,得到预测参数,并输出的步骤包括:
6.一种无线脑电数据处理系统,其特征在于,所述一种无线脑电数据处理系统包括:
7.根据权利要求6所述的无线脑电数据处理系统,其特征在于,所述特征获取模块包括:
8.根据权利要求6所述的无线脑电数据处理系统,其特征在于,所述成分获取模
9.根据权利要求6所述的无线脑电数据处理系统,其特征在于,所述结果输出模块包括:
10.一种终端,其特征在于,所述终端包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的无线脑电数据处理程序,所述无线脑电数据处理程序被所述处理器执行时实现如权利要求1-5任意一项所述无线脑电数据处理方法的步骤。
...【技术特征摘要】
1.一种无线脑电数据处理方法,其特征在于,所述一种无线脑电数据处理方法包括:
2.根据权利要求1所述的无线脑电数据处理方法,其特征在于,所述将所述目标脑电信号进行预处理后,输入到深度学习提取脑电信号模型中,输出所述目标脑电信号的潜在特征的步骤包括:
3.根据权利要求2所述的无线脑电数据处理方法,其特征在于,所述对所述目标脑电信号进行预处理,得到预处理脑电信号的步骤包括:
4.根据权利要求1所述的无线脑电数据处理方法,其特征在于,所述根据所述第一差异成分和所述第二差异成分获取目标成分的步骤包括:
5.根据权利要求1所述的无线脑电数据处理方法,其特征在于,所述获取耳鸣参数,将所述潜在特征与所述目标成分和所述耳鸣参数通...
【专利技术属性】
技术研发人员:夏菁,詹阳,黎志成,梁茵菲,谢津,
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:
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。