基于改进的YOLO网络的脑电图伪影检测方法技术

本发明专利技术涉及脑电信号处理技术领域，尤其涉及一种基于改进的YOLO网络的脑电图伪影检测方法，包括：S1：对原始信号进行预处理，获得待检测脑电信号；S2：建立改进的YOLO网络模型，将待检测脑电信号划分为1*s个网格，并将划分为1*s个网格的待检测脑电信号输送至训练好的改进的YOLO网络模型进行训练，获得与1*s个网格相对应的边框置信度；S3：将1*s个网格对应的边框置信度依次进行非极大值抑制，获得最终的伪影检测框。本发明专利技术通过对YOLO网络进行改进并结合MobileNet算法，以深度可分离卷积模块作为骨干网络，同时对改进的YOLO网络的输入数据、结果矩阵和损失函数进行调整，能够有效提升脑电图中伪影的检测速率和检测精度。

【技术实现步骤摘要】

本专利技术涉及脑电信号处理，尤其涉及一种基于改进的yolo网络的脑电图伪影检测方法。

技术介绍

1、脑电信号是一种毫伏（mv）级或微伏（μv）级的微弱宽频电生理信号，脑电信号经过颅骨和头皮的衰减后，在头皮表面通过前置差分放大器，并经多级连续电压可放大数百万倍。如图1所示，在记录脑电信号的过程中，将两个位置不同的参考电极所产生的电压差和位相差通过差分放大的形式显示出脑电图（electroencephalogram，eeg）。如图2所示，采用侧耳对a1、a2的位置作为参考电极，全部电极的安放位置参考国际脑电图学会建议的10-20标准系统，该标准目前被广泛应用于规范电极的摆放位置。

2、将参考电极记录到的不被需要的信号作为伪影，伪影分为环境伪影和生物伪影。环境伪影一般来源于人体外部，如电机、电源等外部设备的干扰或电极位移，而人体肌肉、眼部和心脏活动等非脑源信号被认为是生物伪影。环境伪影和生物伪影都会降低脑电信号，即脑机接口应用或医学诊断会因为功率谱的失真而受阻。现有的基于神经网络模型的方法包括：利用一维残差卷积神经网络（1d-rescnn）模型对基于本文档来自技高网...

【技术保护点】

1.一种基于改进的YOLO网络的脑电图伪影检测方法，其特征在于，具体包括如下步骤：

2.根据权利要求1所述的基于改进的YOLO网络的脑电图伪影检测方法，其特征在于，改进的YOLO网络模型包括局部特征提取模块、全局特征提取模块、n个级联的深度可分离卷积模块、3*3卷积层、归一化层、ELU激活函数和两个全连接层，其中，将划分为1*s个网格的所述待检测脑电信号依次输入至所述局部特征提取模块和所述全局特征提取模块进行单通道特征信息和多通道特征信息的提取，对应获得映射至二维空间的波形特征；所述波形特征经n个级联的深度可分离卷积模块进行卷积操作后，获得减少网络参数的第一特征图，所述第一特...

【技术特征摘要】

1.一种基于改进的yolo网络的脑电图伪影检测方法，其特征在于，具体包括如下步骤：

2.根据权利要求1所述的基于改进的yolo网络的脑电图伪影检测方法，其特征在于，改进的yolo网络模型包括局部特征提取模块、全局特征提取模块、n个级联的深度可分离卷积模块、3*3卷积层、归一化层、elu激活函数和两个全连接层，其中，将划分为1*s个网格的所述待检测脑电信号依次输入至所述局部特征提取模块和所述全局特征提取模块进行单通道特征信息和多通道特征信息的提取，对应获得映射至二维空间的波形特征；所述波形特征经n个级联的深度可分离卷积模块进行卷积操作后，获得减少网络参数的第一特征图，所述第一特征图经所述3*3卷积层进行卷积操作及相应的归一化处理，并采用所述elu激活函数进行激活操作后，再经两个级联的全连接层进行卷积操作，获得包含伪影位置和类别概率值的第二特征图。

3.根据权利要求2所述的基于改进的yolo网络的脑电图伪影检测方法，其特征在于，所述局部特征提取模块的卷积核为1*1*7，所述全局特征提取模块的卷积核为1*1*19。

4.根据权利要求2所述的基于改进的yolo网络的脑电图伪影检测方法，其特征在于，所述深度可分离卷积模块包括depthwise卷积层、pointwise卷积层、两个elu激活函数和两个归一化层，其中，输入至所述...

【专利技术属性】
技术研发人员：韩金波，娄洪伟，盛磊，
申请(专利权)人：中国科学院长春光学精密机械与物理研究所，
类型：发明
国别省市：