p>3、一种麻醉深度脑电信号数据处理方法,包括:
4、获取将原始脑电信号划分得到的多个脑电信号段,并将所述脑电信号段转换成频谱数据;
5、对所述频谱数据进行聚类,获取两个目标聚类簇,基于各目标聚类簇中各频率的功率值以及与对应聚类中心点频率的差异,得到各目标聚类簇的能量特征;
6、基于各目标聚类簇的预设频率范围的局部能量特征与所述能量特征之间的关联,得到两个目标聚类簇之间的耦合程度;
7、结合所述耦合程度以及两个目标聚类簇的能量特征,对基于数据点与对应脑电信号段整体的差异情况获得的原始异常分数进行修正,得到数据点的目标异常分数;
8、根据所述目标异常分数对数据点进行异常检测。
9、进一步地,基于各目标聚类簇中各频率的功率值以及与对应聚类中心点频率的差异,得到各目标聚类簇的能量特征,包括:
10、对于任意一个目标聚类簇,获取该目标聚类簇中各个频率值所对应的原始功率值,并获取该目标聚类簇中的最大原始功率值;
11、根据所述各个频率值所对应的原始功率值,结合各频率值与聚类中心点频率值的差异,对各个频率值所对应的原始功率值进行加权,得到各个频率值所对应的加权功率值,其中,所述加权功率值与对应频率值和聚类中心点频率值的差异呈反相关关系;
12、根据所述最大原始功率值,以及所有频率值所对应的加权功率值的平均值,得到该目标聚类簇的能量特征,其中,能量特征与最大原始功率值和加权功率值平均值均呈正相关关系。
13、进一步地,所述能量特征的计算公式如下:
14、;
15、其中,表示该目标聚类簇的能量特征,表示大于或者等于1的预设参数,表示该目标聚类簇中频率值在该目标聚类簇对应的频谱图中的原始功率值,表示该目标聚类簇的最大原始功率值,表示该目标聚类簇中的最小频率值,表示该目标聚类簇中的最大频率值,n表示该目标聚类簇中的频率值的数量,表示对进行负相关归一化,表示该目标聚类簇的聚类中心点频率值。
16、进一步地,基于各目标聚类簇的预设频率范围的局部能量特征与所述能量特征之间的关联,得到两个目标聚类簇之间的耦合程度,包括:
17、计算两个目标聚类簇的预设频率范围的局部能量特征的和值,得到第一和值,并计算两个目标聚类簇的能量特征的和值,得到第二和值;
18、将所述第一和值的和第二和值的比值,作为两个目标聚类簇之间的耦合程度。
19、进一步地,两个目标聚类簇之间的耦合程度的计算公式如下:
20、;
21、其中,表示第个脑电信号段的两个目标聚类簇之间的耦合程度,表示第个脑电信号段中频率较低的目标聚类簇的预设频率范围的局部能量特征,表示第个脑电信号段中频率较高的目标聚类簇的预设频率范围的局部能量特征,表示第个脑电信号段中频率较低的目标聚类簇的能量特征,表示第个脑电信号段中频率较高的目标聚类簇的能量特征;
22、;
23、其中,表示第个脑电信号段中频率较低的目标聚类簇的聚类中心点频率值;表示第个脑电信号段中频率较低的目标聚类簇的最大频率值;表示第个脑电信号段中频率较低的目标聚类簇的中频率值在该目标聚类簇对应的频谱图中的原始功率值;表示第个脑电信号段中频率较低的目标聚类簇的最大原始功率值,表示第个脑电信号段中频率较低的目标聚类簇的聚类中心点频率值与最大频率值之间的频率范围,表示对进行负相关归一化,表示大于或者等于1的预设参数;
24、表示第个脑电信号段中频率较高的目标聚类簇的聚类中心点频率值;表示第个脑电信号段中频率较高的目标聚类簇的最小频率值;表示第个脑电信号段中频率较高的目标聚类簇的中频率值在该目标聚类簇对应的频谱图中的原始功率值;表示第个脑电信号段中频率较高的目标聚类簇的最大原始功率值,表示第个脑电信号段中频率较高的目标聚类簇的最小频率值与聚类中心点频率值之间的频率范围,表示对进行负相关归一化。
25、进一步地,结合所述耦合程度以及两个目标聚类簇的能量特征,对基于数据点与对应脑电信号段整体的差异情况获得的原始异常分数进行修正,得到数据点的目标异常分数,包括:
26、基于数据点与对应脑电信号段整体的差异情况,获得脑电信号段中各个数据点的原始异常分数;
27、基于所述耦合程度以及两个目标聚类簇的能量特征,得到对应脑电信号段的分数修正系数;
28、根据所述分数修正系数,对所述原始异常分数进行修正,得到数据点的目标异常分数。
29、进一步地,基于所述耦合程度以及两个目标聚类簇的能量特征,得到对应脑电信号段的分数修正系数,包括:
30、获取脑电信号段的耦合程度,脑电信号段对应的两个目标聚类簇的能量特征以及脑电信号段中频率较低的目标聚类簇的聚类中心点频率值;
31、计算脑电信号段对应的两个目标聚类簇的能量特征的差值绝对值,并将所述差值绝对值与脑电信号段中频率较低的目标聚类簇的能量特征的和值作为目标聚类簇的能量差异特征;
32、根据脑电信号段的耦合程度,所述能量差异特征以及脑电信号段中频率较低的目标聚类簇的聚类中心点频率值,得到脑电信号段的分数修正系数,所述分数修正系数与耦合程度和脑电信号段中频率较低的目标聚类簇的聚类中心点频率值均呈反相关关系,与能量差异特征呈正相关关系。
33、进一步地,分数修正系数的计算公式如下:
...
【技术保护点】
1.一种麻醉深度脑电信号数据处理方法,其特征在于,包括:
2.根据权利要求1所述的麻醉深度脑电信号数据处理方法,其特征在于,基于各目标聚类簇中各频率的功率值以及与对应聚类中心点频率的差异,得到各目标聚类簇的能量特征,包括:
3.根据权利要求2所述的麻醉深度脑电信号数据处理方法,其特征在于,所述能量特征的计算公式如下:
4.根据权利要求1所述的麻醉深度脑电信号数据处理方法,其特征在于,基于各目标聚类簇的预设频率范围的局部能量特征与所述能量特征之间的关联,得到两个目标聚类簇之间的耦合程度,包括:
5.根据权利要求4所述的麻醉深度脑电信号数据处理方法,其特征在于,两个目标聚类簇之间的耦合程度的计算公式如下:
6.根据权利要求1所述的麻醉深度脑电信号数据处理方法,其特征在于,结合所述耦合程度以及两个目标聚类簇的能量特征,对基于数据点与对应脑电信号段整体的差异情况获得的原始异常分数进行修正,得到数据点的目标异常分数,包括:
7.根据权利要求6所述的麻醉深度脑电信号数据处理方法,其特征在于,基于所述耦合程度以及两个目标聚类簇的能量特征,得到对应脑电信号段的分数修正系数,包括:
8.根据权利要求7所述的麻醉深度脑电信号数据处理方法,其特征在于,分数修正系数的计算公式如下:
9.根据权利要求8所述的麻醉深度脑电信号数据处理方法,其特征在于,根据所述目标异常分数对数据点进行异常检测,包括:
10.根据权利要求1所述的麻醉深度脑电信号数据处理方法,其特征在于,对所述频谱数据进行聚类,获取两个目标聚类簇,包括:
...
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。