【技术实现步骤摘要】
本专利技术涉及医学信号处理领域和人工智能领域，尤其涉及一种基于评估-降噪两级网络的脑电降噪方法。
技术介绍
1、脑机接口是指一种不依赖于人脑的正常输出通路的脑-机通讯系统,是一种新的人机接口方式.它的实质为通过脑电信号推断人的想法或目的,从而实现人机交流。目前，脑机接口可以分为侵入式和非侵入式两大类，其中，由于非侵入式脑机接口具有的因时间分辨率高、无创、低成本等优点，已成为研究正常脑功能和脑疾病的广泛工具。
2、在运动康复治疗中，其可以促进患者的神经重塑，并获得远优于传统的单一运动康复方法的效果。然而，脑电信号的记录易受肌电、眼电、心电、呼吸以及外部环境等干扰，这些干扰严重影响了脑电信号的质量，增加了后续脑电信号分析和解码难度。随着深度学习在图像处理领域的成功应用，研究人员发现深度学习网络可以自适应地从大量数据中学习伪影特征，而不需要人工干预，即将深度学习方法应用在脑电信号降噪中，可以提升脑电降噪模型的泛化能力和鲁棒性。
3、如公开号为cn116035593a的中国专利申请公开的《一种基于生成对抗式并行神经网络的...
【技术保护点】
1.一种基于评估-降噪两级网络的脑电降噪方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于评估-降噪两级网络的脑电降噪方法，其特征在于，所述步骤3中训练评估-降噪两级网络模型的损失函数为：
3.根据权利要求1所述的一种基于评估-降噪两级网络的脑电降噪方法，其特征在于，所述生成样本数据集中模拟脑电信号的方法包括以下步骤：
4.根据权利要求1所述的一种基于评估-降噪两级网络的脑电降噪方法，其特征在于：所述脑电信号评估网络包括跨域特征提取模块、自注意力模块和门控循环模块；
5.根据权利要求4所述的一种基于评估-...
【技术特征摘要】
1.一种基于评估-降噪两级网络的脑电降噪方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于评估-降噪两级网络的脑电降噪方法，其特征在于，所述步骤3中训练评估-降噪两级网络模型的损失函数为：
3.根据权利要求1所述的一种基于评估-降噪两级网络的脑电降噪方法，其特征在于，所述生成样本数据集中模拟脑电信号的方法包括以下步骤：
4.根据权利要求1所述的一种基于评估-降噪两级网络的脑电降噪方法，其特征在于：所述脑电信号评估网络包括跨域特征提取模块、自注意力模块和门控循环模块；
5.根据权利要求4所述的一种基于评估-降噪两级网络的脑电降噪方法，其特征在于：所述跨域特征提取模块采用多层神经网络提取跨域特征。
6.根据权利要求5所述的一种基于评估...
【专利技术属性】
技术研发人员：黄瑞，李哲，施柯丞，穆逢君，李文江，张静婷，程洪，
申请(专利权)人：电子科技大学，
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。