基于扩散模型的脑电信号增强模型的训练方法及系统技术方案

本发明专利技术实施例提供一种基于扩散模型的脑电信号增强模型的训练方法。该方法包括：将原始脑电信号输入至脑电信号增强模型中；利用扩散模型对原始脑电信号进行t步的前向扩散，得到第t‑1步扩散的增强结果x<subgt;t‑1</subgt;，以及第t步扩散的增强结果x<subgt;t</subgt;；将增强结果x<subgt;t</subgt;以及对应的情绪标签输入至控制输出的语义分割模型，通过语义分割模型输出指定的脑电增强参数；利用脑电增强参数进行重采样，得到第t‑1步扩散的均值、方差以及控制采样的惩罚项，基于均值、方差以及惩罚项预估出第t‑1步扩散的增强结果x’<subgt;t‑1</subgt;；基于增强结果x<subgt;t‑1</subgt;以及增强结果x’<subgt;t‑1</subgt;的误差损失对脑电信号增强模型进行训练。本发明专利技术实施例基于扩散模型训练了脑电信号增强模型，引入了惩罚项，使生成样本的多样性得到增加。

【技术实现步骤摘要】

本专利技术涉及脑电，尤其涉及一种基于扩散模型的脑电信号增强模型的训练方法及系统以及基于脑电信号增强模型的脑电信号生成方法及系统。

技术介绍

1、通过脑电信号研究人类情绪的技术逐渐成熟，受试者受到视觉刺激以引发情绪波动，并收集受试者在这些情绪状态下的脑电信号进行分析，从而进行情绪映射的研究。随着人工智能的发展，机器学习方法逐渐成为研究脑电信号的主流。然而，这种模型的训练往往需要大量的数据支持。但由于脑电采集设备价格昂贵，要大规模获得脑电信号十分困难。

2、为了获得大规模脑电数据，除了采集外，还会使用数据增强方法获得脑电信号，例如，基于wgan的脑电信号数据增强，其使用wgan生成模型生成脑电信号。主要包括一个生成器和一个判别器，生成器尝试生成看起来像真实数据的样本，而判别器则尝试区分真实数据和生成器生成的数据。两个网络相互竞争，直到生成器生成的数据足够接近真实数据。wgan在计算距离时残差使用文森特距离，wgan还通过使用权重剪裁等技术来进一步确保判别器的有效性，并提高gan模型的稳定性。然后使用wgan生成的数据对脑电信号做数据增强。

<本文档来自技高网...

【技术保护点】

1.一种基于扩散模型的脑电信号增强模型的训练方法，包括：

2.根据权利要求1所述的方法，其中，所述控制输出的语义分割模型为Unet模型，其中，所述Unet模型内卷积模块的结构包括：用于对情绪标签编码以及扩散步数t的编码拼接的Resnet层、自注意力层以及下采样层。

3.一种基于脑电信号增强模型的脑电信号生成方法，包括：

4.根据权利要求3所述的方法，其中，所述利用所述脑电信号的真实脑电图对所述生成脑电信号进行评估包括：

5.根据权利要求4所述的方法，其中，所述方法还包括：

6.一种基于扩散模型的脑电信号增强模型的训练系统，包括：...

【技术特征摘要】

1.一种基于扩散模型的脑电信号增强模型的训练方法，包括：

2.根据权利要求1所述的方法，其中，所述控制输出的语义分割模型为unet模型，其中，所述unet模型内卷积模块的结构包括：用于对情绪标签编码以及扩散步数t的编码拼接的resnet层、自注意力层以及下采样层。

3.一种基于脑电信号增强模型的脑电信号生成方法，包括：

4.根据权利要求3所述的方法，其中，所述利用所述脑电信号的真实脑电图对所述生成脑电信号进行评估包括：

5.根据权利要求4所述的方法，其中，所述方法还包括：

6.一种基于扩散模型的脑电信号增强模型的训练系...

【专利技术属性】
技术研发人员：吕宝粮，赵屹东，郑伟龙，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：