一种模型训练方法、意识状态识别方法、装置及设备，包括获取受试者在不同测试场景下的多条脑电数据及多条脑电数据对应的意识状态变化值；对于每条脑电数据，对其进行频域变换，得到对应的脑电频域数据，并根据脑电频域数据计算得到该脑电数据的特征数据；以多条脑电数据的特征数据为训练样本数据，以对应的意识状态变化值为标签，对预设的意识状态识别模型进行训练，得到训练好的意识状态识别模型。减少训练意识状态识别模型时所需的临床数据的数量，提高意识状态识别模型的训练效率。
【技术实现步骤摘要】
本专利技术涉及人工智能，具体涉及一种模型训练方法、意识状态识别方法、装置及设备。
技术介绍
1、从患者的脑电波中可以提取出被麻醉过程中从清醒到麻醉的状态变化，或者在面对伤害的过程中从有反应到无反应的状态变化，或者是在其他具有刺激源的场景下的意识状态变化。提取意识状态变化往往通过人工智能的方法得到对应的实例模型，从而通过该实例模型实现对意识状态变化的识别，但是这种实例模型通常需要大量的临床数据进行模型训练，因此导致这种方法所消耗的成本比较高。
技术实现思路
1、本专利技术主要解决的技术问题是减少训练意识状态识别模型时所需的临床数据的数量，提高意识状态识别模型的训练效率。
2、根据第一方面，一种实施例中提供一种模型训练方法,其特征在于，包括：
3、获取受试者在不同测试场景下的多条脑电数据及所述多条脑电数据对应的意识状态变化值；
4、对于每条所述脑电数据，对其进行频域变换，得到对应的脑电频域数据，并根据所述脑电频域数据计算得到该脑电数据的特征数据；
>5、以所述多条脑电本文档来自技高网...
【技术保护点】
1.一种模型训练方法,其特征在于，包括：
2.如权利要求1所述的模型训练方法，其特征在于，所述根据所述脑电频域数据计算得到该脑电数据的特征数据，包括：
3.如权利要求2所述的模型训练方法，其特征在于，所述脑电数据的特征数据有N个，所述频段数据有N个，其中N为大于1的整数；所述基于所述脑电频域数据的能量值和所有所述频段数据的能量值计算得到所述脑电数据的特征数据，包括：
4.如权利要求3所述的模型训练方法，其特征在于，根据如下公式计算得到所述脑电数据的第n个特征数据：
5.如权利要求1所述的模型训练方法，其特征在于，所述意识状态变化值包括麻醉状...
【技术特征摘要】
1.一种模型训练方法,其特征在于，包括：
2.如权利要求1所述的模型训练方法，其特征在于，所述根据所述脑电频域数据计算得到该脑电数据的特征数据，包括：
3.如权利要求2所述的模型训练方法，其特征在于，所述脑电数据的特征数据有n个，所述频段数据有n个，其中n为大于1的整数；所述基于所述脑电频域数据的能量值和所有所述频段数据的能量值计算得到所述脑电数据的特征数据，包括：
4.如权利要求3所述的模型训练方法，其特征在于，根据如下公式计算得到所述脑电数据的第n个特征数据：
5.如权利要求1所述的模型训练方法，其特征在于，所述意识状态变化值包括麻醉状态变化值和/或伤害状态变化值，其中...
【专利技术属性】
技术研发人员：彭丹，梁前，
申请(专利权)人：深圳美格尔生物医疗集团有限公司，
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。