一种基于EEG-fNIRS时空融合特征的认知状态分类方法技术

本发明专利技术涉及一种基于EEG‑fNIRS时空融合特征的认知状态分类方法，包括根据心算实验范式设置实验，同步采集被试心算任务下的脑电信号EEG与功能性近红外光谱信号fNIRS数据，对采集到的两个数据进行预处理得到脑电信号数据和血红蛋白浓度变化数据；取脑电信号数据和血红蛋白浓度变化数据，通过时间窗进行数据增强后送入时空融合网络，得到EEG特征、氧合血红蛋白HBO特征、脱氧血红蛋白HBR特征以及融合得到融合特征，得到EEG分类结果、fNIRS分类结果和融合特征分类结果。本发明专利技术有效的结合了EEG信号与fNIRS信号的特性，缓解了模态深度学习中的过拟合问题，能够准确的进行认知状态分类。

【技术实现步骤摘要】

本专利技术涉及一种基于eeg-fnirs时空融合特征的认知状态分类方法，属于神经系统认知状态。

技术介绍

1、认知状态研究有助于我们理解人类认知功能的基本原理和机制。通过研究认知过程中的大脑活动，我们能够深入了解大脑在不同认知任务中的活动模式，揭示认知功能的神经基础。同时认知功能研究在诊断抑郁症等脑疾病方面具有重要的作用，然而通过测量大脑活动来识别精神状态一直是神经科学的关键挑战。

2、通常使用eeg进行认知状态研究，lawhern等人提出eegnet，在多种范式下表现优异，且参数量少，适合数据有限场景。song等人提出了eeg conformer，结合了卷积神经网络(cnn)和transformer的优势，捕捉长短时依赖关系，并提出可视化方法增强了模型可解释性。但是由于eeg空间分辨率低且存在严重的容积效应，因此单模态eeg的认知状态解码表达能力有限。而fnirs提供了优秀的空间分辨率和鲁棒性，wang等人将延迟的血流动力学反应作为领域知识引入fnirs分类，提出了一种简洁有效的fnirsnet模型，然而fnirs的时间分辨率较差且存在血流动本文档来自技高网...

【技术保护点】

1.基于EEG-fNIRS时空融合特征的认知状态分类方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的基于EEG-fNIRS时空融合特征的认知状态分类方法，其特征在于：所述步骤一中根据心算实验范式设置实验具体包括：一次试验包括介绍阶段、任务阶段和休息阶段，每次试验之间存在缓冲时间，介绍阶段给出心算指令，被试在任务阶段作出响应；对采集到的数据进行打标，分别为心算和静息，将整个实验过程所包含的缓冲阶段、介绍阶段、任务阶段和休息阶段进行标注。

3.根据权利要求1所述的基于EEG-fNIRS时空融合特征的认知状态分类方法，其特征在于：所述步骤一中预处理具体包括：先...

【技术特征摘要】

1.基于eeg-fnirs时空融合特征的认知状态分类方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的基于eeg-fnirs时空融合特征的认知状态分类方法，其特征在于：所述步骤一中根据心算实验范式设置实验具体包括：一次试验包括介绍阶段、任务阶段和休息阶段，每次试验之间存在缓冲时间，介绍阶段给出心算指令，被试在任务阶段作出响应；对采集到的数据进行打标，分别为心算和静息，将整个实验过程所包含的缓冲阶段、介绍阶段、任务阶段和休息阶段进行标注。

3.根据权利要求1所述的基于eeg-fnirs时空融合特征的认知状态分类方法，其特征在于：所述步骤一中预处理具体包括：先去除两个眼动信号，将脑电信号下采样到200hz，取缓冲阶段的数据进行基线矫正，应用1hz-40hz的带通滤波进行降噪；对于近红外信号，将数据下采样到10...

【专利技术属性】
技术研发人员：褚原宇，佘青山，席旭刚，林静，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：