基于脑电信号的状态检测方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术公开了一种基于脑电信号的状态检测方法、装置、电子设备及存储介质。该方法包括：响应信号采集请求，确定脑电电极采集的第一信号；对第一信号进行频谱特征提取及频谱特征拼接，得到第一图像；根据第一图像通过第一模型对第一信号进行分类，得到第一分类结果。该方法通过对第一信号进行频谱特征提取及频谱特征拼接，能够使获得的第一图像更好的刻画第一信号的频率特征变化，根据第一图像通过第一模型对第一信号所属的睡眠类型进行分类，能够提高睡眠分类的准确性。

【技术实现步骤摘要】

本专利技术涉及信号处理，尤其涉及一种基于脑电信号的状态检测方法、装置、电子设备及存储介质。

技术介绍

1、睡眠分期是基于脑电图(eeg)、眼电图(eog)和肌电图(emg)等生理信号的变化，将睡眠过程划分为不同的阶段，这对于理解睡眠结构及其对健康的影响具有重要意义。

2、传统的睡眠分期依赖于专家对多导睡眠图(psg)的人工判读，这种方法不仅耗时费力，还容易受到主观因素的影响，难以满足大规模临床筛查的需求。近年来，机器学习方法被引入到睡眠状态分类任务中，虽然在特定数据集上取得了较高的分类准确率，但这些方法通常依赖于人工设计的特征，泛化能力有限，且难以适应复杂多变的实际场景，从而导致脑电信号的分类不准确，不能准确表达脑电信号对应的睡眠状态。

技术实现思路

1、本专利技术提供了一种基于脑电信号的状态检测方法、装置、电子设备及存储介质，以解决因为泛化能力不足，导致的脑电信号的分类不准确，不能准确表达脑电信号对应的睡眠状态的问题。

2、根据本专利技术的一方面，提供了一种基于脑电信号的状态检测方法本文档来自技高网...

【技术保护点】

1.一种基于脑电信号的状态检测方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述响应信号采集请求，确定脑电电极采集的第一信号，包括：

3.根据权利要求1所述的方法，其特征在于，所述对所述第一信号进行频谱特征提取及频谱特征拼接，得到第一图像，包括：

4.根据权利要求3所述的方法，其特征在于，所述对所述第一信号进行频谱特征提取，得到至少一组第二图像，包括：

5.根据权利要求3所述的方法，其特征在于，所述对所述第一信号进行频谱特征提取，得到至少一组第二图像，包括：

6.根据权利要求1所述的方法，其特征在于，第一模...

【技术特征摘要】

1.一种基于脑电信号的状态检测方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述响应信号采集请求，确定脑电电极采集的第一信号，包括：

3.根据权利要求1所述的方法，其特征在于，所述对所述第一信号进行频谱特征提取及频谱特征拼接，得到第一图像，包括：

4.根据权利要求3所述的方法，其特征在于，所述对所述第一信号进行频谱特征提取，得到至少一组第二图像，包括：

5.根据权利要求3所述的方法，其特征在于，所述对所述第一信号进行频谱特征提取，得到至少一组第...

【专利技术属性】
技术研发人员：吴少智，曾甜甜，林海瑞，敬媛媛，王靖雯，刘欣刚，苏涵，
申请(专利权)人：电子科技大学长三角研究院衢州，
类型：发明
国别省市：