一种脑电信号的处理方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术实施例公开了一种脑电信号的处理方法、装置、电子设备及存储介质，该方法包括：获取预设信号通道的脑电信号的时频谱信号图，基于预设划分规则对时频谱信号图进行时频区间划分；基于划分的时频区间中的幅度系数，确定时频区间的平均幅度系数；基于频率特征模型分别提取各不同频率区间的平均幅度系数的频率特征，以及基于通道特征模型分别提取各不同通道的平均幅度系数的通道特征；基于权重确定模型分别对频率特征和通道特征进行处理得到频率权重和通道权重，基于频率特征、频率权重、通道特征和通道权重，确定脑电信号对应的融合特征。能提取大脑进行特定活动时的脑电时空特征，提高了对脑电信号的分类准确率，提高了脑电信号的处理效率。电信号的处理效率。电信号的处理效率。

【技术实现步骤摘要】
一种脑电信号的处理方法、装置、电子设备及存储介质


[0001]本专利技术实施例涉及医疗健康领域，尤其涉及一种脑电信号的处理方法、装置、电子设备及存储介质。

技术介绍

[0002]大脑进行特定活动时的脑电时空模式，可视化后提供给医生或者科研人员可用于分析大脑的活动状态。现有技术中，通常使用卷积神经网络(Convolutional Neural Networks，CNN)对脑电信号进行分析，通过网络输出分析大脑的活动状态。现有技术至少存在以下不足：CNN网络得到的结果只能体现所有训练数据的平均特征，不能针对每个样本进行独立分析，内含了空间距离相近的特征相关度较高的假设，而脑电作为复杂的系统，很多时候并不完全以这种规律组织，不便于对大脑进行特定活动时的脑电信号进行处理，降低了脑电信号的处理效率。

技术实现思路

[0003]本专利技术实施例提供了一种脑电信号的处理方法、装置、电子设备和存储介质，能够将大脑进行特定活动时的脑电信号进行处理得到可视化的特征，提高了脑电信号的处理效率。
[0004]第一方面，本专利技术实施例提供了一种脑电信号的处理方法，包括：
[0005]获取预设信号通道的脑电信号的时频谱信号图，基于预设划分规则对所述时频谱信号图进行时频区间划分；
[0006]基于划分的时频区间中的幅度系数，确定所述时频区间的平均幅度系数；
[0007]基于频率特征模型分别提取各不同频率区间的所述平均幅度系数的频率特征，以及基于通道特征模型分别提取各不同通道的所述平均幅度系数的通道特征；
[0008]基于权重确定模型分别对所述频率特征和所述通道特征进行处理得到频率权重和通道权重，基于所述频率特征、频率权重、所述通道特征和所述通道权重，确定所述脑电信号对应的融合特征。
[0009]第二方面，本专利技术实施例还提供了一种脑电信号的处理装置，包括：
[0010]时频区间划分模块，用于获取预设信号通道的脑电信号的时频谱信号图，基于预设划分规则对所述时频谱信号图进行时频区间划分；
[0011]平均幅度系数确定模块，用于基于划分的时频区间中的幅度系数，确定所述时频区间的平均幅度系数；
[0012]特征提取模块，用于基于频率特征模型分别提取各不同频率区间的所述平均幅度系数的频率特征，以及基于通道特征模型分别提取各不同通道的所述平均幅度系数的通道特征；
[0013]融合特征确定模块，用于基于权重确定模型分别对所述频率特征和所述通道特征进行处理得到频率权重和通道权重，基于所述频率特征、频率权重、所述通道特征和所述通
道权重，确定所述脑电信号对应的融合特征。
[0014]第三方面，本专利技术实施例还提供了一种电子设备，所述电子设备包括：
[0015]一个或多个处理器；
[0016]存储器，用于存储一个或多个程序；
[0017]当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如本专利技术任意实施例所提供的脑电信号的处理方法步骤。
[0018]第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本专利技术任意实施例所提供的脑电信号的处理方法步骤。
[0019]本专利技术实施例提供的技术方案，通过获取预设信号通道的脑电信号的时频谱信号图，基于预设划分规则对时频谱信号图进行时频区间划分，基于划分的时频区间中的幅度系数，确定时频区间的平均幅度系数，基于频率特征模型分别提取各不同频率区间的平均幅度系数的频率特征，以及基于通道特征模型分别提取各不同通道的平均幅度系数的通道特征，基于权重确定模型分别对频率特征和通道特征进行处理得到频率权重和通道权重，基于频率特征、频率权重、通道特征和通道权重，确定脑电信号对应的融合特征。能够将大脑进行特定活动时的脑电信号进行处理得到可视化的特征，提高了脑电信号的处理效率。
附图说明
[0020]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图做一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0021]图1是本专利技术实施例一提供的一种脑电信号的处理方法的流程示意图；
[0022]图2是本专利技术实施例一所涉及的一种时频区间划分示意图；
[0023]图3是本专利技术实施例二提供的一种脑电信号的处理方法的流程示意图；
[0024]图4是本专利技术实施例二所涉及的一种确定频率特征和通道特征的网络模型示意图；
[0025]图5是本专利技术实施例二所涉及的一种确定脑电信号的分类信息的流程示意图；
[0026]图6是本专利技术实施例三提供的一种脑电信号的处理装置的结构框图；
[0027]图7是本专利技术实施例四提供的一种电子设备的结构示意图。
具体实施方式
[0028]下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。
[0029]实施例一
[0030]图1为本专利技术实施例一提供的一种脑电信号的处理方法的流程示意图，本实施例可适用于提取大脑进行特定活动时的脑电时空特征，用于分析大脑的活动状态的情况。该方法可以由脑电信号的处理装置来执行，该装置可以由软件和/或硬件的方式来实现，集成
于具有控制功能的设备中，比如计算机中。该方法具体包括以下步骤：
[0031]S110、获取预设信号通道的脑电信号的时频谱信号图，基于预设划分规则对时频谱信号图进行时频区间划分。
[0032]预设信号通道是指利用脑电信号采集设备，采集不同大脑区域的活动信号的通道，示例性的，脑电采集设备可以是电极帽。预设划分规则是指对获取的时频谱信号图，根据时间和频率进行时频区间划分的规则。
[0033]利用脑电信号采集设备采集不同脑电信号通道的脑电信号，对采集的脑电信号进行预处理，示例性的，去除脑电信号的直流成分，再用低通滤波去除110Hz以上的成分。对采集的脑电信号进行预处理后，利用小波变换将每个通道信号都分解成多个不同频率成分的时间序列数据，即分解得到脑电信号的时频谱信号图。可以采用复morlet小波基对预处理后的脑电信息进行分解，复小波基使得获得小波系数不受脑电信号成分本体周期震荡的影响。
[0034]再基于预设划分规则，从时间和频率方面对分解得到的脑电信号的时频谱信号图进行时频区间划分。
[0035]可选的，基于预设划分规则对时频谱信号图进行时频区间划分，包括：基于预设时间间隔对时频谱信号图进行分段，得到分段信号；对于任一分段信号，基于至少一种时间划分方式和至少一种频率划分方式进行区间划分，得到多个时频区间。
[0036]基于预设划分规则对分解得到的时频谱信号图进行时频区间划分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种脑电信号的处理方法，其特征在于，包括：获取预设信号通道的脑电信号的时频谱信号图，基于预设划分规则对所述时频谱信号图进行时频区间划分；基于划分的时频区间中的幅度系数，确定所述时频区间的平均幅度系数；基于频率特征模型分别提取各不同频率区间的所述平均幅度系数的频率特征，以及基于通道特征模型分别提取各不同通道的所述平均幅度系数的通道特征；基于权重确定模型分别对所述频率特征和所述通道特征进行处理得到频率权重和通道权重，基于所述频率特征、频率权重、所述通道特征和所述通道权重，确定所述脑电信号对应的融合特征。2.根据权利要求1所述的方法，其特征在于，所述基于预设划分规则对所述时频谱信号图进行时频区间划分，包括：基于预设时间间隔对所述时频谱信号图进行分段，得到分段信号；对于任一分段信号，基于至少一种时间划分方式和至少一种频率划分方式进行区间划分，得到多个时频区间。3.根据权利要求1所述的方法，其特征在于，所述基于频率特征模型分别提取各不同频率区间的所述平均幅度系数的频率特征，以及基于通道特征模型分别提取各不同通道的所述平均幅度系数的通道特征，包括：对于任一频率区间，计算所述频率区间对应的多个时频区间的第一平均幅度系数，将各不同频率区间的所述平均幅度系数分别输入至独立的各频率特征模型中，将各频率特征模型输出频率特征序列进行融合，得到所述频率特征；对于任一通道，计算所述通道对应的多个时频区间的第二平均幅度系数，将各不同通道的所述平均幅度系数分别输入至独立的各通道特征模型中，将各通道特征模型输出通道特征序列进行融合，得到所述通道特征。4.根据权利要求3所述的方法，其特征在于，所述频率特征模型和所述通道特征模型分别为基于自注意力机制的图卷积神经网络。5.根据权利要求1所述的方法，其特征在于，所述基于权重确定模型分别对所述频率特征和所述通道特征进行处理得到频率权重和通道权重，包括：将所述频率特征与所述通道特征进行融合，得到初始融合特征；将所述初始融合特征输...

【专利技术属性】
技术研发人员：吴边，孟海忠，
申请(专利权)人：微医云杭州控股有限公司，
类型：发明
国别省市：