申请/专利权人：华南理工大学;中山市华南理工大学现代产业技术研究院

申请日：2021-11-22

公开（公告）日：2024-03-29

公开（公告）号：CN114145744B

主分类号：A61B5/16

分类号：A61B5/16;A61B5/372;A61B5/00

优先权：

专利状态码：有效-授权

法律状态：2024.03.29#授权;2022.03.25#实质审查的生效;2022.03.08#公开

摘要：本发明涉及信号处理技术领域，尤其是基于跨设备前额脑电情绪识别的方法和系统，包括步骤：将预处理后的源域脑电数据、目标域脑电数据一起输入多空间域适应网络模型，通过多空间域适应网络模型提取多空间的脑电信号特征，计算源域脑电数据和目标域脑电数据之间的多空间的域适应损失，计算源域脑电数据的分类损失；最小化多空间域适应网络总损失，直至多空间域适应网络模型收敛；将待分类的目标域脑电数据输入收敛模型中进行测试，输出对目标域中脑电数据所属类别的预测情绪标签。本发明通过结合多空间域适应网络模型，可以消除个体差异和设备差异，提高了模型的泛化能力，在跨设备研究中取得了较好的分类效果。

主权项：1.基于跨设备前额脑电情绪识别的方法，其特征在于：包括以下步骤：S1、采集受试者的前额脑电数据，将一种脑电采集设备采集到的脑电数据作为源域，将另一种脑电采集设备采集到的脑电数据作为目标域，源域带有情绪标签，目标域不带有情绪标签；S2、对采集到的源域脑电数据、目标域脑电数据进行切分预处理；S3、将预处理后的源域脑电数据、目标域脑电数据一起输入多空间域适应网络模型，通过多空间域适应网络模型提取多空间的脑电信号特征，计算源域脑电数据和目标域脑电数据之间的多空间的域适应损失，计算源域脑电数据的分类损失；步骤S3的多空间域适应网络模型包括分解层、构造层、图卷积层、全连接层和分类层，源域、目标域的脑电数据依次经过分解层、构造层、图卷积层，最后将输出的两个全连接层拼接在一起输入分类层；分解层为一个预训练好的自动编码器，输入层维数为3，对应前额三导联脑电信号，输出层维数对应多道脑源信号，输出层维数为12，对应12道脑源信号，12道脑源信号对应12个脑区，分解层将前额三导联中的十二道脑源信号提取出来；构造层包括一个邻接矩阵，用于表示多个脑区之间的连通关系，一个脑区用一个节点来表示，每个节点上都有对应的节点特征；节点特征为一个特征矩阵，用于对提取到的多通道脑源信号在时序上进行卷积压缩，无重叠提取脑电信号的时序特征；图卷积层包括三层图卷积，输入层维数对应映射层输出的特征矩阵的维度，对构造层得到的脑电时-空域连通图进行图卷积，提取非欧式空间的特征；S4、最小化多空间域适应网络总损失，直至多空间域适应网络模型收敛；S5、将待分类的目标域脑电数据输入收敛的多空间域适应网络模型中进行测试，输出对目标域中脑电数据所属类别的预测情绪标签。

全文数据：

权利要求：

百度查询： 华南理工大学 中山市华南理工大学现代产业技术研究院 基于跨设备前额脑电情绪识别的方法和系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD