申请/专利权人：天津大学

申请日：2024-02-18

公开（公告）日：2024-07-05

公开（公告）号：CN118013366B

主分类号：G06F18/241

分类号：G06F18/241;G06F18/214;G06N3/0464;G06N3/0442

优先权：

专利状态码：有效-授权

法律状态：2024.07.05#授权;2024.05.28#实质审查的生效;2024.05.10#公开

摘要：本发明公开了一种自然阅读环境下基于脑电信号的目标辨识方法，包括以下步骤：步骤1：选定刺激材料并设计实验Block，确定模糊语义目标辨识范式；步骤2：根据模糊语义目标辨识范式进行脑电实验和脑电信号采集；步骤3：对采集的脑电信号进行质量评估，并结合对应标签构建脑电数据库；步骤4：对脑电数据库内的脑电信号进行预处理，获得预处理脑电信号；步骤5：对预处理脑电信号进行特征提取；步骤6：建立脑电分类模型，并将脑电数据库内的脑电数据随机划分为训练集和测试集，对所建立的脑电分类模型进行训练和测试，对自然阅读环境下模糊语义目标进行辨识分类。该方法通过研究脑电信号来解析大脑的认知过程，为认知障碍等疾病提供试验依据。

主权项：1.一种自然阅读环境下基于脑电信号的目标辨识方法，其特征在于：包括以下步骤：步骤1：选定刺激材料并设计实验Block，确定模糊语义目标辨识范式；步骤2：根据模糊语义目标辨识范式进行脑电实验和脑电信号采集；步骤3：对采集的脑电信号进行质量评估，并结合对应标签构建脑电数据库；步骤4：对脑电数据库内的脑电信号进行预处理，获得预处理脑电信号；步骤5：对预处理脑电信号进行特征提取；步骤6：建立脑电分类模型，并对所建立的脑电分类模型进行训练和测试，对自然阅读环境下模糊语义目标进行辨识分类；步骤6中，所述脑电分类模型包括：EEGNet模块，以步骤4.4预处理后的脑电信号作为输入，获得1*30的特征向量；CNN-LSTM模块，以步骤5.2获得的时频特征集作为输入，进一步提取特征，获得1*30的特征向量；时域特征模块，以步骤5.3计算出的样本熵特征向量作为输入，对这些样本熵特征向量进行归一化处理，从而获得规范化后的1*30的特征向量；空域特征模块，以步骤5.4获得的空域特征向量作为输入，对这些空域特征向量进行归一化处理，从而获得规范化后的1*30空域特征向量；集成模块，将EEGNet模块获得的1*30的特征向量、CNN-LSTM模块获得的1*30的特征向量、时域特征模块获得的规范化后的1*30的特征向量以及空域特征模块获得的规范化后的1*30空域特征向量进行整合，合并成一个整体的综合特征输入到全连接层中；利用全连接层对综合特征进行学习与融合，经过softmax激活函数层处理后，最终获得二分类输出；所述EEGNet模块依次包括Batchnorm层、两个模块A、Dropout层、全连接层和Flatten层；每一所述模块A依次包括BatchNorm层、Dropout层、卷积层、GlobalMaxpool层、全连接层、Relu层、全连接层、Sigmoid层和Maxpool层；所述CNN-LSTM模块包括BatchNorm层、三个模块B、LSTM层、全连接层和Flatten层；每一所述模块B依次包括卷积层、Relu层和Maxpool层；所述集成模块包括全连接层、Softmax层和二分类。

全文数据：

权利要求：

百度查询： 天津大学 一种自然阅读环境下基于脑电信号的目标辨识分类方法

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