买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明公开了一种基于脑电数据的轻量级卷积神经网络识别孤独症方法及系统。包括以下步骤：S1、采集孤独症儿童和正常健康儿童的脑电数据，并利用Matlab平台上的EEGLAB工具箱对脑电数据进行预处理操作；S2、采用多尺度时间卷积核提取脑电信号在时间维度上不同尺度的信息；S3、将时间维度和空间维度的特征整合起来，从而有效地提取脑电信号特征；S4、采用多尺度空间卷积核提取脑电信号在空间维度上的信息；S5、学习总结每个特征图的核心特征，实现特征内和特征间关系的显式解耦，并且将学习到的特征图以最优的方式组合在一起；S6、将学习到的特征图通过一个全连接层，然后通过softmax层得到最终的预测结果。本发明将时间维度和空间维度的特征整合起来，实现了更准确的孤独症分类，为孤独症识别技术的应用提供了更加可靠和高效的解决方案，并且具有更少的参数量，所需的推理时间也更短，解决了模型识别孤独症的效率低下且训练耗时的问题。

主权项：1.一种基于脑电数据的轻量级卷积神经网络识别孤独症方法，其特征在于，具体步骤如下：步骤1：脑电数据采集和预处理模块，采集孤独症儿童和正常健康儿童的脑电数据，并利用Matlab平台上的EEGLAB工具箱对脑电数据进行预处理操作：步骤2：时间卷积模块，采用多尺度时间卷积核提取脑电信号在时间维度上不同尺度的信息。将预处理后的脑电信号送入到时间卷积模块，首先使用多尺度时间卷积核并行进行一维卷积运算，这些时间卷积核在时间维度上的长度分别为采样率的12，14，18，116，其尺度分别为1，500，1，250，1，125，1，62。然后，使用ReLU激活函数获取卷积操作后的特征更丰富的表示，并且提升运算速度，减少模型训练和推理的时间成本。最后，采用平均池化方法减轻噪声的影响，同时降低特征维数，得到脑电信号在时间维度上不同尺度的特征： 其中，表示四个不同尺度的时间卷积核，u＝[1，2，3，4]，Conv1D表示时间卷积核大小为的一维卷积运算，ReLU表示激活函数，AvgPool表示平均池化。将每一层时间核的输出沿着特征维度进行拼接，并采用批处理归一化来稳定和加速模型的训练。时间卷积模块的输出ZT可以表示为： 其中，fBN表示批处理归一化，[·]表示每一层时间卷积核输出的拼接。步骤3：时空注意力模块，将时间维度和空间维度的特征整合起来，从而有效地提取脑电信号特征。首先，对得到的特征图进行时域自适应平均池化，提取时间信息；同时，保留了空间域中的所有信息。然后，我们利用卷积运算有效地减少参数的数量，进一步提取空间信息。最后，使用softmax函数对注意力权重进行归一化处理。由于脑电图对幅度变化很敏感，我们采用标量乘法进一步扩展softmax函数的输出，从而将其匹配到与时间卷积得到的特征相同的数量级。设L为时空注意力模块的输入特征，则生成特征图：ML＝SoftmaxConvPoolingLTT*C′3其中，Softmax表示softmax函数，Pooling表示自适应平均池化。步骤4：空间卷积模块，采用多尺度空间卷积核提取脑电信号在空间维度上的信息，其大小与脑电图通道的位置相关。首先对多尺度空间卷积核并行进行一维卷积运算，这里，我们使用全局空间卷积核和半球空间卷积核。一方面，全局空间卷积核可以捕获全局空间模式，其大小与输入脑电数据的通道数相同，即全局空间卷积核的大小设置为128,1，步长为1，1；另一方面，半球空间卷积核可以有效地捕获和建模左右半球之间的相关性，即半球空间卷积核的大小和步长都设置为64，1。然后，使用使用ReLU激活函数获取卷积操作后的特征更丰富的表示，最后，采用平均池化方法减轻噪声的影响，同时降低特征维数，得到脑电信号在空间维度上不同尺度的特征： 其中，表示全局空间卷积核和半球空间卷积核，v＝[0，1]，v＝0时表示全局空间卷积核，v＝1时表示半球空间卷积核，Conv1D表示空间卷积核大小为的一维卷积运算，ReLU表示激活函数，AvgPool表示平均池化。将每一层空间卷积核的输出沿着空间维度进行拼接，并采用批处理归一化来稳定和加速模型的训练。空间卷积模块的输出zS可以表示为： 其中，fBN表示批处理归一化，[·]表示每一层空间卷积核输出的拼接。全局空间卷积核的输出长度为1；半球空间卷积核的输出长度为2，分别代表两个半球。拼接后，总长度为3。步骤5：可分离卷积模块，它由深度卷积和逐点卷积组成，其中深度卷积通过为每个输入通道共享一个卷积核来减少参数的数量，逐点卷积通过仅对一个通道的输出操作每个卷积核来减少参数的数量。此外，在深度卷积中，每个特征图的核心特征被学习总结，实现了特征内和特征间关系的显式解耦；在逐点卷积中，学习到的特征图以最优的方式组合在一起。步骤6：分类模块，用于对步骤5学习到的特征图进行分类，具体地说，将学习到的特征图通过一个全连接层，然后通过softmax层得到最终的预测结果。

全文数据：

权利要求：

百度查询： 天津理工大学 一种基于脑电数据的轻量级卷积神经网络识别孤独症方法及系统