专利汇可以提供一种特征权重自学习的睡眠质量检测关键脑区判定方法专利检索,专利查询,专利分析的服务。并且本 发明 提供一种特征权重 自学习 的睡眠 质量 检测关键脑区判定方法;属于脑电 信号 识别领域。本发明的睡眠质量评估方法如下:一、首先是对脑电数据的获取与处理。二、对处理之后的脑电数据使用GRLSR模型进行分类并获得特征权重值。三、利用特征权重值筛选关键频段。四、利用特征权重值筛选关键脑区。本发明将半 监督学习 模型以及 脑机 接口 技术融入到脑电检测领域中,可以筛选出脑电信息检测的关键频段以及关键脑区,并利用关键脑区大幅提高脑电识别的正确率。,下面是一种特征权重自学习的睡眠质量检测关键脑区判定方法专利的具体信息内容。
1.一种基于特征权重的自适应学习关键脑区判定方法,其特征在于:步骤1、脑电数据的获取和处理;
1-1、被测人员佩戴64导联电极帽进行脑电数据采集,得到n1组脑电信号;
1-2、对采集得到的脑电数据降频滤波至1-50Hz;
1-3、对n1组脑电信号分五个频段进行特征提取,得到各频段上各通道的平均微分熵特征
步骤2、将n1组平均微分熵特征导入GRLSR模型,并进行调参,获取预测准确率;
2-1.给定一个有标签数据XL,标签记为YL以及未标记数据XU,标签记为YU;矩阵XL为n2×
5d的矩阵;矩阵XU为n1×5d的矩阵;矩阵XU的n1行元素分别为n1组平均微分熵特征;矩阵YL为n2×c的矩阵,c为类别数;令X=[XL,XU],Y=[YL,YU];矩阵X有n行;n=n1+n2;d为被使用的通道数;
2-2.GRLSR模型具有γ和α两个参数,γ和α采用网格搜索进行取值,网格搜索的范围为[10-3,10-2,...103];γ和α的每种取值组合均进行以下操作;
目标函数如下:
其中,L为图拉普拉斯矩阵;b、 Y为目标函数的三个待求变量;
分别求得三个待求变量b、 Y;
b的求解公式为:
的求解公式为:
其中, Q是对角矩阵,其对角值为 I为n×n的单位矩
阵; 为矩阵 的第v行元素; 为矩阵 的第j行元素;ε为避免分母等于零的正数;
Y的求解公式为
其中,yi为矩阵Y的第i行元素,xi为矩阵X的第i行元素;η为拉格朗日乘子法参数;(a)+=max(0,a);
对矩阵Y求解后得到矩阵YU;矩阵YU的各个元素分别对应n1个预测时长;所得的矩阵YU的各个元素与真实睡眠时长相比较,得到矩阵YU的准确率;
每种γ和α的取值组合均对应一个准确率;取所有准确率中最高的那个准确率作为当前所使用的脑区的预测准确率;
步骤3、取第一次执行步骤2时所得的预测准确率所对应的矩阵 计算各频段上各通道的特征权重值θj,j=1,2,…,310; 为矩阵 的第j行元素; 为矩阵
的第i行元素;
步骤4、利用特征权重值筛选关键脑区;
4-1.将310个特征权重值按照通道不同分为62组,与62个脑区分别对应;
4-2.对62组特征权重值各自求取通道权重均值;
4-3.按照62个脑区按照通道权重均值从小到大进行排序;
4-4.按照排列顺序逐个减少使用的脑区,使得被使用的通道数d每次减小1;d每减小1,均将剩余的各通道数据通过步骤2的方法计算预测准确率;从而得到62个预测准确率;取62个预测准确率中的最大值所对应的各个脑区作为被测人员的被测指标的关键脑区。
2.根据权利要求1所述的一种基于特征权重的自适应学习关键脑区判定方法,其特征在于:步骤1-1中,脑电信号由ESI神经扫描系统记录、按照国际10-20系统标准布置,采样率为1000Hz,所佩戴的64导联电极帽,其中一个导联接地,一个导联为参考电极,采到的实际数据为62导联。
3.根据权利要求1所述的一种基于特征权重的自适应学习关键脑区判定方法,其特征在于:步骤1-2中,先将采集到的脑电信号的频率从1000Hz降至200Hz;取出与坏电极对应的信号,通过插值相邻进行再生;再通过Butterworth带通滤波器将脑电图滤波至1-50Hz,去除噪声。
4.根据权利要求1所述的一种基于特征权重的自适应学习关键脑区判定方法,其特征在于:步骤1-3的具体过程如下:
首先从五个频段中提取了脑电图特征;被提取的五个频段分别是Delta频段,Theta频段,Alpha频段,Beta频段,Gamma频段;然后利用短时傅里叶变换来计算各频段上各通道的平均微分熵特征,采用线性动力系统进行特征平滑;最后,对所有平均微分熵特征进行标准化。
5.根据权利要求1所述的一种基于特征权重的自适应学习关键脑区判定方法,其特征在于:本发明还对利用特征权重值筛选关键频段;过程如下:
①.将310个特征权重值按照频段不同分为五组,与Delta、Theta、Alpha、Beta、Gamma分别对应;
②.将五组特征权重值各自求取频段权重平均值;
③.将步骤②所得的五个频段权重平均值的大小,确定五个频段对获取被测数据的重要性顺序;本实施例所得的频段重要性对比情况如图2所示,Delta频段的脑电数据对被测人员的睡眠时长影响最大。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
一种基于商用WiFi的位置自适应动作识别方法 | 2020-05-08 | 1596 |
一种机器学习算法自动选择方法和系统 | 2020-05-12 | 104 |
基于语义传播及混合多示例学习的Web图像检索方法 | 2020-05-16 | 639 |
一种半监督学习的训练方法、系统和计算机可读存储介质 | 2020-05-18 | 795 |
一种基于半监督学习深度对抗网络的故障诊断方法 | 2020-05-12 | 671 |
一种室外场景三维彩色点云分类方法 | 2020-05-14 | 637 |
一种基于语音和表情的自适应权重双模态融合情感识别方法 | 2020-05-19 | 142 |
一种图形化编程的深度学习神经网络搭建方法 | 2020-05-18 | 737 |
一种运维系统及方法 | 2020-05-14 | 754 |
一种面向半结构化数据流的实时主题分类方法 | 2020-05-16 | 842 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。