[发明专利]脑电波信号检测方法、相关设备和存储介质有效
申请号: | 201910697209.0 | 申请日: | 2019-07-30 |
公开(公告)号: | CN110367976B | 公开(公告)日: | 2021-05-07 |
发明(设计)人: | 李悦翔;郑冶枫 | 申请(专利权)人: | 腾讯科技(深圳)有限公司 |
主分类号: | A61B5/369 | 分类号: | A61B5/369;A61B5/372;A61B5/377;A61B5/384;A61B5/00 |
代理公司: | 深圳翼盛智成知识产权事务所(普通合伙) 44300 | 代理人: | 黄威 |
地址: | 518057 广东省深圳*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 脑电波 信号 检测 方法 相关 设备 存储 介质 | ||
1.一种脑电波信号检测方法,其特征在于,包括:
采集待检测对象在干扰信号间断刺激下的脑电波信号;
将所述脑电波信号划分为包含干扰刺激的第一类信号段、以及包含非干扰刺激的第二类信号段;
计算第一类信号段中不同脑区通道的信号之间的皮尔森相关系数,得到第一相关系数,利用第一相关系数构造第一相关系数矩阵,将该第一相关系数矩阵划分为对称的两个区域,按照预设策略从两个区域中选择一个区域,将选择的区域中的元素转换为一维的特征向量,得到第一特征集合,所述第一特征集合中的特征向量用于反映所述检测对象在干扰刺激下的脑区连接信息;其中所述第一相关系数矩阵为对角线对称形态;
计算第二类信号段中不同脑区通道的信号之间的皮尔森相关系数,得到第二相关系数,利用第二相关系数构造第二相关系数矩阵,将该第二相关系数矩阵划分为对称的两个区域,按照该预设策略从两个区域中选择一个区域,并将选择的区域中的元素转换为一维的特征向量,得到第二特征集合,所述第二特征集合中的特征向量用于反映所述检测对象在非干扰刺激下的脑区连接信息;其中所述第二相关系数矩阵为对角线对称形态;
计算所述在干扰刺激下的脑区连接信息对应的特征向量与在非干扰刺激下的脑区连接信息对应的特征向量之间的相似度;
根据所述相似度确定所述脑电波信号所属的病理类型,所述病理类型指示脑电波信号是否存在异常;
使用预设的显示模板的格式对所述病理类型进行显示,以得到所述检测对象的检测结果。
2.根据权利要求1所述的方法,其特征在于,所述根据所述相似度确定所述脑电波信号所属的病理类型,包括:
根据所述相似度,通过训练后检测模型对所述脑电波信号所属的病理类型进行预测,所述训练后检测模型由多个标注有病理类型的脑电波信号样本训练而成。
3.根据权利要求1所述的方法,其特征在于,所述将所述脑电波信号划分为包含干扰刺激的第一类信号段、以及包含非干扰刺激的第二类信号段,包括:
获取所述脑电波信号中每一个信号段的标签;
若所述标签指示信号段为在干扰信号刺激下所采集的信号,则将信号段归为第一类信号段;
若所述标签指示信号段为在非干扰信号刺激下所采集的信号,则将信号段归为第二类信号段。
4.根据权利要求2所述的方法,其特征在于,所述计算所述在干扰刺激下的脑区连接信息与在非干扰刺激下的脑区连接信息之间的相似度,包括:
计算第一特征集合中的特征向量与第二特征集合中的特征向量之间的余弦相似度;
所述根据所述相似度,通过训练后检测模型对所述脑电波信号所属的病理类型进行预测,包括:根据所述余弦相似度,通过训练后检测模型对所述脑电波信号所属的病理类型进行预测。
5.根据权利要求2或4任一项所述的方法,其特征在于,所述根据所述相似度,通过训练后检测模型对所述脑电波信号所属的病理类型进行预测之前,还包括:
采集多个检测样本在干扰信号间断刺激下的脑电波信号样本,所述脑电波信号样本标注有病理类型;
根据所述脑电波信号样本分别获取所述检测样本在干扰刺激下的脑区连接信息、以及在非干扰刺激下的脑区连接信息;
计算所述检测样本在干扰刺激下的脑区连接信息与在非干扰刺激下的脑区连接信息之间的相似度;
根据所述相似度,通过检测模型对所述脑电波信号样本所属的病理类型进行预测;
根据标注的病理类型和预测的病理类型对所述检测模型进行收敛,得到训练后检测模型。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于腾讯科技(深圳)有限公司,未经腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910697209.0/1.html,转载请声明来源钻瓜专利网。