[发明专利]一种基于AR模型特征和SVM分类的工作记忆提高实验方法及装置在审

专利信息
申请号: 202210133826.X 申请日: 2022-02-14
公开(公告)号: CN114521902A 公开(公告)日: 2022-05-24
发明(设计)人: 徐欣;孙嘉雯;王午阳;林茂琨 申请(专利权)人: 南京邮电大学
主分类号: A61B5/369 分类号: A61B5/369;A61B5/00;G06K9/00;G06K9/62
代理公司: 南京纵横知识产权代理有限公司 32224 代理人: 董建林
地址: 210000 江苏*** 国省代码: 江苏;32
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 ar 模型 特征 svm 分类 工作 记忆 提高 实验 方法 装置
【权利要求书】:

1.一种基于AR模型特征和SVM分类的工作记忆提高实验方法,其特征在于,包括以下步骤:

获取待检测条件下的脑电信号;

预处理所述脑电信号;

将预处理后的脑电信号进行AR模型特征提取,获得脑电信号特征;

将所述脑电信号特征输入SVM分类器,输出分类结果;所述分类结果表示该待检测条件下的工作记忆是否提高。

2.根据权利要求1所述的的工作记忆提高实验方法,其特征在于,获取待检测条件下的脑电信号的方法包括:

参照各脑区功能,选取被试者的相应脑区电极放置贴片,以采集相应脑区的脑电信号;

使被试者进行工作记忆实验,记录待检测条件下的实验被试者的脑电信号;

将脑电信号放大和模数转换,以数字信号的形式存储在计算机中。

3.根据权利要求2所述的的工作记忆提高实验方法,其特征在于,各脑区头皮电极的放置方法是:采用国际脑电图学会标定的10-20电极导联定位标准,用双耳垂接法,记录导联Fp1、Fp2、F4、C3、C4、P3、P4、O1、O2、T3、T4、Fz、Pz,采样频率为512Hz,各通道导联阻抗均小于5KΩ。

4.根据权利要求2所述的的工作记忆提高实验方法,其特征在于,所述工作记忆实验的设计策略是:使用E-Prime软件设计待检测条件下不同任务难度的工作记忆实验——n-back实验,被试者进行多组工作记忆实验,记录实验中的行为数据和脑电数据;

所述工作记忆实验的内容为:设计在待检测条件下的1-back和2-back任务;所述1-back任务为21个字母在屏幕上依次弹出,判断当前屏幕上显示的字母是否与前一个一致;2-back任务为22个字母在屏幕上依次弹出,判断当前屏幕上显示的字母是否与前面第二个一致;被试者按顺序记忆出现的字母,同时判断当前出现的字母与前面的字母是否一致,并做出相应的按键反应。

5.根据权利要求1所述的的工作记忆提高实验方法,其特征在于,脑电信号的预处理的方法包括:

对采集的原始脑电信号进行低通滤波,去除基线漂移,线性矫正,针对原始信号中的大量眼电伪迹,使用独立成分分析ICA进行去除。

6.根据权利要求1所述的的工作记忆提高实验方法,其特征在于,对预处理后的脑电信号进行AR模型特征提取的方法包括:

基于AR模型的BURG法提取预处理后的脑电信号的特征,将预测误差功率和原始数据功率作为特征,获得脑电信号的预测误差功率和原始数据功率作为脑电信号特征。

7.根据权利要求1所述的的工作记忆提高实验方法,其特征在于,所述SVM分类器为多项式核函数的SVM分类器;

所述SVM分类器的训练方法包括:

获取训练数据,基于所述训练数据对SVM分类器进行训练;

所述训练数据包括不同条件下的工作记忆提高情况和脑电信号的AR模型特征;

所述训练数据的获取方法包括:

参照各脑区功能,选取被试者的相应脑区电极放置贴片,以采集相应脑区的脑电信号;

使被试者完成工作记忆实验,多组不同条件、任务难度下实验被试者的行为数据和脑电信号;将脑电信号放大和模数转换,以数字信号的形式存储在计算机中;所述行为数据包括反应时间和反应准确率;

对行为数据进行平均和多变量方差分析,来分析不同条件下工作记忆的变化情况,获得各条件下的工作记忆提高情况;

对采集的脑电信号进行预处理;对预处理后的脑电信号进行AR模型特征提取,获得不同条件下的脑电信号特征;

将各条件下的工作记忆提高情况对应各条件下的脑电信号特征进行配对标注,形成训练数据。

8.根据权利要求1所述的的工作记忆提高实验方法,其特征在于,对行为数据进行平均和多变量方差分析的方法包括:

用SPSS软件对行为数据进行平均和多变量方差分析,得到的F、P、均值数据。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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南京邮电大学,未经南京邮电大学许可,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/202210133826.X/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top