[发明专利]针对孤独症的脑电信号可视化信道选择方法及设备

权利要求书

1.一种针对孤独症的脑电信号可视化信道选择方法，其特征在于，所述针对孤独症的脑电信号可视化信道选择方法包括：

获取脑电数据采集设备采集到的原始脑电数据；

对原始脑电数据进行预处理；

基于预处理后的脑电数据对深度卷积神经网络模型进行训练、超参数优化以及性能测试，直至得到性能达到预期的深度卷积神经网络模型；

基于所述性能达到预期的深度卷积神经网络模型的最后一个卷积层产生的每个输入样本对应的多张特征图，得到每个输入样本对应的类激活图；

根据每个输入样本对应的类激活图，确定每个信道的重要性评分；

按照重要性评分从大到小的顺序对各信道进行排序，选取排在前预设位的信道。

2.如权利要求1所述的针对孤独症的脑电信号可视化信道选择方法，其特征在于，所述对原始脑电数据进行预处理的步骤包括：

利用降采样、带通滤波和去伪迹算法对原始脑电数据进行去噪处理；

利用固定时间窗口将去噪处理后的原始脑电数据分割成多个的脑电数据片段；

对各个脑电数据片段进行离散傅里叶变换处理，得到多个输入样本；

根据预设比例将所述多个输入样本划分为训练集、验证集和测试集，其中归属于同一个体的输入样本处于同一数据集中。

3.如权利要求2所述的针对孤独症的脑电信号可视化信道选择方法，其特征在于，所述输入样本为三维张量脑电数据；深度卷积神经网络模型的隐藏层由卷积层、最大池化层、平均池化层和丢弃层等组成，其中卷积层、最大池化层和平均池化层均采用二维的结构；深度卷积神经网络模型的输出层是一个节点为2的全连接层，且接有软性最大值Softmax激活函数，使得输出层输出该样本属于孤独症的概率以及正常个体的概率和为100％。

4.如权利要求1所述的针对孤独症的脑电信号可视化信道选择方法，其特征在于，所述基于所述性能达到预期的深度卷积神经网络模型的最后一个卷积层产生的每个输入样本对应的多张特征图，得到每个输入样本对应的类激活图的步骤包括：

针对某个输入样本，获取所述性能达到预期的深度卷积神经网络模型的最后一个卷积层输出的特征图[n×a×b]，n为特征图数量，a×b为每张特征图的尺寸；

计算反传回特征层的梯度信息

其中，y^c表示在softmax层之前网络层针对类别c的预测分数，为第n张特征图A在(x，y)位置的第k条通道的值；

计算特征图对于类别c的重要性权重其中Z表示特征层的尺度，即信道数与频带宽度的乘积：

将每对权重对特征图加权并线性组合起来，送入ReLU激活函数得到类激活图：

5.如权利要求4所述的针对孤独症的脑电信号可视化信道选择方法，其特征在于，在所述将每对权重对特征图加权并线性组合起来，送入ReLU激活函数得到类激活图的步骤之后，还包括：

将类激活图标准化并上采样至[a×b]大小，利用颜色图叠加到对应的输入样本中进行展示，并记录各信道在各频段上的权值。

6.如权利要求4所述的针对孤独症的脑电信号可视化信道选择方法，其特征在于，所述根据每个输入样本对应的类激活图，确定每个信道的重要性评分的步骤包括：

对每个输入样本的类激活图进行处理，将各信道不同频段之间的权值累加，得到第n张图的第i条信道的总权值Q_i(n)；

对于第n张图的第i条信道，若总权值高于重要性阈值T则为这条信道的重要性评分加分，否则不做处理，得到每条信道的重要性评分P_i：

P_i＝∑_nS_i(n)；

其中，