脑电信号去噪模型的训练及应用方法、装置、设备、介质
申请人信息
- 申请人:小舟科技有限公司
- 申请人地址:519031 广东省珠海市横琴新区环岛东路3000号1708办公
- 发明人: 小舟科技有限公司
专利详细信息
| 项目 | 内容 |
|---|---|
| 专利名称 | 脑电信号去噪模型的训练及应用方法、装置、设备、介质 |
| 专利类型 | 发明授权 |
| 申请号 | CN202410116135.8 |
| 申请日 | 2024/1/29 |
| 公告号 | CN117648538B |
| 公开日 | 2024/3/29 |
| IPC主分类号 | G06F18/10 |
| 权利人 | 小舟科技有限公司 |
| 发明人 | 胡方扬; 魏彦兆; 李宝宝; 唐海波; 迟硕 |
| 地址 | 广东省珠海市横琴新区环岛东路3000号1708办公 |
摘要文本
本发明属于脑电信号处理技术领域，公开了一种脑电信号去噪模型的训练及应用方法、装置、设备、介质，通过构建向量场分析框架，从向量表达、关键向量提取等多个角度全方位解析脑电信号的特征，能够更加直观、立体地反映异常脑电信号的变化，深入揭示信号的内在机理，因此本发明可以自动学习异常信号的内在特征，具备理论解释性，且无需人工设定噪声参数，具有更好的自适应性和扩展性，进而提高去噪效果。此外，本发明提出收敛区间和发散区间的概念，刻画异常脑电从聚集到扩展的动态过程，这一全新视角能够准确定位异常起始与终止，定量评估异常波及的区域范围，可以进一步解析脑电机理。 来自专利查询网
专利主权项内容
1.一种脑电信号去噪模型的训练方法，其特征在于，包括：采集包含噪声的原始脑电信号；对所述原始脑电信号进行特征提取，获得原始特征向量；将所述原始特征向量与正常脑电特征进行对比，识别得到所述原始脑电信号中的异常信号片段；构建所述异常信号片段的向量场；从所述向量场包括的全部场内向量中确定出多个关键向量；以预设距离阈值为半径、以每个所述关键向量为中心，在所述向量场中确定出每个所述关键向量的局部邻域空间，将所述局部邻域空间中与所述关键向量互相指向的场内向量标记为收敛向量，将所述局部邻域空间中与所述关键向量未互相指向的场内向量标记为发散向量；根据位于每个所述关键向量的第一最小外接圆内的收敛向量组成收敛区间，根据位于每个所述关键向量的第二最小外接圆的发散向量组成发散区间；根据全部所述关键向量的收敛区间和发散区间进行特征提取，获得与所述原始脑电信号对应的异常特征矩阵；将所述原始脑电信号及其对应的所述异常特征矩阵作为输入、以所述原始脑电信号对应的去噪信号作为标签，对深度学习神经网络进行训练获得去噪模型；其中，构建所述异常信号片段的向量场，包括：对所述异常信号片段取多个间隔的采样点，计算每个所述采样点的时域梯度，以及计算每个所述采样点的频域梯度；将所述时域梯度和所述频域梯度作为两个分量，构建每个所述采样点的梯度向量；根据所述时域梯度和所述频域梯度，计算每个所述采样点的梯度向量的向量方向；根据每个所述采样点的梯度向量及其向量方向，构建每个所述采样点的场内向量；根据全部所述采样点的场内向量，构建所述异常信号片段的向量场。