[发明专利]基于图像先验的单试次脑电P300成分检测方法及装置

说明书

本发明属于人脑与机器视觉融合技术领域，尤其涉及基于图像先验的单试次脑电P300成分检测方法及装置。基于图像先验的单试次脑电P300成分检测方法，包括：计算刺激图像数据集中图像的复杂度，根据复杂度对图像进行排序；对不同复杂度的图像诱发的脑电信号训练分类器；对图像诱发的脑电信号进行评分。基于图像先验的单试次脑电P300成分检测装置，包括：复杂度计算排序模块；训练模块；评分模块。本发明可以根据图像复杂度主动预判P300潜伏期的范围。

技术领域

本发明属于人脑与机器视觉融合技术领域，尤其涉及基于图像先验的单试次脑电P300成分检测方法及装置。

背景技术

由于在基于脑电的目标图像检测的实时系统中，P300成分的检测依然不能达到较高的精度。因此部分学者考虑充分利用人脑的高效理解能力与计算机的处理速度，搭建融合人脑与机器视觉的图像检索系统。这些系统利用较多试次的脑电兴趣得分，引导机器视觉搜索高兴趣得分的图像，这是一种“决策级”的融合方式。

人类视觉系统是自然界长期演化的结果，对自然图像的识别具有高速、鲁棒的特点。而机器视觉是利用现代计算机处理图像的技术，相对于人类视觉，具有批量处理的优点，但对于非结构化的、具有深层语义信息的图像，机器视觉始终无法达到较高的识别精度。哥伦比亚大学的Sajda等人，在利用人脑P300成分检测感兴趣目标图片的基础上，结合计算机视觉技术，搭建了皮层耦合计算机视觉系统(C3Vision)。该系统如下工作：先在一个图片库中随机选择少量图片组成图片序列，将图片序列快速呈现给被试观看，同时采集被试的脑电信号，利用脑电检索模块对这些图片所对应的脑电信号进行兴趣评分，并根据兴趣评分重新排序。随后，计算机视觉模块利用脑电检索模块的结果，再从图片数据库中选取类似的图片。由于脑电信号噪声比较大，EEG检索模块的输出并不是非常准确，这会导致计算机视觉模块的输出也达不到预期的效果，如果可以把这个结果反馈给被试，再让用户去判断计算机给出的结果是否准确，那么检索效果可能就会有显著的提升。于是，Eric等人又在Sadja的研究基础上，搭建了一个闭环系统(Closed-Loop C3Vision)，使得计算机视觉模块能够和EEG检索模块进行交互。此外，浙江大学的Wang等人采用类似方法搭建了闭环人脸识别系统、加州圣迭戈大学则利用人类天生对危险场景的警觉能力结合计算机技术，搭建了“认知技术威胁警报系统”(Cognitive Technology Threat Warning System，CT2WS)等。

然而在这些系统中人类视觉系统与机器视觉系统的融合方式是一种“决策级”融合方法。对图像的识别更多的依托P300成分的检测，并不能将当前机器视觉的成果引入到对单试次P300成分的分析中。

在申请号为201610139359.6的发明专利申请文件中，我们验证了不同复杂度的目标图像引起的脑电P300成分的差异，高复杂度目标图像诱发的脑电P300成分具有更低的峰值与更长的潜伏期。而脑地形图则显示了高复杂度图像将引起大脑右前额叶更长时间的活动。但是在基于脑电信号的目标图像检索中，存在P300检测算法被动适应P300潜伏期的变化问题。

发明内容

基于上述P300检测算法存在的问题，发明一种可以根据图像复杂度主动预判P300潜伏期的范围的方法及装置。

为了实现上述目的，本发明采用以下技术方案：

基于图像先验的单试次脑电P300成分检测方法，包括以下步骤：

步骤1：计算刺激图像数据集中图像的复杂度，根据复杂度对图像进行排序；

步骤2：对不同复杂度的图像诱发的脑电信号训练分类器；

步骤3：对图像诱发的脑电信号进行评分。

优选地，所述步骤1包括：

步骤1.1：计算数据集中图像的复杂度，计算公式为：