[发明专利]基于脑电特征的目标检测方法和系统在审
申请号: | 202010292815.7 | 申请日: | 2020-04-14 |
公开(公告)号: | CN111466909A | 公开(公告)日: | 2020-07-31 |
发明(设计)人: | 段一平;陶晓明;胡舒展;刘永嘉;李哲;李强;刘帅;马鑫;葛宁 | 申请(专利权)人: | 清华大学 |
主分类号: | A61B5/0476 | 分类号: | A61B5/0476;A61B5/00 |
代理公司: | 北京超凡宏宇专利代理事务所(特殊普通合伙) 11463 | 代理人: | 徐彦圣 |
地址: | 100000*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 特征 目标 检测 方法 系统 | ||
1.一种基于脑电特征的目标检测方法,其特征在于,包括:
获取被试关于待检测图像的脑电信号;
对所述脑电信号进行事件相关电位成分分析,提取所述脑电信号的目标特征信号;所述目标特征信号为以下任一项:P3特征信号,N2特征信号;
基于所述目标特征信号,利用训练好的预设分类器对所述待检测图像进行检测,得到检测结果;所述检测结果包括以下任一项:所述待检测图像中包含待检测目标,所述待检测图像中不包含待检测目标。
2.根据权利要求1所述的方法,其特征在于,对所述脑电信号进行事件相关电位成分分析,提取所述脑电信号的目标特征信号,包括:
对所述脑电信号进行事件相关电位成分分析,提取所述脑电信号的初始特征信号;
利用xDAWN空间滤波算法对所述初始特征信号进行滤波操作,得到目标特征信号。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:对预设分类器进行训练,得到训练好的预设分类器。
4.根据权利要求3所述的方法,其特征在于,对预设分类器进行训练,得到训练好的预设分类器,包括:
获取被试关于多个刺激素材的初始脑电信号;
去除所述初始脑电信号中的伪迹,并对所述初始脑电信号进行滤波处理,得到降噪后的脑电信号;
对所述降噪后的脑电信号进行事件相关电位成分分析,提取所述降噪后的脑电信号的样本特征信号;所述样本特征信号为以下任一项:P3特征信号,N2特征信号;
利用所述样本特征信号对预设分类器进行训练,得到训练好的预设分类器。
5.根据权利要求1所述的方法,其特征在于,所述预设分类器为线性判别分类器;
基于所述目标特征信号,利用训练好的预设分类器对所述待检测图像进行检测,得到检测结果,包括:
获取所述线性判别分类器的投影向量;
基于所述投影向量计算所述目标特征信号的电极通道值;
将所述电极通道值与所述训练好的预设分类器的分类阈值进行比较,得到比较结果;
基于所述比较结果对所述待检测图像进行检测,得到检测结果。
6.一种基于脑电特征的目标检测系统,其特征在于,包括:获取模块,特征提取模块,检测模块,其中,
所述获取模块,用于获取被试关于待检测图像的脑电信号;
所述特征提取模块,用于对所述脑电信号进行事件相关电位成分分析,提取所述脑电信号的目标特征信号;所述目标特征信号为以下任一项:P3特征信号,N2特征信号;
所述检测模块,用于基于所述目标特征信号,利用训练好的预设分类器对所述待检测图像进行检测,得到检测结果;所述检测结果包括以下任一项:所述待检测图像中包含待检测目标,所述待检测图像中不包含待检测目标。
7.根据权利要求6所述的系统,其特征在于,所述特征提取模块包括:提取单元和滤波单元,其中,
所述提取单元,用于对所述脑电信号进行事件相关电位成分分析,提取所述脑电信号的初始特征信号;
所述滤波单元,用于利用xDAWN空间滤波算法对所述初始特征信号进行滤波操作,得到目标特征信号。
8.根据权利要求6所述的系统,其特征在于,所述系统还包括:训练模块,用于对预设分类器进行训练,得到训练好的预设分类器。
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现上述权利要求1至5任一项所述的方法的步骤。
10.一种具有处理器可执行的非易失的程序代码的计算机可读介质,其特征在于,所述程序代码使所述处理器执行所述权利要求1-5任一项所述方法。
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清华大学,未经清华大学许可,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/202010292815.7/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种燃气轮机燃烧室预混喷嘴
- 下一篇:一种球磨机添加钢球装置