[发明专利]一种脑认知技能移植的方法有效

专利信息
申请号: 202010513742.X 申请日: 2020-06-08
公开(公告)号: CN111772629B 公开(公告)日: 2023-03-24
发明(设计)人: 王丽娜;徐颂;刘晶晶;王清华;高晓颖 申请(专利权)人: 北京航天自动控制研究所
主分类号: A61B5/389 分类号: A61B5/389;A61B5/377;G06F18/24;G06F18/25;G06F18/2135;G06T3/40;G06N3/0464;G06N3/047;G06N3/08
代理公司: 中国航天科技专利中心 11009 代理人: 庞静
地址: 100854 北京*** 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: 一种 认知 技能 移植 方法
【权利要求书】:

1.一种脑认知技能移植的方法,其特征在于包括下列步骤:

(1)针对智能信息处理应用需求,设计脑电信号采集实验范式与一定相关刺激模式;

(2)令N个被试人员分别按照所设计的实验范式进行操作,同步采集记录N个被试人员在实验范式中相关刺激下的多通道脑电信号数据,并对采集后的原始脑电信号进行有效成分提取;

(3)对N个被试人员有效脑电信号进行关键特征提取以及特征选择,确定N个被试人员在相关刺激下的脑电高效特征;

(4)对N个被试人员构建N个脑认知子模型R1~RN,以相关刺激信号为输入,脑电高效特征为输出,完成模型训练;

(5)对N个被试人员构建N个脑电信号分类子模型D1~DN,以脑电高效特征为输入,相关刺激分类结果为输出,完成模型训练;

(6)组合脑认知子模型与脑电信号分类子模型,以脑认知子模型的输出作为对应脑电信号分类子模型的输入,从而获得N个脑认知分类器S1~SN

(7)验证N个脑认知分类器的准确度,如果满足要求,则送入后续步骤;否则,返回步骤(4)重新进行训练;

(8)基于集成学习策略实现对N个脑认知分类器的融合集成,构建融合模型并进行测试,得到融合模型的性能属性值;

(9)对所述的性能属性值进行判决,判决融合模型是否符合要求,若符合要求,则实现脑认知技能移植;否则,返回步骤(8)重新执行,直至符合要求。

2.根据权利要求1所述的方法,其特征在于:相关刺激模式包括两类刺激信息,两类刺激信息在实验过程中随机出现,其中一类为目标刺激,另一类为干扰刺激。

3.根据权利要求2所述的方法,其特征在于:每次刺激持续时间为0.4s-0.5s,相邻刺激之间设置的时间间隔为0.4s-0.5s,实验过程中要求被试人员对刺激出现次数进行默记。

4.根据权利要求2所述的方法,其特征在于:一轮实验中目标刺激出现的数目占总刺激数目的8%-10%。

5.根据权利要求1所述的方法,其特征在于:通过下述步骤对原始脑电信号进行有效成分提取:

(1.1)采用截止频率为0.1Hz-0.3Hz的高通FIR数字滤波器和截止频率为30Hz-35Hz的低通FIR数字滤波器,滤除低频、高频噪声;

(1.2)利用主成分分析算法PCA,将步骤(1.1)处理后的脑电信号白化处理,并且降低多通道脑电信号维度;

(1.3)利用独立成分分析算法ICA,分解步骤(1.2)处理后的脑电信号获得独立分量,从而找到干扰成分并去除,从而获得脑电信息有效成分。

6.根据权利要求1所述的方法,其特征在于:所述的特征提取中涉及的关键特征包括脑电信号的时域特征、频域特征与熵值特征;

时域特征提取法包括方差计算、直方图表征、峰值检测、过零点分析;

频域特征提取方法包括幅度谱、相位谱、功率谱及能量谱分析;

熵值特征提取方法包括多尺度近似熵、样本熵、排列熵分析。

7.根据权利要求6所述的方法,其特征在于:所述的脑电高效特征选择方法通过定量评定各项单类特征下的分类准确率指标。

8.根据权利要求1所述的方法,其特征在于:步骤(4)通过下述方式实现:

(4.1)分别以实验范式中的相关刺激信号作为输入数据,N个被试在实验范式相关刺激下脑电数据的高效特征作为输出数据,形成数据集;

(4.2)对N个被试分别构建脑认知子模型,利用上述(4.1)中的数据集按照交叉验证原则对模型展开训练,并得到拟合准确度结果;

(4.3)若拟合准确度满足要求,则得到模型最优配置参数,获得训练好的脑认知子模型R1~RN;若拟合准确率不满足要求,则返回上述(4.2)继续训练。

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北京航天自动控制研究所,未经北京航天自动控制研究所许可,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/202010513742.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