[发明专利]脑电信号的分类方法、分类模型的训练方法、装置及介质

说明书

本申请公开了一种脑电信号的分类方法、分类模型的训练方法、装置及介质，涉及迁移学习领域。该方法包括：获取脑电信号；对脑电信号进行特征提取，得到脑电信号对应的信号特征；获取差异分布比例，差异分布比例用于表征不同类型的差异分布对信号特征和源域特征在特征域上的分布产生的影响，源域特征是源域脑电信号对应的特征；根据差异分布比例将信号特征与源域特征进行对齐，得到对齐后的信号特征；对对齐后的信号特征进行分类，得到脑电信号对应的运动想象类型。该方法可应用于医疗领域，通过差异分布比例动态地调整脑电信号对应的信号特征在特征域上的分布，使得脑电信号分类模型基于迁移学习的思想识别多种类型的脑电信号。

技术领域

本申请涉及迁移学习领域，特别涉及一种脑电信号的分类方法、分类模型的训练方法、装置及介质。

背景技术

脑电信号是大脑活动时各个神经元产生的电信号，通过脑电信号可识别出脑电信号对应的运动想象类型，即识别出大脑通过“意念”实现的肢体运动。

脑电信号可应用于医疗领域，如应用于结合医疗技术，使用“云计算”来创建的医疗健康服务云平台，医护人员通过脑电信号检查患者的病灶区域。通常利用脑机接口（Brain Computer Interface，BCI）将脑电信号的采集设备与计算机设备（外部设备）进行连接，通过外部设备（如计算机设备）识别脑机接口输出的脑电信号代表的运动想象类型，以实现大脑对物体的直接控制。由于不同的个体的脑电信号存在较大差异，需要针对每个个体的脑电信号单独训练一个脑电信号分类模型，从而保证相关模型能够正确识别出脑电信号代表的运动想象类型。

上述技术方案中，脑电信号分类模型只能针对模型训练时使用的脑电信号进行识别，使得脑电信号分类模型的使用场景较为局限，不具有普适性。

发明内容

本申请实施例提供了一种脑电信号的分类方法、分类模型的训练方法、装置及介质，通过根据差异分布比例动态地调整脑电信号对应的信号特征在特征域上的分布，从而保证脑电信号的信号特征在特征分布上趋近于源域特征，使得脑电信号分类模型能够准确识别多种类型的脑电信号。所述技术方案为如下方案。

根据本申请的一方面，提供了一种脑电信号的分类方法，所述方法包括：

获取脑电信号；

对所述脑电信号进行特征提取，得到所述脑电信号对应的信号特征；

获取差异分布比例，所述差异分布比例用于表征不同类型的差异分布对所述信号特征和源域特征在特征域上的分布产生的影响，所述源域特征是源域脑电信号对应的特征；

根据所述差异分布比例将所述信号特征与所述源域特征进行对齐，得到对齐后的信号特征；

对所述对齐后的信号特征进行分类，得到所述脑电信号对应的运动想象类型。

根据本申请的另一方面，提供了一种脑电信号分类模型的训练方法，所述方法包括：

获取源域脑电信号和目标域脑电信号；

对所述源域脑电信号和所述目标域脑电信号进行特征提取，得到所述源域脑电信号对应的源域特征和所述目标域脑电信号对应的目标域特征；

获取差异分布比例，所述差异分布比例用于表征不同类型的差异分布对所述源域特征和所述目标域特征在特征域上的分布产生的影响；

根据所述差异分布比例将所述源域特征和所述目标域特征在所述特征域上对齐，得到对齐后的目标域特征；

对所述对齐后的目标域特征进行分类，根据分类结果对所述脑电信号分类模型进行训练，得到训练后的脑电信号分类模型。

根据本申请的另一方面，提供了一种脑电信号的分类装置，所述装置包括：

第一获取模块，用于获取脑电信号；