[发明专利]基于神经网络的脑磁图眼动伪迹检测、清除方法及电子装置

权利要求书

1.一种基于神经网络的脑磁图眼动伪迹检测、消除方法，其步骤包括：

1）切割待检测脑磁图信号，得到若干信号片段；

2）依据各信号片段及脑磁传感器探测信号位置，绘制若干脑磁信号视图；

3）提取脑磁信号视图的信号空间分布特征，并对所述信号空间分布特征进行分类，得到各信号片段中是否包含眼动伪迹噪声信号；

4）对包含眼动伪迹噪声信号的信号片段，依据一固定比值以及包含眼动伪迹噪声信号的脑磁图信号片段相应时间点的眼动眼电信号片段，获取相应眼动信号干扰片段；

5）将包含眼动伪迹噪声信号的脑磁图信号片段与相应眼动信号干扰片段相减，得到去除眼动伪迹噪声信号片段，并将去除眼动伪迹噪声信号片段还原至包含眼动伪迹噪声信号的脑磁图信号片段的相应位置。

2.如权利要求1所述的方法，其特征在于，所述信号片段的形式包括：M*N的二维矩阵数据，其中M为脑磁传感器数量，N为设定时间长度。

3.如权利要求1所述的方法，其特征在于，所述脑磁信号视图为2D视图；通过以下步骤得到所述脑磁信号视图：

1）计算各信号片段中每个传感器探测信号的平均功率；

2）将该平均功率用颜色编码，绘制到传感器对应的空间位置，得到脑磁信号视图。

4.如权利要求1所述的方法，其特征在于，通过一个训练好的二维深度卷积神经网络，提取脑磁信号视图的信号空间分布特征，并对所述信号空间分布特征进行分类；其中通过以下步骤训练二维深度卷积神经网络：

a）收集样本脑磁图信号片段，并根据是否包含眼动伪迹噪声信号，设定标签；

b）依据各样本脑磁图信号片段及相应脑磁传感器探测信号位置，绘制若干样本脑磁信号视图；

c）通过若干样本脑磁信号视图，对二维深度卷积神经网络进行训练，得到训练好的二维深度卷积神经网络。

5.如权利要求4所述的方法，其特征在于，所述二维深度卷积神经网络包括GoogLeNet网络或AlexNet网络。

6.如权利要求1所述的方法，其特征在于，对所述信号空间分布特征进行分类的方法包括：使用Softmax分类器。

7.如权利要求1所述的方法，其特征在于，通过以下步骤得到固定比值：

1）依据若干包含眼动伪迹噪声信号的样本脑磁图信号片段与相应时间点的样本眼动眼电信号片段，计算样本脑磁图信号片段与相应样本眼动眼电信号片段的比值；

2）计算各比值的平均值，得到所述固定比值。

8.一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行权利要求1-7中任一所述方法。

9.一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行如权利要求1-7中任一所述方法。