[发明专利]心理压力分类与评估方法及装置

说明书

本发明公开了一种心理压力分类与评估方法及装置。心理压力分类与评估方法，包括：通过滑动时间窗技术，将原始脑电信号分割成多个时间片；自适应提取多个时间片的片内时间特征和片间时间特征；基于片内时间特征和片间时间特征，对心理压力进行分类和评估。采用本发明，通过自适应地捕获每个脑电图片(即时间片)内部和片间的时间特征，可以得到更有效的多分类结果，从而可以提高心理压力评估的准确性。

技术领域

本发明涉及计算机领域，尤其涉及一种心理压力分类与评估方法及装置。

背景技术

压力是人们普遍认为的主要心理问题之一，它会导致多种疾病，如抑郁症、成瘾、中风和心脏病发作。脑电图(electroencephalogram，EEG)以其非入侵、低成本、高移动性和高时间分辨率被认为是最受欢迎的心理压力分类指标之一。EEG信号特征可以手动或自动提取。手动方法专注于特定任务，很大程度上取决于设计者的经验和知识，这可能导致时间消耗和模型泛化较差。与手动特征提取方法相比，自动方法，特别是深度学习技术如CNN及其扩展网络(包括EEGNet和LSTM)由于其自学习能力和端到端结构，已经被证明它们在图像和时序信号(如EEG)的特征提取中的有效性。尽管这些技术擅长捕获丰富的时间特征，但缺点也很明显，即提取丰富的时间特征会导致计算成本的增加。通常，在输入LSTM网络之前，EEG信号被滑动窗口技术分割成时间片。但是，这种预处理方法忽略了EEG信号的本质，而EEG信号是传递有价值信息的载体，容易被破坏载体，导致信息丢失。同时，由于EEG信号的非平稳性，LSTM不能突出重要特征对分类的贡献。

发明内容

本发明实施例提供一种心理压力分类与评估方法及装置，用以解决现有技术中EEG信号特征提取破坏EEG信号的连续性的问题。

根据本发明实施例的心理压力分类与评估方法，包括：

通过滑动时间窗技术，将原始脑电信号分割成多个时间片；

自适应提取多个所述时间片的片内时间特征和片间时间特征；

基于所述片内时间特征和所述片间时间特征，对心理压力进行分类和评估。

根据本发明的一些实施例，所述自适应提取多个所述时间片的片内时间特征和片间时间特征，包括：

采用Intra-LTAM网络，针对每个所述时间片提取所述片内时间特征；

采用Inter-LTAM网络，针对多个所述时间片提取所述片间时间特征；

其中，所述Intra-LTAM网络和所述Inter-LTAM网络并行运行。

根据本发明的一些实施例，所述Intra-LTAM网络和所述Inter-LTAM网络的隐含层节点个数均为128，且所述Intra-LTAM网络和所述Inter-LTAM网络均采用Dropout系数为0.5的Dropout正则化方法。

根据本发明的一些实施例，所述基于所述片内时间特征和所述片间时间特征，对心理压力进行分类和评估，包括：

采用层次注意机制，通过权值优化所述片内时间特征和所述片间时间特征，以获取有效的片内时间特征和片间时间特征；

基于所述有效的片内时间特征和片间时间特征，对心理压力进行分类和评估。

根据本发明的一些实施例，所述方法，还包括：

通过电极组件采集所述原始脑电信号；

所述电极组件有且仅有20个电极，分别为Fp1、Fp2、F7、F3、Fz、F4、F8、A1、T3、C3、C4、T4、A2、T5、P3、Pz、P4、T6、O1、O2。

根据本发明实施例的心理压力分类与评估装置，包括：