[发明专利]基于多粒度信息的快速序列视觉呈现脑电图信号分类方法

权利要求书

1.一种基于多粒度信息的快速序列视觉呈现脑电图信号分类方法，其特征在于，包括：

采集被试者在快速序列视觉呈现下的脑电图信号；其中，所述快速序列视觉呈现对应包含有目标图像和非目标图像的图像序列；

对采集到的脑电图信号进行预处理；

将预处理后的脑电图信号输入预先训练完成的多粒度信息提取网络，得到所述脑电图信号的分类结果；其中，所述多粒度信息提取网络从多个不同粒度级别对脑电图信号进行特征提取；所述多粒度信息提取网络利用样本数据集训练得到，所述样本数据集基于多个样本被试者进行快速序列视觉呈现实验所得到的脑电图信号得到。

2.根据权利要求1所述的基于多粒度信息的快速序列视觉呈现脑电图信号分类方法，其特征在于，所述多粒度信息提取网络的结构，包括：

顺次连接的时间特征提取单元、空间特征提取单元、时空特征残差融合单元和分类单元；

其中，所述时间特征提取单元包括预设数量个时间特征提取分支，其中一个时间特征提取分支仅包括一个时间卷积模块，用于接收网络输入的脑电图信号；其余时间特征提取分支均包括串联的下采样模块和时间卷积模块，每个时间卷积模块的输入数据是网络输入的脑电图信号，在预设衰减因子不同指数衰减对应的采样率下的下采样结果；所述空间特征提取单元包括与每个时间卷积模块对应连接的空间卷积模块；所述时空特征残差融合单元包括与每个空间卷积模块对应连接的时空卷积模块，以及用于融合各时空卷积模块输出数据的残差融合结构；所述分类单元包括全连接层。

3.根据权利要求2所述的基于多粒度信息的快速序列视觉呈现脑电图信号分类方法，其特征在于，所述时间特征提取单元中的各下采样模块串行连接，每个下采样模块对自身的输入数据进行下采样，将自身的下采样结果作为对应时间卷积模块的输入数据；除最后一个下采样模块外，其余下采样模块自身的下采样结果还作为后一个下采样模块的输入数据；其中，首个下采样模块的输入数据为网络输入的脑电图信号。

4.根据权利要求2所述的基于多粒度信息的快速序列视觉呈现脑电图信号分类方法，其特征在于，所述时间卷积模块和所述空间卷积模块的结构包括：

卷积单元、批量归一化处理单元、激活函数处理单元和随机丢弃处理单元。

5.根据权利要求2所述的基于多粒度信息的快速序列视觉呈现脑电图信号分类方法，其特征在于，所述样本数据集的获得过程包括：

对选取的样本被试者进行快速序列视觉呈现实验，在预设实验条件下采集各被试者的脑电图信号；

对采集到的脑电图信号进行预处理；

由预处理后的所有脑电图信号构成样本数据集，并按照预设比例将所述样本数据集划分为训练集和测试集。

6.根据权利要求1或5所述的基于多粒度信息的快速序列视觉呈现脑电图信号分类方法，其特征在于，所述对采集到的脑电图信号进行预处理，包括：

根据每个脑电图信号对应的快速序列视觉呈现中各刺激出现的时间戳，将采集到的每个脑电图信号进行分割，得到多个数据段；其中，所述快速序列视觉呈现对应的图像序列中每一图像的出现对应为一个刺激；

对每个数据段进行滤波；

对滤波后的每个数据段进行降采样处理；

对降采样处理后的每个数据段进行归一化处理。

7.根据权利要求6所述的基于多粒度信息的快速序列视觉呈现脑电图信号分类方法，其特征在于，所述根据每个脑电图信号对应的快速序列视觉呈现中各刺激出现的时间戳，将采集到的每个脑电图信号进行分割，得到多个数据段，包括：

针对每个脑电图信号，在该脑电图信号中，从对应的快速序列视觉呈现中各刺激出现的时间戳开始，分别截取预设时长的脑电图信号数据区间，得到该脑电图信号中各刺激对应的数据段。

8.根据权利要求7所述的基于多粒度信息的快速序列视觉呈现脑电图信号分类方法，其特征在于，所述多粒度信息提取网络的训练过程，包括：

对已构建的多粒度信息提取网络利用所述训练集，通过梯度下降法进行网络训练，得到训练完成的多粒度信息提取网络。