[发明专利]用于脑状态监测的头戴式智能穿戴电极数量优化法及应用

摘要

一种用于脑状态监测的头戴式智能穿戴电极数量优化法及应用：对智能穿戴设备测得的多通道信号进行预处理，得到多尺度多通道信号；对所有尺度下的多通道信号构建多尺度加权递归网络；在每个尺度下，对交叉递归率矩阵选取阈值；采用基于贪婪优化策略的鲁文算法探寻多尺度无权递归网络的社团结构；通过比较不同脑状态下的社团结构的演化，同时结合复杂网络的关键节点探寻算法，确定网络中的关键节点，关键节点对应的电极即为可监测脑状态变化的关键电极；针对关键电极测得的多通道信号，构建多元多尺度复杂网络；针对关键电极所得信号构建的多元多尺度复杂网络提取复杂网络指标；训练深度学习模型和进行脑状态监测。本发可提高智能穿戴设备的便携性和实用性。

主权项

1.一种用于脑状态监测的头戴式智能穿戴设备电极数量优化方法，其特征在于，包括如下步骤：1)对智能穿戴设备测得的多通道信号进行预处理，预处理中的带通滤波范围是根据设定的任务选取对应的脑电节律波确定，对预处理后的脑电信号进行多尺度变换，得到多尺度多通道信号；2)在一个固定尺度因子β下构建交叉递归率矩阵和多尺度加权递归网络；3)对所有尺度下的多通道信号进行步骤2)所述的构建多尺度加权递归网络，得到多尺度加权递归网络，其中，表示每一通道的多尺度信号，L表示每一通道的多尺度信号的数据长度，p表示通道数；在每个尺度下，对所述的交叉递归率矩阵，选取阈值，若交叉递归率大于所述阈值，则网络中的两节点之间有连边，否则无连边，由此得到多尺度无权递归网络和多尺度无权递归网络的邻接矩阵；4)采用基于贪婪优化策略的鲁文算法探寻多尺度无权递归网络的社团结构；通过比较不同脑状态下的社团结构的演化，同时结合复杂网络的关键节点探寻算法，确定网络中的关键节点，关键节点对应的电极即为可监测脑状态变化的关键电极；5)针对关键节点所在的电极即关键电极测得的多通道信号，构建多元多尺度复杂网络；6)针对关键电极所得信号构建的多元多尺度复杂网络提取复杂网络指标；7)训练深度学习模型和进行脑状态监测。