[发明专利]基于多尺度脑功能网络分类脑电信号的方法

摘要

本发明涉及一种基于多尺度脑功能网络分类脑电信号的方法，包括：数据获取：采集静息状态下的脑电信号，并进行预处理；计算多尺度时间序列：对经过预处理的各导联时间序列进行多尺度化处理，获得广义多尺度粗粒化时间序列；构建多尺度脑功能网络：以脑电信号各导联间的幅值相关程度与相位相关程度为量化标准，计算多尺度加权脑功能网络；构建可学习多尺度脑功能网络的多尺度卷积神经网络；神经网络训练：以各卷积神经网络通路产生的决策误差的互相关程度作为惩罚项、惩罚损失函数，加速神经网络决策，降低泛化误差。

主权项

1.一种基于多尺度脑功能网络分类脑电信号的方法，包括下列步骤：/n1)数据获取：采集静息状态下的脑电信号，并进行预处理；/n2)计算多尺度时间序列：对经过预处理的各导联时间序列进行多尺度化处理，获得广义多尺度粗粒化时间序列，具体为，针对预处理后具有N个采样点x的单导联一维离散时间序列基于相邻的τ个采样点的一阶矩、二阶矩或三阶矩计算τ个多尺度粗粒化时间序列/n3)构建多尺度脑功能网络：以脑电信号各导联间的幅值相关程度与相位相关程度为量化标准，计算多尺度加权脑功能网络；/n4)构建可学习多尺度脑功能网络的多尺度卷积神经网络：将多尺度加权脑功能网络分别作为多尺度卷积神经网络各路通路的信息源，产生多尺度决策，设计可对多尺度决策进行信息融合的决策门，方法为：/n步骤4.1)：构建自编码神经网络，训练该神经网络得到预训练网络参数；/n步骤4.2)：设计由多通路卷积神经网络组成的多尺度神经网络，以步骤3)得到的多尺度加权脑功能网络作为各通路的输入，构成可同时学习多尺度信息的学习机；/n步骤4.3)：以步骤4.1)得到的预训练网络的浅层神经元的参数初始化各通路卷积神经网络的浅层神经元；/n步骤4.4)：构建模糊神经网络，以原始脑电信号作为模糊门控的输入，构造其产生τ个输出，以此作为对多通路卷积神经网络的τ个输出结果进行决策融合时的权值，进而得出最终决策结果。/n5)神经网络训练：以各卷积神经网络通路产生的决策误差的互相关程度作为惩罚项、惩罚损失函数，加速神经网络决策，降低泛化误差。/n