[发明专利] 一种基于可学习邻接矩阵的脑电情绪识别系统 – CN114081492A 全文链接一   全文链接二

 
基本信息
申请号
 CN202111409489.4
申请日
 20211125
公开（公告）号
 CN114081492A
公开（公告）日
 20220225
申请（专利权）人
 中国科学院大学宁波华美医院
申请人地址
315000 浙江省宁波市西北街41号
发明人
 李劲鹏;金明;李主南;陈昊;蔡挺 专利类型 发明专利
摘要
 本发明公开了一种基于可学习邻接矩阵的脑电情绪识别系统，包括以下步骤：步骤一、数据的采集、处理和划分：将采集到的每秒的脑电信号转化为M×N的特征数据；数据划分，将一部分数据作为训练集，另一部分数据为验证集；步骤二、邻接矩阵的构建：按照电极分布图构建初始的邻接矩阵A∈RM×M，M为脑电极的数量，邻接矩阵A中，对于某一个电极i和其它任一电极j，当i和j相邻时，Aij＝1；当i和j不相邻时，Aij＝0；任意电极与自身的邻接关系为Aii＝1；步骤三、数据输入模型进行训练；步骤四、将待测样本输入模型，模型输出脑电信号对应的情绪。其优点在于：模型学习难度小，能够提高情绪识别效果。
主权项
 1.一种基于可学习邻接矩阵的脑电情绪识别系统，其特征是：包括以下步骤：步骤一、数据的采集、处理和划分：将采集到的每秒的脑电信号转化为M×N的特征数据矩阵X∈RM×N，其中M为脑电极的数量，N为频段的分段数量；数据划分，将一部分数据作为训练集，另一部分数据为验证集；步骤二、邻接矩阵的构建：按照电极分布图构建初始的邻接矩阵A∈RM×M，M为脑电极的数量，邻接矩阵A中，对于某一个电极i和其它任一电极j，当i和j相邻时，Aij＝1；当i和j不相邻时，Aij＝0；任意电极与自身的邻接关系为Aii＝1；步骤三、数据输入模型进行训练：将脑电数据输入训练模型中进行训练，在每一个批次中，首先计算每一个M×N的脑电特征矩阵的电极与电极之间的注意力关系矩阵Φ∈RM×M，对于Φ上的任意一个元素，其计算公式为：其中，x ，x ，x 分别为特征X在i，j和k个电极上的特征向量，W∈RN×N′i j k 为权重矩阵，aT为长度为2N′的共享权重向量a∈R2N′的转置，LeakyReLU为激活函数，exp为以e为底的指数函数，表示第i个电极的邻域电极的集合；同时，根据邻接矩阵A计算出对应的拉普拉斯矩阵L，其计算公式：其中，I为大小为M×M的单位矩阵，D为大小为M×M的度矩阵；获取到拉普拉斯矩阵之后，根据公式L＝(1‑η)L+ηΦ更新拉普拉斯矩阵，其中η为模型训练过程中的超参数；再进行两层图卷积操作，输出的二维特征矩阵的大小分别为M×N1和M×N2，N1、N2为正整数，之后将图卷积之后的结果展成长度为Q的一维向量，Q＝M×N2；再经过两层输出分别为128和分类种类数的全连接层后，输出最终的情绪；训练完成后，将模型集对应的参数保存；步骤四、将待测样本输入模型，模型输出脑电信号对应的情绪。

 

 
IPC信息
IPC主分类号
 A61B5/16
A 人类生活需要

A61 医学或兽医学；卫生学

A61B 诊断；外科；鉴定

A61B5/16 心理术装置(测试能力的入G09B1/00至G09B5/00)；测试反应的时间

 

 
法律状态信息
法律状态公告日
 20220225
法律状态
 公开 法律状态信息
CN202111409489 20220225 公开 公开

 

 
代理信息
代理机构名称
 北京君恒知识产权代理有限公司 11466
代理人姓名
 张强