一种基于时频分析的脑电信号分类方法及系统

本发明属于脑电信号分类，尤其涉及一种基于时频分析的脑电信号分类方法及系统。

背景技术：

1、本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

2、脑电信号是一种记录大脑活动的生物电信号，具有信号波动频率和振幅随时间变化的时变特性。脑电信号在医学上的应用包括用于诊断抑郁症、癫痫等不同脑疾病，其中准确区分焦性与非焦性信号对于诊断至关重要。

3、焦性脑电信号指的是在脑电图中显示出局部化异常活动的信号。这种异常活动通常表现为在脑的特定区域内出现的过度放电，焦性脑电图信号可能是疾病发作的指示。非焦性脑电图信号则是指在大脑广泛区域或多个通道上观察到的脑电活动，通常与更普遍的大脑状态或背景活动相关。

4、时频分析是一种分析信号在时间和频率上变化的方法，可以揭示脑电信号的时变特性，帮助理解脑电信号的内在结构和特征。但是传统的脑电信号分类方法往往存在一些不足，例如对信号的特征提取不够充分、分类器的准确性有限等。

技术实现思路

1、为克服上述现有技术的不足，本发明提供了一种基于时频分析的脑电信号分类方法及系统。

2、为实现上述目的，本发明的一个或多个实施例提供了如下技术方案：

3、本发明第一方面提供了一种基于时频分析的脑电信号分类方法，包括：

4、获取原始脑电信号；

5、在不同的时频域中分别对原始脑电信号进行特征提取，得到对应时频域下的脑电特征；

6、采用邻域成分分析法将不同时频域中的脑电特征进行融合后得到降维特征集；

7、将降维特征集输入至第一阶段分类器中得到每一段脑电信号的分类分数，然后将分类分数输入至第二阶段分类器中得到脑电信号分类结果。

8、本发明第二方面提供了一种基于时频分析的脑电信号分类系统，包括：

9、数据获取模块，被配置为：获取原始脑电信号；

10、脑电特征提取模块，被配置为：在不同的时频域中分别对原始脑电信号进行特征提取，得到对应时频域下的脑电特征；

11、脑电特征融合模块，被配置为：采用邻域成分分析法将不同时频域中的脑电特征进行融合后得到降维特征集；

12、脑电信号分类模块，被配置为：将降维特征集输入至第一阶段分类器中得到每一段脑电信号的分类分数，然后将分类分数输入至第二阶段分类器中得到脑电信号分类结果。

13、本发明第三方面提供了计算机可读存储介质，其上存储有程序，该程序被处理器执行时实现如本发明第一方面所述的一种基于时频分析的脑电信号分类方法中的步骤。

14、本发明第四方面提供了电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，所述处理器执行所述程序时实现如本发明第一方面所述的一种基于时频分析的脑电信号分类方法中的步骤。

15、以上一个或多个技术方案存在以下有益效果：

16、(1)与传统的独立分类器不同，本发明采用堆叠配置的分类器，堆叠分类器可以提供比独立分类器更好的准确性。堆叠分类器是一种集成学习方法，通过将多个基础分类器的输出作为输入，使用一个元分类器来组合这些输出以产生最终的预测结果。

17、(2)考虑到现有的方法只使用一个时频域来提取特征，本发明从vmd域、dwt域和vmd-dwt域中提取特征，并结合特征进行分类，通过使用不同时频域的组合可以有效地分析脑电信号，提高焦性与非焦性脑电信号自动识别的效率和分类的准确度，以更快速、准确的实现对焦性与非焦性脑电信号的自动识别和精准分类。

18、(3)本发明应用多种特征提取方法，减少信号中的噪音和干扰，提高脑电信号的质量，以全面准确地捕获相关的信号特征；而且通过设计并应用高效的特征提取与筛选算法，以提高特征提取的效率和准确度有效地从eeg信号中提取相关的特征，以提高分类的准确度；可以用作各种临床程序的决策支持系统，如脑部手术与局灶性癫痫发作相关的研究。

19、本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

技术特征：

1.一种基于时频分析的脑电信号分类方法，其特征在于，包括：

2.如权利要求1所述的一种基于时频分析的脑电信号分类方法，其特征在于，所述脑电特征包括：自回归系数、精细复合多尺度色散熵和精细复合多尺度模糊熵。

3.如权利要求1所述的一种基于时频分析的脑电信号分类方法，其特征在于，所述不同的时频域包括：离散小波变换域、变分模态分解域以及变分模态分解-离散小波变换混合域。

4.如权利要求3所述的一种基于时频分析的脑电信号分类方法，其特征在于，在离散小波变换域对原始脑电信号进行特征提取，包括：

5.如权利要求3所述的一种基于时频分析的脑电信号分类方法，其特征在于，在变分模态分解域对原始脑电信号进行特征提取，包括：

6.如权利要求3所述的一种基于时频分析的脑电信号分类方法，其特征在于，在变分模态分解-离散小波变换混合域对原始脑电信号进行特征提取，包括：

7.如权利要求1所述的一种基于时频分析的脑电信号分类方法，其特征在于，所述脑电信号的分类结果包括：焦性脑电信号和非焦性脑电信号。

8.一种基于时频分析的脑电信号分类系统，其特征在于，包括：

9.计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1-7任一项所述的一种基于时频分析的脑电信号分类方法中的步骤。

10.电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7任一项所述的一种基于时频分析的脑电信号分类方法中的步骤。

技术总结本发明属于脑电信号分类技术领域，尤其涉及一种基于时频分析的脑电信号分类方法及系统；方法包括：获取原始脑电信号；在不同的时频域中分别对原始脑电信号进行特征提取，得到对应时频域下的脑电特征；采用邻域成分分析法将不同时频域中的脑电特征进行融合后得到降维特征集；将降维特征集输入至第一阶段分类器中得到每一段脑电信号的分类分数，然后将分类分数输入至第二阶段分类器中得到脑电信号分类结果。与传统的独立分类器不同，本发明采用堆叠配置的分类器，堆叠分类器可以提供比独立分类器更好的准确性。技术研发人员：陈晓东,孙建辉受保护的技术使用者：山东师范大学技术研发日：技术公布日：2024/6/11