基于通道选择的孤独症儿童EEG情绪识别方法、电子设备及介质

本发明涉及脑电信号处理，特别是涉及一种基于通道选择的孤独症儿童eeg情绪识别方法、电子设备及介质。

背景技术：

1、近年来，世界范围内孤独症发病率逐年攀升，根据美国疾病控制与预防中心公布的数据,大约每54名儿童中就有1人被确诊为孤独症谱系障碍。孤独症有着广泛性神经发育障碍特征，在互动中他人无法捕捉其情绪，无法开展正常的社交活动。

2、在有关孤独症儿童研究中：abdul rehman aslam(2021)等人基于孤独症儿童的脑电信号(eeg)利用功率谱密度、对数半球间功率谱比在8个脑电通道位置的半球间功率谱差，提出了一种支持向量机的情绪分类算法，在效价和唤醒分类准确性达到了72.96％和73.14％(neural engineering techniques for autism spectrum disorder,academicpress,2021,pages287-313)。xin li(2022)等人基于加权多尺度样本熵(wmsse)算法和脑电振幅同步指数(asi)算法，通过结合支持向量机(svm)分类模型，探索asd儿童异常通道的位置，实现asd儿童的诊断(journal of neuroscience methods,volume 375,2022,109595)。qinglan gao(2022)等人基于稳态视觉诱发电位(ssvep-bci)的脑机接口系统上研究了孤独症儿童与正常发育(td)儿童之间脑电特征的异同，使用一维卷积神经网络(cnn)计算了不同通道中的ssvep识别率(journal of neuroscience methods,2022,375:109595.)。此外，andrea apicella(2022)等人指出通道选择主要采用三种方法：数据驱动、基于先验知识以及基于商用可穿戴解决方案，但基于神经生理学却很少被考虑到(ieeeaccess,10,117411-117428.)。

3、目前通道选择的脑电情感识别技术已得到广泛学者的关注，但是针对孤独症儿童这一特殊群体进行通道选择的研究较少。在技术应用上，多聚焦于孤独症儿童的诊断，较少关注孤独症儿童的情绪识别。同时，在通道选择方法上，较少针对孤独症儿童的脑区特征进行研究。此外，孤独症儿童身为特殊人群，存在沟通障碍、感觉敏感、低耐受度、伦理规范等问题，导致在有关数据集的采集过程中存在一定困难，截止目前为止，还未有权威的孤独症儿童脑电数据集。

4、相关研究证实出：(1)孤独症儿童脑波呈现出delta、alpha频段功率较低、theta频段功率较高的特点；(2)额叶区与其他脑区存在较大差异度；(3)熵—作为非线性动力学特征之一，已被证实出可以作为特征区分正常儿童与孤独症儿童，并作为脑电信号的特征提取方法应用于相关领域研究中。此外，前额叶是大脑的一个关键区域，它涉及到情感调节、社交行为、决策制定和认知控制等重要功能(biotechnology research and innovation,volume 3,issue 1,2019,pages 60-68)。andrea apicella(2022)等人指出fp1、fp2、f3和f4通道是效价维度信息最丰富的通道(ieee access,10,117411-117428)。故基于上述分析，本技术选择额叶区下的fp1、fp2进行孤独症儿童的情感识别。

技术实现思路

1、本发明基于通道选择利用deap脑电数据集开发出孤独症儿童情绪识别方法，即基于双通道脑电信号(eeg)的情绪识别方法，旨在通过特定通道的分析来提供个性化识别模型，为便携式可穿戴类产品提供新的设计思路，进而帮助孤独症儿童突破自我封闭和为监护人提供情绪参考。同时本发明所提出的方法也在一定程度上解决了没有数据集和采集孤独症儿童数据集的困境。

2、为实现上述目的，本发明提供了如下方案：

3、一种基于通道选择的孤独症儿童eeg情绪识别方法，包括：

4、s1：采用deap数据集，通过脑电信号预处理提取特定脑区下的脑电信号和特定脑波的信息特征，基于k近邻(k-nearest neighbor,k-nn)构建孤独症儿童的脑电情绪识别模型；

5、s2：基于孤独症儿童的脑电情绪识别模型进行情绪识别算法的验证。

6、进一步地，所述特定脑区的脑电信号是指额叶区下电极fp1、fp2的脑电信号。

7、进一步地，所述特定脑波是指：delta、theta、alpha。

8、进一步地，s1中，所述采用所述deap数据集中前额叶区fp1、fp2通道下的原始脑电信号数据为研究对象，并选取该数据集中的两个情绪维度：效价(valence)和唤醒(arousal)，以5作为阈值将效价和唤醒划分为四个象限hahv、halv、lahv、lalv进行情绪识别。

9、deap数据集是由sanders koelstra等建立的公开情绪数据集(ieeetransactions on affective computing,2011,3(1):18-31)，包括了16名男性和16名女性被试者的脑电数据。被试者佩戴符合10－20国际标准的32导联电极帽，以512hz的频率进行eeg信号采样。被试者在观看完40段时长为1分钟的刺激视频后，被要求以浮点数的形式(数值范围1－10)，在效价(valence)、唤醒度(arousal)、优势度(dominance)以及喜好度(liking)四个方面对视频观后感做一个相对客观的评价，实验人员将该评价结果作为对应视频的样本标签进行记录。

10、进一步地，s1中，利用matlab中的eeglab工具箱进行脑电数据预处理提取特定脑区下的脑电信号。

11、进一步地，所述脑电数据预处理的过程如下：应用0.1-40hz的带通滤波器去除低频噪声(心电、呼吸、皮电等)和高频噪声(肌电)；滤波后将数据降采样到256hz，以便与所使用的脑电设备采样频率相匹配；之后将数据以2s为一段进行分段，手动浏览分段后的数据，找出飘逸、眼动等干扰较严重的坏段；最后去除在极端值(±100uv)以外的分段，得到处理后的波形。

12、进一步地，s1中，信息特征的提取过程如下：使用零相位数字滤波器提取α、β和θ频段信息，提取小波近似系数、小波信息熵、近似熵、标准差以及α、β、θ的功率谱密度等特征，并分别组合为两类特征组，用于后续情绪识别。

13、进一步地，所述特征组分类如下①小波近似系数、小波信息熵、近似熵、标准差、α、β、θ-psd和②小波近似系数、小波信息熵、近似熵、标准差。

14、进一步地，s1中，采用k-nn对deap数据集中fp1和fp2电极下提取的特征组进行valence和arousal的二维情绪识别；并选取10折交叉验证作为验证方式，通过借助libsvm库，产生混淆矩阵模型，将svm与10倍交叉验证相结合，基于网格搜索方法对核函数及正则化进行选择，得到svm模型中所需要训练的数据，从而对样本所对应的特征进行情绪识别验证。

15、进一步地，s1中，基于特征组一，采用k-nn对deap数据集中32电极下提取的特征组进行valence和arousal的二维情绪识别。

16、进一步地，s2中，通过ergolab人机环境同步平台设计情绪诱发实验，并基于ergolab可穿戴干电极脑电系统采集脑电信号(采样频率256hz)，利用实验所获得的脑电数据进行和s1中deap数据集相同的预处理，并对s1中所构建的情绪识别算法进行验证。

17、另一方面，本发明提供一种电子设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如前述的基于通道选择的孤独症儿童eeg情绪识别方法。

18、又一方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被执行时实现如前述的基于通道选择的孤独症儿童eeg情绪识别方法。

19、本技术以deap数据集为数据源，通过探究孤独症儿童特殊脑区(额区)和特定脑波(delta、theta、alpha)的信息特征，基于fp1和fp2电极(额区)下eeg的时域、频域和非线性动力学特征的组合构建孤独症儿童的脑电情绪特征，通过svm交叉验证的k近邻算法进行二维情绪识别(效价valence和唤醒arousal)，并对比fp1、fp2双电极与32电极的分类准确率。后通过构建情绪诱发实验(视频)同步采集孤独症儿童的脑电信号，孤独症康复老师基于sam量表进行情绪评估，对上述构建的情感识别模型进行验证。

20、基于额区下的fp1、fp2双通道相较于32电极的脑电情绪识别能够达到更为理想的分类准确率，同时也证实了从孤独症儿童特殊脑区(额区)和特定脑波(α、β、θ)所构建出的情绪特征(小波近似系数、小波信息熵、近似熵、标准差、α、β、θ-psd)进行情绪识别的有效性。基于deap数据集下fp1和fp2电极，在svm交叉验证的k近邻算法中valence分类准确率达到74.5％，arousal分类准确率可达到68.9％。真实环境下采集的脑电信号依托上述模型的分类准确率在valence维度可达到76.3％、在arousal维度可达到76.4％。

21、本发明的有益效果：

22、本发明从孤独症儿童的脑区特征出发，基于deap数据库，利用fp1、fp2构建脑电信号的情绪识别模型，并通过与32电极对比和搭建情绪诱发实验，对构建的情绪识别模型进行验证。实验结果表明：基于fp1、fp2的脑电信号α、β、θ频段的小波近似系数、小波信息熵、近似熵、标准差和psd等特征，通过svm交叉验证的knn进行valence和arousal的二维情绪识别，在valence中分类准确率可达到76.3％，在arousal中分类准确率可达到76.4％；与32电极相比，双电极表现出更为理想的情绪识别率。