技术新讯 > 计算推算,计数设备的制造及其应用技术 > 稳态视觉诱发电位的分类方法、终端设备以及介质与流程  >  正文

稳态视觉诱发电位的分类方法、终端设备以及介质与流程

  • 国知局
  • 2024-10-21 14:51:21

本发明涉及脑机接口,尤其涉及一种稳态视觉诱发电位的分类方法、终端设备以及介质。

背景技术:

1、当人体受到一个固定频率的闪烁或者变换模式的视觉刺激时,大脑皮层的电位活动将被调制,从而产生一个连续的且与刺激频率有关(刺激频率的基频或倍频处)的响应,这个响应具有和视觉刺激类似的周期性节律,即为稳态视觉诱发电位(ssvep)。ssvep信号表现在eeg脑电信号中则是在功率谱中能在刺激频率或谐波上出现谱峰。通过分析检测谱峰处对应的频率,即能检测到受试者视觉注视的刺激源。ssvep具有较高的itr以及稳定的指令生成性能因此在人机交互领域中具有巨大的应用价值。

2、现有的ssvep分类技术主要分为基于传统机器学习和基于深度学习的方法。传统机器学习方法依赖于有效的特征提取,而特征提取通常基于经验知识,这限制了ssvep检测性能的确保。相比之下,深度学习方法需要大量的训练数据,然而现有的ssvep数据量有限,加上ssvep信号存在一定的个体差异,这严重制约了深度学习算法的泛化能力和鲁棒性。因此,当前的ssvep分类算法在高精度和实时性的需求下表现出较差的性能,难以满足实际应用的要求。

技术实现思路

1、本发明实施例的主要目的在于提供一种稳态视觉诱发电位的分类方法、终端设备以及介质,旨在解决相关技术中ssvep分类算法在高精度和实时性的需求下表现出较差的性能,难以满足实际应用要求的问题。

2、第一方面,本发明实施例提供一种稳态视觉诱发电位的分类方法,包括:

3、确定初始对象在第一刺激目标下对应的第一ssvep信号和所述第一刺激目标对应的第一刺激标签,并对所述第一ssvep信号进行预处理获得第二ssvep信号;

4、根据所述第二ssvep信号和所述第一刺激标签进行模型训练获得初始分类模型;

5、获得目标对象在第二刺激目标下对应的第三ssvep信号和所述第二刺激目标对应的第二刺激标签,并对所述第三ssvep信号进行预处理获得第四ssvep信号;

6、根据所述第四ssvep信号和所述第二刺激标签对所述初始分类模型进行微调获得所述目标对象对应的目标分类模型;

7、获得所述目标对象对应的第五ssvep信号,并根据所述目标分类模型对所述第五ssvep信号进行类型识别,获得所述第五ssvep信号对应的第三刺激标签。

8、第二方面,本发明实施例还提供一种终端设备,终端设备包括处理器、存储器、存储在存储器上并可被处理器执行的计算机程序以及用于实现处理器和存储器之间的连接通信的数据总线,其中计算机程序被处理器执行时,实现如本发明说明书提供的任一项稳态视觉诱发电位的分类方法的步骤。

9、第三方面,本发明实施例还提供一种存储介质,用于计算机可读存储,其特征在于,存储介质存储有一个或者多个程序,一个或者多个程序可被一个或者多个处理器执行,以实现如本发明说明书提供的任一项稳态视觉诱发电位的分类方法的步骤。

10、本发明实施例提供一种稳态视觉诱发电位的分类方法、终端设备以及介质,该方法包括:首先,获取初始对象在第一刺激目标下的第一ssvep信号和相应的第一刺激标签,进而对第一ssvep信号进行预处理,以生成第二ssvep信号,再使用第二ssvep信号和第一刺激标签进行模型训练,从而构建初始分类模型。该初始分类模型为后续个体化调整提供了基础。获取目标对象在第二刺激目标下的第三ssvep信号及其对应的第二刺激标签,并对第三ssvep信号进行预处理,生成第四ssvep信号,从而基于第四ssvep信号和第二刺激标签,对初始分类模型进行微调,形成目标对象的目标分类模型。这一调整使得目标分类模型更好地适应目标对象的信号特征,从而提升分类精度。进一步获取目标对象的第五ssvep信号,并利用目标分类模型对其进行分类,从而得到第五ssvep信号对应的第三刺激标签。通过这种方法,能够显著提高对目标对象的ssvep信号的分类精度和稳定性,有效应对ssvep分类算法在高精度和实时性要求下的性能挑战,从而在脑机接口等应用场景中实现更可靠的信号识别和处理。

技术特征:

1.一种稳态视觉诱发电位的分类方法,其特征在于,所述方法包括:

2.根据权利要求1所述的方法,其特征在于,所述对所述第一ssvep信号进行预处理获得第二ssvep信号,包括:

3.根据权利要求2所述的方法,其特征在于,所述设置参考信号,包括:

4.根据权利要求1所述的方法,其特征在于,所述初始分类模型包括通道扩展模块、第一特征提取模块、第二特征提取模块、类型输出模块,所述根据所述第二ssvep信号和所述第一刺激标签进行模型训练获得初始分类模型,包括:

5.根据权利要求4所述的方法,其特征在于,所述通道扩展模块包括第一卷积层、第一归一化层、第一elu层,所述利用所述通道扩展模块采用逐层卷积的方式对所述第二ssvep信号进行通道扩展获得第一特征信号,包括:

6.根据权利要求4所述的方法,其特征在于,所述第一特征提取模块包括第二卷积层、第二归一化层、第二elu层、第一随机失活层,所述利用所述第一特征提取模块对所述第一特征信号进行空间特征提取获得第二特征信号,包括:

7.根据权利要求4所述的方法,其特征在于,所述第二特征提取模块包括第三卷积层、第三归一化层、第三elu层、第二随机失活层、第四卷积层、第四归一化层、relu层、第三随机失活层,所述利用所述第二特征提取模块对所述第二特征信号进行时间特征提取获得第三特征信号,包括:

8.根据权利要求4所述的方法,其特征在于,所述类型输出模块包括平展层、线性层、softmax层,所述利用所述类型输出模块确定所述第三特征信号与目标刺激之间对应的标签概率,包括:

9.一种终端设备,其特征在于,所述终端设备包括处理器、存储器;

10.一种计算机存储介质,用于计算机存储,其特征在于,所述计算机存储介质存储有一个或者多个程序,所述一个或者多个程序可被一个或者多个处理器执行,以实现权利要求1至8中任一项所述的稳态视觉诱发电位的分类方法的步骤。

技术总结本发明实施例提供一种稳态视觉诱发电位的分类方法、终端设备以及介质,属于脑机接口技术领域。该方法包括:确定初始对象在第一刺激目标下对应的第一SSVEP信号和第一刺激目标对应的第一刺激标签,并对第一SSVEP信号进行预处理获得第二SSVEP信号;根据第二SSVEP信号和第一刺激标签进行模型训练获得初始分类模型;获得目标对象在第二刺激目标下对应的第三SSVEP信号和第二刺激目标对应的第二刺激标签,并对第三SSVEP信号进行预处理获得第四SSVEP信号;根据第四SSVEP信号和第二刺激标签对初始分类模型进行微调获得目标对象对应的目标分类模型;获得目标对象对应的第五SSVEP信号,并根据目标分类模型对第五SSVEP信号进行类型识别,获得第五SSVEP信号对应的第三刺激标签。技术研发人员:李宝宝,徐洪凯受保护的技术使用者:小舟科技有限公司技术研发日:技术公布日:2024/10/17

本文地址:https://www.jishuxx.com/zhuanli/20241021/319553.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。