[发明专利]一种特征权重自学习的睡眠质量检测关键脑区判定方法

说明书

本发明提供一种特征权重自学习的睡眠质量检测关键脑区判定方法；属于脑电信号识别领域。本发明的睡眠质量评估方法如下：一、首先是对脑电数据的获取与处理。二、对处理之后的脑电数据使用GRLSR模型进行分类并获得特征权重值。三、利用特征权重值筛选关键频段。四、利用特征权重值筛选关键脑区。本发明将半监督学习模型以及脑机接口技术融入到脑电检测领域中，可以筛选出脑电信息检测的关键频段以及关键脑区，并利用关键脑区大幅提高脑电识别的正确率。

技术领域

本发明属于生物特征识别领域中的脑电信号识别领域，具体涉及一种特征权重自学习的睡眠质量检测关键脑区判定方法。

背景技术

在过去几十年里，基于生理信号的客观评价睡眠质量的方法逐渐被人们所使用的。由于脑电信号可以反映大脑皮层的神经活动，可以通过可穿戴设备获取，在近年的疲劳估计、情绪识别等多项研究中被广泛使用。而将脑-机接口与睡眠活动研究相结合就是睡眠质量评估中的一次新的尝试。通过脑-机接口技术采集受试者的脑电信号，并通过对脑电信号的处理与分析，判断出对象所处的睡眠阶段，

而在使用脑电信号的睡眠质量评估任务中，当前还未有文献对睡眠质量评测的关键脑区进行研究与判定，在脑机的一些其它任务中例如情感，手势识别等，关于关键脑区的判断大多是使用尝试的方法，即手工选择某个脑区的电极进行识别，然而，由于脑区的电极凡多，要手动筛选，需要花费极大精力，实用性不大。

睡眠是一种使我们保持健康状态的正常生理活动现象。在人类的日常生活中，充足的睡眠可以使我们精力充沛，更容易集中精力完成日常工作；但实际情况却并非如此，在如今生活压力日益增大的环境下，熬夜，加班，作息不规律成为了时代的代名词。越来越多的人深受睡眠障碍疾病的困扰。睡眠问题在现代社会不容小视。

现有的睡眠质量评价方法大致可以分为主观睡眠质量评价方法和客观睡眠质量评价方法俩大类。其中主观质量评价方法由于以下局限性使得往往无法获得准确的评估信息：1)由于在某些情况下，被调查者可能有意或无意地提供虚假信息，因此比较难以判断被调查者的自我评价和反馈是否是真实的；2)在实际中填写问卷往往是比较麻烦、耗时、费力，特别是评估时间长、人口规模大的情况下；3)往往很难获得被调查者的实际合作，从而无法获得准确可靠的评估信息。

发明内容

本发明的目的在于提供一种特征权重自学习的睡眠质量检测关键脑区判定方法。

本发明的具体步骤如下：

步骤1、脑电数据的获取和处理。

1-1、被测人员佩戴64导联电极帽进行脑电数据采集，得到n₁组脑电信号。

1-2、对采集得到的脑电数据降频滤波至1-50Hz。

1-3、对n₁组脑电信号分五个频段进行特征提取，得到各频段上各通道的平均微分熵特征

步骤2、将n₁组平均微分熵特征导入GRLSR模型，并进行调参，获取预测精度。

2-1.给定一个有标签数据X_L，标签记为Y_L以及未标记数据X_U，标签记为Y_U。矩阵X_L为n₂×5d的矩阵；矩阵X_U为n₁×5d的矩阵；矩阵X_U的n₁行元素分别为n₁组平均微分熵特征；矩阵Y_L为n₂×c的矩阵，c为类别数。令X＝[X_L,X_U]，Y＝[Y_L,Y_U]；矩阵X有n行；n＝n₁+n₂。d为被使用的通道数。