[发明专利]一种基于注意力机制和卷积神经网络的脑电信号分类方法

权利要求书

1.一种基于注意力机制和卷积神经网络的脑电信号分类方法，其特征在于，包括以下步骤：

S1、设采集n个通道的脑电信号为X_n(t)，对正常状态和异常状态的脑电信号，每1～2s时长截取一段脑电信号作为一个分类样本x_n(t)；

S2、对分类样本x_n(t)中每一个通道进行短时傅里叶变换，以行表示时域，列表示频域，得到n个时频域矩阵；

S3、时频域矩阵中的元素为复数，对时频域矩阵中的每一个元素取模值，得到实数域的STFT矩阵；

S4、把实数域的STFT矩阵变换为以颜色表示幅值大小的图片；

S5、将步骤S4变换后的图片输入添加有频域注意力机制的ResNet-50卷积神经网络中进行特征提取，实现脑电信号分类。

2.根据权利要求1所述的基于注意力机制和卷积神经网络的脑电信号分类方法，其特征在于，步骤S1中，异常状态的脑电信号特征是在部分或整个大脑区域出现异常的电活动，包括棘波、锐波、尖慢复合波或尖慢复合波形脑电图信号。

3.根据权利要求1所述的基于注意力机制和卷积神经网络的脑电信号分类方法，其特征在于，步骤S5中，ResNet-50卷积神经网络包含50层卷积神经网络，以残差网络框架进行学习，在每个残差模块结束后，加入频域注意力机制，ResNet-50卷积神经网络输出为1*2048的一维特征，再经过全连接层和softmax层，输出两种种类的可能性的概率，取其中最大的概率为信号样本种类的分类判断。

4.根据权利要求3所述的基于注意力机制和卷积神经网络的脑电信号分类方法，其特征在于，设残差模块输出的特征矩阵为w行h列的特征矩阵Y，定义频域注意力机制的引入为对Y中每一个列向量y＝[y₁ y₂ … y_w]^T进行计算如下：

f(y_i,y_j)＝exp(y_iy_j)

其中，为特征矩阵Y列向量中的元素加入频域注意力机制计算得到的权重后的元素，f(y_i,y_j)表示计算元素y_i和元素y_j之间相关程度的函数，y_i为特征矩阵Y中列向量y中的原元素，s(y_i)为对元素y_i计算得到的标准化因子。

5.根据权利要求4所述的基于注意力机制和卷积神经网络的脑电信号分类方法，其特征在于，每一个神经网络残差模块输出的特征矩阵Y：