[发明专利]一种基于图卷积网络的脑电图信号分析方法

权利要求书

1.一种脑电图信号分析方法，脑电图信号由多路导联电极采集，其特征在于：包括以下步骤：

S1：根据脑电图信号建立大脑功能性网络，具体步骤包括：

S11：计算全脑域功率GFP，其中K为总的导联通电极数，代表K个节点，i为第i路导联，V_i(t)为第i路导联的EEG信号，V_mean(t)为t时刻K路导联信号的平均值。

S12：获取GFP的峰值时刻，记为时间序列t＝[t₁,t₂,t₃...t_n]；

S13：在时间序列[t₁,t₂,t₃...t_n]中每个时刻t_i(i∈[1,n])为中心时间的一段时间范围内，计算每两路导联脑电信号之间的锁相值；

S14：根据所述每两路导联脑电信号之间的锁相值指标反映节点之间的联系，以此建立大脑功能网络。

S2：根据所述大脑功能网络，为不同大脑功能网络打上标签，完成图卷积网络模型训练；

S3：根据所述训练好的图卷积网络模型，对新的大脑功能网络进行类型识别，完成脑电图分类。

2.根据权利要求1所述的脑电图信号分析方法，其特征在于：所述步骤S2的图卷积网络的计算公式为：其中为给大脑功能网络图中的每个节点增加自连接后的度矩阵，为大脑功能网络图的邻接矩阵再加上单位矩阵I，H^(l+1)为l+1层GCN输出结果，H^(l)为l层的GCN输出，H⁽⁰⁾为节点的初始化特征矩阵，W^(l)为l层的待训练参数矩，l为大于等于0的整数，代表GCN的层次，σ(·)为激活函数，可以选择ReLU函数或者Sigmoid函数。

3.根据权利要求2所述的脑电图信号分析方法，其特征在于：所述步骤S2的初始化特征矩阵H⁽⁰⁾为每路导联节点的脑电图信号特征，包括节点脑电图信号的幅值特征值、频率特征值、功率谱特征值和节点所在脑区位置特征中的一个或多个特征所组成的初始化特征矩阵。

4.根据权利要求3所述的脑电图信号分析方法，其特征在于：所述步骤S2的图卷积网络训练模型采用softmax函数分类，再利用交叉熵损失函数反向传播来完成W^(l)参数训练。

5.根据权利要求4所述的脑电图信号分析方法，其特征在于：所述锁相值PLV的计算公式为：其中为两路导联脑电信号的相位关系值，N为时间序列[t₁,t₂,t₃...t_n]中每个时刻t_i(i∈[1,n])为中心时间的一段时间范围内的采样点数。

6.根据权利要求5所述的脑电图信号分析方法，其特征在于：所述两路导联脑电信号的相位关系值可以通过信号的时频分析来计算。