[发明专利]一种脑电数据处理方法、装置以及计算机可读存储介质

权利要求书

1.一种脑电数据处理方法，其特征在于，包括：

S1：获取标准组的多个位点的脑电数据和特征组的多个位点的脑电数据；

S2：采用经验模态分解方法分别对所述标准组的每个位点的脑电数据和所述特征组的每个位点的脑电数据进行处理，分别得到所述标准组的多个第一阶至第四阶的固有模态函数分量和所述特征组的多个第一阶至第四阶的固有模态函数分量；将所述标准组的多个第一阶至第四阶的固有模态函数分量进行计算，得到标准组样本熵集合；将所述特征组的多个第一阶至第四阶的固有模态函数分量进行计算，得到特征组样本熵集合，其中，每个位点具有对应的第一阶至第四阶固有模态函数分量；

分别计算所述标准组的脑电数据和所述特征组的脑电数据中相关联的位点的脑电数据的时序相关性，得到标准组相关性集合和特征组相关性集合，包括：

提取所述标准组中对称分布的两个位点的数据，将所述标准组中对称分布的两个所述位点的数据按照波段分为N组，计算每个波段的两个所述位点的数据的时序相关性数据和功率比值，其中，N为大于或等于2的正整数；

将所述标准组中计算得到的所有时序相关性数据和功率比值的自然对数组成标准组的相关性集合；

提取所述特征组中与所述标准组中提取位点相对应的两个位点的数据，将所述特征组两个所述位点的数据按照波段分为四组，计算每个波段的两个所述位点的数据的时序相关性数据和功率比值；

将所述特征组中计算得到的所有时序相关性数据和功率比值的自然对数组成特征组的相关性集合；

S3：采用显著性检验的方法对所述标准组样本熵集合、所述特征组样本熵集合、所述标准组相关性集合以及所述特征组相关性集合进行处理，得到标准组样本熵指征数据、特征组样本熵指征数据、标准组相关性指征数据和特征组相关性指征数据；

S4：根据所述标准组样本熵指征数据、所述特征组样本熵指征数据、所述标准组相关性指征数据和所述特征组相关性指征数据计算边界条件；

S5：采用如所述S1至所述S4的方法处理待分类组的脑电数据得到待分类组的样本熵指征数据和相关性指征数据，通过所述待分类组的样本熵指征数据和相关性指征数据结合所述边界条件判断所述待分类组的脑电数据的分组类别。

2.根据权利要求1所述的脑电数据处理方法，其特征在于，所述S2中，所述将所述标准组的多个第一阶至第四阶的固有模态函数分量进行计算，得到标准组样本熵集合包括：

分别对所述标准组和所述特征组内每一个位点的脑电数据计算得到的第一阶至第四阶的固有模态函数分量，对所述固有模态函数分量计算得到多组分量样本熵；

将所述多组所述分量样本熵计算平均值得到当前位点的样本熵，将所述标准组内计算得到的所有样本熵组合成标准组样本熵集合，将所述特征组内计算得到的所有样本熵组合成特征组样本熵集合。

3.根据权利要求2所述的脑电数据处理方法，其特征在于，所述多个位点为脑内两两对称分布的位点。

4.根据权利要求3所述的脑电数据处理方法，其特征在于，所述S3中，

采用显著性检验的方法分别对所述标准组样本熵集合和所述特征组样本熵集合进行计算得到多个位点显著性差异数据，提取多个所述位点显著性差异数据中k个最小的值对应的样本熵作为样本熵指征数据；

采用显著性检验的方法分别对所述标准组相关性集合和所述特征组相关性集合进行计算得到多个所述位点显著性差异数据，提取多个所述位点显著性差异数据中k个最小的值对应的时序相关性数据或功率比值的自然对数作为相关性指征数据，其中k为小于所述位点数量的50％的正整数。

5.根据权利要求4所述的脑电数据处理方法，其特征在于，所述S4中包括：

根据所述标准组中所有脑电数据的样本熵指征数据和相关性指征数据以及所述特征组中所有脑电数据的样本熵指征数据和相关性指征数据计算边界条件。

6.根据权利要求5所述的脑电数据处理方法，其特征在于，所述S5之后还包括：将已分类组的脑电数据添加到对应分类组中并更新脑电数据。

7.根据权利要求1至6任一项所述的脑电数据处理方法，其特征在于，所述特征组的数量至少为两个。