[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

说明书

本发明公开了一种脑电数据处理方法，包括：S1：获取标准组和特征组的脑电数据；S2对标准组和特征组的脑电数据进行处理，得到多个第一阶至第四阶的固有模态函数分量，对固有模态函数分量进行计算，得到样本熵集合；计算标准组和特征组的脑电数据的时序相关性，得到相关性集合；S3：对标准组和特征组的样本熵集合、相关性集合处理得到标准组和特征组的样本熵指征数据关性指征数据；S4：根据标准组和特征组的样本熵指征数据、相关性指征数据计算边界条件；S5：采用上述方法处理待分类组的脑电数据得到样本熵指征数据和相关性指征数据，结合边界条件判断待分类组的脑电数据的分组类别。本发明还公开一种脑电数据处理装置和计算机可读存储介质。

技术领域

本发明涉及脑电数据处理的技术领域，尤其是涉及一种基于特征信息的脑电数据处理方法、装置以及计算机可读存储介质。

背景技术

现有技术中对脑电波的研究主要是通过脑电图(EEG)进行，脑电研究将脑电按照频率和振幅分为以下几类：β波，频率高(在14到30Hz之间，有时高至50Hz)，幅值较小(约5μV)；d波，最典型的脑电波节律，在8到13Hz之间，幅值比β波稍大；θ波，频率比d波略低，通常为4到7Hz，振幅比d波大；δ波，最慢的脑电波节律，通常低于3.5Hz，其振幅最大，可达300μV。

目前常采用的方式是根据四类波所占的比例以及对应波的频率和振幅来判断目标当前的状态，但是目前对脑电数据的处理方法的准确性不高，不能准确的反应目标当前的状态。因此，提出一种准确性高的脑电数据分类方法是目前亟待解决的技术问题。

发明内容

为了解决现有技术中脑电数据的处理方法的准确性不高，不能准确的反映目标当前的状态的技术问题，本公开提供了一种脑电数据处理方法，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；

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。

根据本公开的一些实施例，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，对所述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。

根据本公开的一些实施例，所述多个位点为脑内两两对称分布的位点。