[发明专利]一种生成脑阻抗数据的方法、装置及存储介质

权利要求书

1.一种生成脑阻抗数据的方法，其特征在于，包括：

接收真实的脑部阻抗数据，包括正常脑部阻抗数据和疾病状态下的脑部阻抗数据；

基于真实的脑部阻抗数据搭建等效电路结构；

通过所述等效电路对真实的脑部阻抗数据进行降维处理，得到所述等效电路的元件参数样本；

获取元件参数与脑部状态的对应关系；

针对不同脑部状态下生产多组元件参数，将多组元件参数回代至等效电路，从而获得多个对应于不同脑部状态的具体电路；

利用具体电路在不同频率下的生成相应的脑部阻抗数据。

2.根据权利要求1所述的生成脑阻抗数据的方法，其特征在于，所述通过所述等效电路对真实的脑部阻抗数据进行降维处理，得到所述等效电路的元件参数样本，包括：

根据等效电路结构给出等效电路的阻抗方程；

令每个频率下的阻抗与真实的阻抗相等，求解方程组的最优值，即得到元件参数。

3.根据权利要求1所述的生成脑阻抗数据的方法，其特征在于，所述获取元件参数与脑部状态的对应关系，包括：

将真实阻抗数据转换成元件参数；

对每一个元件参数进行聚类；

根据不同脑部状态的参数分布情况提取元件参数与脑部状态的对应关系。

4.根据权利要求1所述的生成脑阻抗数据的方法，其特征在于，所述获取元件参数与脑部状态的对应关系，包括：

将真实数据转换成的元件参数作为样本；

利用生成对抗网络进行训练并生成新的元件参数样本。

5.一种脑阻抗数据的分类方法，其特征在于，包括：

重复执行如权利要求1～4任一项所述的生成脑阻抗数据的方法，生成模拟脑阻抗数据集，所述模拟脑阻抗数据集包括：正常脑部模拟阻抗数据和疾病状态下的模拟脑部阻抗数据；

将所述模拟脑阻抗数据集作为训练数据集训练机器学习模型；

基于所述机器学习模型，对脑部阻抗数据进行分类。

6.根据权利要求5所述的脑阻抗数据的分类方法，其特征在于，还包括：

将真实的脑部阻抗数据加入训练数据集训练机器学习模型。

7.根据权利要求5所述的脑阻抗数据的分类方法，其特征在于，所述机器学习模型为神经网络模型、SVM模型或者随机森林模型。

8.一种生成脑阻抗数据的装置，其特征在于，包括：

接收模块，其用于接收真实的脑部阻抗数据，包括正常脑部阻抗数据和疾病状态下的脑部阻抗数据；

电路搭建模块，其用于基于真实的脑部阻抗数据搭建等效电路结构；

降维模块，其用于通过所述等效电路对真实的脑部阻抗数据进行降维处理，得到所述等效电路的元件参数样本；

对应关系获取模块，其用于获取元件参数与脑部状态的对应关系；

具体电路获取模块，其用于针对不同脑部状态下生产多组元件参数，将多组元件参数回代至等效电路，从而获得多个对应于不同脑部状态的具体电路；

脑部阻抗数据生产模块，其用于利用具体电路在不同频率下的生成相应的脑部阻抗数据。

9.一种脑阻抗数据的分类装置，其特征在于，包括：

模拟脑阻抗数据集生产模块，其用于重复执行如权利要求1～4任一项所述的生成脑阻抗数据的方法，生成模拟脑阻抗数据集，所述模拟脑阻抗数据集包括：正常脑部模拟阻抗数据和疾病状态下的模拟脑部阻抗数据；

训练模块，其用于将所述模拟脑阻抗数据集作为训练数据集训练机器学习模型；

分类模块，其用于基于所述机器学习模型，对脑部阻抗数据进行分类。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机指令集；所述计算机指令集被处理器执行时实现如权利要求1-4任一项所述的生成脑阻抗数据的方法或权利要求5-7所述的脑阻抗数据的分类方法。