[发明专利]基于脑电和深度学习的脑负荷检测方法

权利要求书

1.一种基于脑电和深度学习的脑负荷检测方法，通过离线进行，其特征在于，包括如下：

(1)连接虚拟现实设备，用于放映视听材料并生成时间标记；

(2)采集并预处理脑电数据：

(2a)连接脑电采集设备，通过电极帽上的电极采集被试的脑电信号，并根据生成的时间标记标注脑电数据；

(2b)对得到的脑电数据集依次进行数据段选取、下采样和滤波，得到预处理后的脑电数据；

(3)将预处理后的脑电数据按照6：2：2的比例划分为离线训练集、离线验证集和离线测试集，并收集被试的反馈信息；

(4)构建由三个结构相同的时间域特征提取单元、三个结构相同的空间域特征提取单元、两个随机失活层和一个拼接卷积分类器组成的卷积神经网络；

(5)网络训练：

(5a)设卷积神经网络的损失函数为交叉熵损失函数，卷积神经网络优化器为自适应时刻估计优化器，学习率设为0.001，单次样本输入个数设为16，随机失活节点保留率设为0.25，迭代次数设为10；

(5b)将离线训练集数据输入到卷积神经网络中进行迭代训练，即根据被试者的反馈信息，计算得到交叉损失函数的数值，再由卷积神经网络优化器对神经网络中的卷积层和批量归一化层中的参数进行更新，使得交叉损失函数不断减小，并在训练过程中使用离线验证集对网络进行检验，直到训练达到迭代次数，停止训练，得到训练好的网络模型；

(6)将离线测试集数据输入到训练好的卷积神经网络中进行测试，得到脑负荷检测结果。

2.根据权利要求书1所述的方法，其特征在于，(2a)中采集被试的脑电信号，其实现如下：

(2a1)实验开始后，被试者首先进入预备状态；

(2a2)为被试者佩戴脑电帽，通过虚拟现实设备播放全景视频，诱发不同程度的脑负荷，使用脑电采集设备，采集被试者的脑电信号，并保存数据；

(2a3)视频播放完毕，收集被试者反馈信息，被试者进入休息状态，由被试者自由控制休息时长，以便调整状态，休息结束进行下一组实验；

(2a4)更换全景视频，重复(2a2)和(2a3)，直到所有全景视频播放完成后，得到不同全景视频诱发的被试者的脑电信号。

3.根据权利要求书1所述的方法，其特征在于，(2b)中对脑电数据进行数据段选取、下采样和滤波的预处理，其实现如下：

(2b1)设置时间窗为1s，根据标记信号提取脑电信号数据，并将脑电数据按照设置的时间窗长度进行划分；

(2b2)将划分后的脑电信号下采样至128Hz；

(2b3)将下采样后的脑电信号通过带通滤波器，得到频带为0.1～40Hz的脑电信号。

4.根据权利要求书1所述的方法，其特征在于，(3)中收集被试者反馈，其实现如下：

(3a)被试者在视频播放结束后，根据真实感受，在度量表中勾选项目对应的等级分数，每个项目的评分分为无、轻度、中度和重度四个等级；

(3b)将被试者所勾选的分数作为此次采集的脑电信号的标签值。

5.根据权利要求书1所述的方法，其特征在于，(4)中神经网络每个时间

域的特征提取单元和每个空间域的特征提取单元的结构参数如下：

所述每个时间域的特征提取单元，依次包含时间域卷积层、批量归一化层、指数线性单元、池化层，其中每个时间域卷积层的时间卷积核的大小为上一层的一半，初始大小设为1*64，每一层卷积核的数量设为8；

所述每个空间域的特征提取单元，依次包含空间域卷积层、批量归一化层、指数线性单元、池化层，其中每个空间域卷积层的空间卷积核的大小为上一层的一半，初始大小设为64*1，每一层卷积核的数量设为8。