[发明专利]基于脑电信号的认知障碍识别方法、装置及介质

权利要求书

1.一种基于脑电信号的认知障碍识别装置，其特征在于，包括：

信号获取模块，用于获取用户的脑电信号；

特征确定模块，用于确定所述脑电信号的时域特征、频域特征和同步特征，所述同步特征至少包括：相位延迟指数PLI、针对通道间的相关性参数和相干性参数；

降维处理模块，用于对所述同步特征、所述时域特征和所述频域特征进行降维处理，得到降维数据；

第一分析模块，用于将所述降维数据分别输入至预构建的至少两个认知障碍识别模型，得到至少两个第一分析结果；

第二分析模块，用于基于所述时域特征，确定第二分析结果；

障碍识别模块，用于依据至少两个所述第一分析结果和所述第二分析结果，确定针对所述用户的认知障碍识别结果；

所述时域特征包括Hjorth参数，所述降维处理模块包括：

降维处理子模块，用于对所述相位延迟指数PLI、所述相关性参数和所述相干性参数进行降维，得到降维特征；

特征拼接子模块，用于将所述降维特征、频域特征和所述Hjorth参数进行拼接，得到所述降维数据；

所述频域特征包括功率谱密度PSD特征和双频谱BiS特征；

所述特征拼接子模块在将所述降维特征、频域特征和所述Hjorth参数进行拼接的步骤之前，所述特征拼接子模块还包括：

主成分分析单元，用于对所述功率谱密度PSD特征和所述双频谱BiS特征进行主成分分析，得到主成分分析特征；

特征拼接子模块包括：拼接处理单元，用于将所述降维特征、所述主成分分析特征和所述Hjorth参数进行拼接，得到所述降维数据。

2.根据权利要求1所述的装置，其特征在于，所述第一分析模块包括：

第一分类子模块，用于将所述降维数据输入至预设的分类器，得到第一分类结果；

第二分类子模块，用于基于预设的XGBoost算法，确定针对所述降维数据的第二分类结果；

结果确定子模块，用于将所述第一分类结果和所述第二分类结果，作为所述第一分析结果。

3.根据权利要求1所述的装置，其特征在于，所述时域特征包括小波变换特征，所述第二分析模块包括：

滑窗处理子模块，用于依据预设的滑窗算法对所述小波变换特征进行采样，得到若干滑窗特征；

第一级模型处理子模块，用于基于预构建的CNN模型，确定针对若干所述滑窗特征的输出结果；

第二级模型处理子模块，用于依据预构建的LSTM模型对所述输出结果进行分类，得到第二分析结果。

4.根据权利要求1所述的装置，其特征在于，所述障碍识别模块包括：

投票识别子模块，用于对所述第一分析结果和所述第二分析结果进行投票；

结果确定子模块，用于依据投票结果，确定针对所述用户的认知障碍识别结果。