[发明专利]一种基于图-节点卷积神经网络的脑电信号分类方法

权利要求书

1.一种基于图-节点卷积神经网络的脑电信号分类方法，该方法首先手动提取脑电信号的微分熵特征，然后将提取的特征输入到并行的2D卷积与图卷积网络结构中，以图分类的方式进行深层次的特征提取，最后将提取的特征输入到图卷积网络中进行节点分类，具体步骤如下：

(一)数据预处理：对原始的EEG信号，首先进行带通滤波，从而去除高频噪声、消除缓慢漂移、去除电源线噪声；其次，进行独立成分分析，去除眼电干扰；然后，进行重参考；最后，对数据进行分段，根据数据中的事件信息将包含图片刺激的一段提取出来，作为后续用于处理的脑电信号；

(二)特征提取：对步骤(一)中预处理后的脑电信号提取微分熵特征；

(三)构建基于并行2D卷积与图卷积的深层次特征提取网络，进行时空角度的深层次特征提取：首先将连续实验的微分熵特征进行叠加增强，n个实验的特征矩阵得到m个增强实验的特征矩阵，对增强后的特征矩阵，每k个连续的增强实验的特征矩阵拼接在一起，构成上下文特征，然后将其分别输入到2D卷积网络中提取时间信息、图卷积网络中提取空间信息，其中，输入到图卷积网络中的数据构图方式为：将脑电通道作为图中的节点，每个实验对应一张图；将2D卷积网络和图卷积网络提取的特征进行拼接，通过全连接层进行特征提取融合，最终得到高度聚合的特征向量；

(四)节点分类：每个被试的脑电信号最终提取出m个增强实验的特征向量，共同构成一张大图，每个实验作为图中一个节点，节点特征即为步骤(三)提取出来的特征向量，同一被试的所有节点之间进行全连接，不同被试之间的节点无连接，将大图送入图卷积网络中进行节点分类，得到分类结果。