买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：徐州医科大学;徐州佳智信息科技有限公司;烟台龙驰光电技术有限公司

摘要：本发明涉及一种多通道脑电信号伪迹去除方法，该方法采用依次串联的一维卷积模块、多尺度注意力机制模块和池化模块来构建双分支结构的卷积神经网络，用来提取形态学特征、保留强化时序特征和降低脑电数据维度；采用时序特征提取模块来构建与卷积神经网络串联的全连接神经网络，每一分支的最后一个全连接层后添加长短时记忆层，用来提取脑电数据的时序特征；整个网络能实现对多通道的脑电信号伪迹去除，不仅仅限于单通道，同时本发明不是针对某一特别的生理伪迹设计，它能实现多种伪迹的同时去除，包括肌电伪迹、心电伪迹、眼电伪迹等。

主权项：1.一种多通道脑电信号伪迹去除方法，包括如下步骤：S1、获取被伪迹污染的脑电数据；S2、将被伪迹污染的脑电数据输入去除网络模型，得到去除伪迹的脑电数据；其中，所述去除网络模型是基于神经网络，通过引入多尺度注意力机制模块建立的；所述去除网络模型是利用具有识别标签的被伪迹污染的脑电数据样本进行训练、测试后得到的；其特征在于：所述神经网络包括卷积神经网络、和与所述卷积神经网络串联的全连接神经网络，其中，所述卷积神经网络采用双分支结构，每个分支包括依次串联的多个形态学特征提取与时序特征强化模块，每一个所述形态学特征提取与时序特征强化模块包括依次串联的一个一维卷积模块、一个多尺度注意力机制模块和一个池化模块，其中，所述一维卷积模块用于提取形态学特征；所述多尺度注意力机制模块用于保留强化时序特征；所述池化模块用于在保留时序特征的同时降低脑电数据维度；所述全连接神经网络的主干网络采用双分支结构，每一分支的最后一个全连接层后添加长短时记忆层，构成时序特征提取模块，用于提取脑电数据的时序特征；其中，所述多尺度注意力机制模块包括分组卷积层、左尺度分支和右尺度分支的双并行路径、跨空间学习和权重融合，其中：所述分组卷积层用于对输入特征图的通道进行分组，每一组学习不同区域的特征，并在特征增强后输出分组特征图；所述右尺度分支用于提取分组特征图的全局特征，获得全局特征图，即通过卷积和平均池化将不同尺度的信息进行融合，获得全局视角下的特征表示；所述左尺度分支负责利用分组特征图关注不同通道间的依赖关系，通过建立通道注意力机制，求解获得局部注意力权重图，并将局部注意力权重图和分组特征图融合为局部融合特征图；所述跨空间学习将所述左尺度分支输出的局部融合特征图与所述右尺度分支输出的全局特征图，经标准化后编码为全局空间信息，同时，将局部融合特征图与全局特征图调整形状，分别通过矩阵点积操作获得包含全局与局部信息的、两个不同颗粒度的多尺度空间注意力特征图；所述权重融合用于将所述两个不同颗粒度的多尺度空间注意力特征图，通过Sigmoid函数融合为多尺度空间注意力权重图，并将其融入分组特征图。

全文数据：

权利要求：

百度查询： 徐州医科大学 徐州佳智信息科技有限公司 烟台龙驰光电技术有限公司 一种多通道脑电信号伪迹去除方法