一种通道无关的脑电信号处理方法、系统及装置

摘要: 本发明涉及脑电信号提取,更具体的说是涉及一种通道无关的脑电信号处理方法及系统。背景技术:1、脑电信号是一种典型的多通道时序生理信号,常用于脑机接口、认知负荷评估...
一种通道无关的脑电信号处理方法、系统及装置

本发明涉及脑电信号提取,更具体的说是涉及一种通道无关的脑电信号处理方法及系统。

背景技术:

1、脑电信号是一种典型的多通道时序生理信号,常用于脑机接口、认知负荷评估、情绪识别、运动意图识别、疲劳监测等任务。现有脑电识别方法通常以多通道脑电数据矩阵作为输入,即将脑电帽或脑电采集设备获得的各通道时间序列按照固定顺序排列,形成“通道数×时间点”或“通道数×频带特征”的数据结构,再通过传统机器学习方法或神经网络模型进行分类识别。

2、目前较常见的技术路线包括以下几类:

3、第一类是基于时域、频域或时频域特征的脑电识别方法。该类方法通常对各通道脑电信号分别提取均值、方差、功率谱密度、频带能量、小波特征等,再将多个通道的特征拼接后输入支持向量机、随机森林、浅层神经网络或深度学习模型。该类方法实现简单,但通常将不同通道作为固定维度特征处理,对通道数量、通道顺序和导联布局具有较强依赖。

4、第二类是基于空间滤波的脑电特征提取方法,例如共空间模式(common spatialpattern,csp)及其改进方法。该类方法能够利用不同通道之间的空间分布差异提取判别特征,在运动想象脑机接口等任务中应用较多。公开研究中,csp及稀疏csp等方法常用于通道选择和空间模式提取,但其模型通常需要在固定通道集合和固定导联布局下训练和使用;当脑电帽通道数量变化、导联位置不同或部分通道缺失时,空间滤波矩阵往往需要重新训练或重新适配。相关研究也表明,通道选择方法主要是在既定通道体系内筛选有效通道,而不是从表示层面消除对固定通道结构的依赖。

5、第三类是基于脑电空间拓扑结构的深度学习方法。近年来,一些方法将脑电电极视为图结构节点,利用图神经网络、空间卷积网络或transformer模型提取电极之间的空间关系。相关综述指出,图神经网络适合处理脑电这类定义在图结构上的信号,能够建模电极之间的功能连接或空间邻接关系。也有研究将脑电通道空间结构与功能连接网络结合,以增强模型对空间关系的表达能力。但是,这类方法通常需要预先设定电极图结构、邻接矩阵或脑区划分方式,模型输入维度仍然与具体通道数量和导联布局密切相关。当脑电设备由8通道变为16通道、32通道或64通道,或者不同设备采用不同电极布局时,模型结构、图节点定义、邻接关系甚至训练数据往往需要重新配置。

6、第四类是面向跨设备、跨导联或拓扑无关脑电建模的新方法。近期已有研究开始关注不同脑电数据集之间通道数量和电极布局不一致的问题,并提出将多种电极配置投影到统一潜在空间的思路。例如,有研究明确指出,eeg空间关系建模会受到不同数据集电极数量和布局变化的影响,并尝试通过拓扑无关基础模型获得统一潜在表示。这说明“跨通道数量、跨导联布局的统一脑电表示”已经成为脑电智能识别中的重要问题。但是,现有方法多依赖大规模预训练模型、注意力结构或数据驱动的潜在空间学习,其空间一致性主要通过训练获得,缺乏一种从几何原理上保证空间偏移、通道数量变化和布局变化下表示一致性的明确构造方法。

7、因此,有必要提出一种通道无关的脑电信号处理方法、系统及装置,将脑电通道信号与其空间位置信息融合,构造具有空间不变性的固定维度特征表示,使不同通道数量、不同导联布局以及一定佩戴偏移条件下的脑电数据能够统一映射到同一特征空间,为后续认知负荷、情绪状态、运动意图等多种脑电识别任务提供稳定、通用的输入表示。

技术实现思路

1、有鉴于此,本发明提供了一种通道无关的脑电信号处理方法、系统及装置,将脑电通道信号与空间位置信息进行融合,将多通道脑电数据构造成统一的空间脑电场,并进一步通过空间不变矩构造固定维度的空间特征表示,使任意通道数量、任意导联布局以及一定范围内佩戴偏移条件下的脑电数据能够映射到统一特征空间。

2、为了实现上述目的,本发明采用如下技术方案:

3、一方面,本发明提供了一种通道无关的脑电信号处理方法,包括:

4、获取多通道脑电信号及各脑电通道在头部空间中的空间位置,构建空间-信号联合结构;

5、根据所述空间-信号联合结构,构造用于描述脑电信号在头部空间中分布状态的脑电空间场;

6、基于所述脑电空间场,计算具有几何不变性的空间矩和中心距,并映射为固定维度的空间统一表示特征向量,所述特征向量的维度与脑电通道数量及导联布局无关;

7、对所述空间统一表示特征向量进行时域、频域或时频域分析,提取动态特征;

8、将所述空间统一表示特征或所述动态特征输入预训练的智能识别模型,输出脑电状态识别结果。

9、优选的,构建空间-信号联合结构,具体包括:

10、所述脑电通道表示为:

11、ci=(xi,yi,zi,si(t))

12、其中,(xi,yi,zi)为第i个电极在头部空间中的三维空间坐标,si(t)为对应通道的脑电时间序列信号;

13、将所述空间坐标转换至统一参考坐标系并进行空间归一化处理。

14、优选的,所述脑电空间场采用规则网格、球面网格或图结构进行离散表示,并采用以下任一种方式构造:空间插值、球面插值、图结构传播、高斯核加权、径向基函数插值、delaunay三角剖分或空间邻域加权;

15、所述脑电空间场表示为f(x,y,z,t)或f(θ,φ,t),其中(x,y,z)或(θ,φ)表示头部空间位置,t表示时间。

16、优选的,所述空间矩和中心矩,计算方式为:

17、

18、

19、其中,mpq为(p,q)阶空间矩,μpq为对应的中心矩,为脑电空间场的质心坐标,f(x,y)表示脑电空间场在空间位置(x,y)处的信号值。

20、优选的,采用滑动时间窗方式对空间统一表示特征向量进行时频分析,具体包括,具体包括:

21、对连续脑电信号设置预设长度的时间窗口l及滑动步长s,将连续脑电信号划分为多个具有时间重叠关系的局部数据段;

22、对于每一个时间窗口内的脑电数据,根据各脑电通道对应的空间位置信息构建对应时间窗口下的脑电空间分布表示;

23、基于所述空间分布表示计算对应的空间不变矩特征,获得每一个时间窗口对应的不变矩特征向量;

24、按照时间顺序排列各时间窗口对应的不变矩特征向量,形成动态空间不变矩序列。

25、优选的,所述智能识别模型包括以下任一种:支持向量机、随机森林、多层感知机、卷积神经网络、长短时记忆网络、transformer模型、图神经网络或混合神经网络模型。

26、另一方面,本发明还提供了一种通道无关的脑电信号处理系统,包括:

27、脑电采集模块,用于获取多通道脑电信号及各脑电通道在头部空间中的空间位置,

28、电极空间建模模块,用于根据脑电信号及各脑电通道在头部空间中的空间位置构建空间-信号联合结构;

29、脑电空间场构造模块,用于根据所述空间-信号联合结构,构造用于描述脑电信号在头部空间中分布状态的脑电空间场;

30、空间不变矩特征提取模块,用于基于所述脑电空间场,计算具有几何不变性的空间矩和中心距,并映射为固定维度的空间统一表示特征向量,所述特征向量的维度与脑电通道数量及导联布局无关;

31、时频分析模块,用于对所述空间统一表示特征向量进行时域、频域或时频域分析,提取动态特征;

32、神经网络识别模块,用于将所述空间统一表示特征或所述动态特征输入预训练的智能识别模型,输出脑电状态识别结果。

33、第三方面,本发明还提供了一种电子装置,包括:

34、存储器,存储有计算机程序;

35、处理器,用于执行所述存储器中的所述计算机程序,以实现上述的一种通道无关的脑电信号处理方法。

36、经由上述的技术方案可知,与现有技术相比,本发明公开提供了一种通道无关的脑电信号处理方法、系统及装置,通过将脑电通道的空间位置信息与时间信号进行联合建模,并进一步构造具有几何不变性的空间矩特征,将任意数量的脑电通道统一映射为固定维度的特征向量,从而实现了后端识别模型与前端导联结构的完全解耦。这一技术方案有效解决了传统方法中不同通道数量、不同导联布局的设备难以共享同一模型的行业痛点,使得8通道至128通道等不同配置的脑电设备均可采用统一的识别模型,显著降低了多设备系统的部署复杂度与开发成本。同时,基于空间不变矩的特征构造方式赋予脑电空间特征对电极平移、旋转、尺度变化及一定范围内佩戴偏移的强鲁棒性,即使在脑电帽佩戴存在误差或松动的情况下,系统仍能保持稳定的识别性能,极大提升了可穿戴脑机接口和快速佩戴场景下的工程可靠性。此外,该方法在保留脑电信号时域、频域动态特性的基础上融合了脑区空间协同激活信息,形成了时空联合特征表达,能够更全面地刻画认知负荷、情绪状态及运动意图等脑电模式,进一步增强了识别精度与泛化能力。本发明不仅适用于脑电信号,还可推广至功能近红外、肌电、脑磁等多通道生理信号系统,具有良好的扩展性。在脑机接口、情绪识别、疲劳监测、智能医疗及应急救援等领域具有广阔的产业化前景和重要的社会价值。