欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2022107591740
申请人: 山东科技大学
专利类型:发明专利
专利状态:未下证
专利领域: 医学或兽医学;卫生学
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于经验模态分解和双分支融合网络的肌电信号分类方法,其特征在于,包括如下步骤:步骤1.获取肌电信号数据,并对不同个体的肌电信号数据进行预处理,然后根据对应的类别并以个体为单位将预处理后的肌电信号数据组成原始肌电信号数据集;

步骤2.利用经验模态分解方法对原始肌电信号数据集中肌电信号数据进行分解,每个肌电信号数据得到多个本征模函数,并取前三个本征模函数作为对应的特征数据;

将肌电信号对应的特征数据组成特征数据集;

以个体为单位,将所述特征数据集随机划分为训练数据集和测试数据集;

步骤3.搭建双分支融合网络模型;

搭建双分支融合网络模型包括五层网络结构,其中,第一层网络、第二层网络、第三层网络、第四层网络以及第五层网络依次连接;

第一层网络包括两个独立的分支结构,分别为第一分支结构和第二分支结构;

第一分支结构包括第一卷积层、第一批归一化层、第一激活层以及第一池化层;其中,第一卷积层、第一批归一化层、第一激活层以及第一池化层依次相连;

第二分支结构包括第二卷积层、第二批归一化层、第二激活层以及第二池化层;其中,第二卷积层、第二批归一化层、第二激活层以及第二池化层依次相连;

第一卷积层与第二卷积层分别采用不同大小的卷积核;

第一池化层与第二池化层分别采用不同大小的最大池化层降采样;

第一分支结构与第二分支结构的输入为同一肌电信号数据对应的三个本征模函数;

第一分支结构和第二分支结构的输出以通道拼接方式合并;

第二层网络包括第三卷积层、第三批归一化层、第三激活层以及第三池化层;其中,第三卷积层、第三批归一化层、第三激活层以及第三池化层依次相连;

其中,第三卷积层的输入为第一分支结构以及第二分支结构的合并输出;

第三池化层采用最大池化层降采样;

第三层网络包括两个稠密块以及一个转换块,其中定义两个稠密块分别为第一稠密块和第二稠密块;其中,第一稠密块、转换块与第二稠密块依次相连;

第四层网络包括全局上下文模块、第四卷积层、第四批归一化层、第四激活层和第四池化层;全局上下文模块、第四卷积层、第四批归一化层、第四激活层和第四池化层依次相连;

第四池化层采用平均池化层降采样;

第五层网络为分类层,包括三个依次相连的全连接层,全连接层的输出为肌电信号类别;

第一激活层、第二激活层、第三激活层以及第四激活层均采用GELU激活函数;

步骤4.训练及测试双分支融合网络模型;

利用步骤2中训练数据集中的样本数据训练步骤3构建的双分支融合网络模型,得到双分支融合网络模型的模型参数,保存模型参数,得到训练好的双分支融合网络模型;

利用测试数据集中的样本数据对训练好的双分支融合网络模型进行测试;

步骤5.对于待识别的肌电信号数据,首先利用步骤1对肌电信号数据进行预处理,然后利用步骤2对预处理后的肌电信号数据进行分解,得到多个本征模函数;

取前三个本征模函数输入到训练及测试好的双分支融合网络模型中,得到分类结果。

2.根据权利要求1所述的肌电信号分类方法,其特征在于,所述步骤1中,对采集的肌电信号数据进行预处理的过程如下:步骤1.1.首先对采集到的肌电信号数据采用多项式拟合方法去除基线漂移,并使用最大最小值方法进行归一化处理;

步骤1.2.对归一化处理后的数据以窗口长度L的窗口做滑动分窗,窗口与窗口之间有L/2长度的信号重叠率,得到统一长度的肌电信号数据样本;

步骤1.3.筛选分窗后的肌电信号数据样本,去除存有紊乱异常情况的肌电信号数据样本;

步骤1.4.确定最终的肌电信号数据。

3.根据权利要求2所述的肌电信号分类方法,其特征在于,所述步骤2中,对预处理后的肌电信号数据进行经验模态分解,具体过程如下:首先寻找每个L长度的肌电信号样本x(t)的局部极大值与极小值点,然后采用三次样条插值法对x(t)拟合上、下包络线计算得到包络线的均值m(t);

将肌电信号样本x(t)与包络线的均m(t)做差得到一个数据h(t),并判断h(t)是否满足本征模函数的条件,多次筛选后x(t)被分解为多个本征模函数和一个残差项,如公式(1);

其中,n为本征模函数的总数,ci(t)为第i个本征模函数,rn(t)为残差项;

保留特征信息相对较多的前三个本征模函数,作为经验模态分解后的肌电信号特征数据。

4.根据权利要求3所述的肌电信号分类方法,其特征在于,所述步骤2中,对每个肌肉部位以个体为单位分别随机抽取ALS患者和正常人80%的本征模函数特征数据作为训练数据集,其余的本征模函数特征数据作为测试数据集。

5.根据权利要求1所述的肌电信号分类方法,其特征在于,所述第一稠密块与第二稠密块结构相同,且均包括第五卷积层和第六卷积层;

第五卷积层后设置第五批归一化层和第五激活层;

第六卷积层后设置第六批归一化层和第六激活层;

第五卷积层与第六卷积层采用不同的卷积核;第五、第六激活层采用GELU激活函数。

6.根据权利要求5所述的肌电信号分类方法,其特征在于,所述转换块包括第七卷积层以及第五池化层,第七卷积层后设置第七批归一化层和第七激活层;其中第七激活层采用GELU激活函数,第五池化层采用最大池化层降采样。

7.根据权利要求1所述的肌电信号分类方法,其特征在于,所述全局上下文模块包括三个相同的卷积层、第八归一化层以及第八激活层;定义三个卷积层分别为第八卷积层、第九卷积层以及第十卷积层;其中:第八卷积层之后使用Softmax函数评分,并与全局上下文模块的输入数据元素相乘后依次输入到第九卷积层、第八归一化层、第八激活层以及第十卷积层;

经过第十卷积层之后,再次与全局上下文模块的输入数据元素进行元素相加并输出。

8.一种计算机设备,包括存储器和一个或多个处理器,所述存储器中存储有可执行代码,其特征在于,所述处理器执行所述可执行代码时,实现如上述权利要求1至7任一项所述的肌电信号分类方法。

9.一种计算机可读存储介质,其上存储有程序,其特征在于,该程序被处理器执行时,实现如上述权利要求1至7任一项所述的肌电信号分类方法。