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: 2024115577053
申请人: 安徽大学
专利类型:发明专利
专利状态:已下证
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:

1.一种跨场景听觉注意力解码模型的生成方法,其特征在于,包括:获取源域脑电信号和目标域脑电信号,所述源域脑电信号和所述目标域脑电信号分别为受试者在不同场景下产生的脑电信号;

通过源域脑电信号对听觉注意力解码模型进行预训练,所述听觉注意力解码模型包括特征提取模块、分类模块和域适应模块,所述预训练的步骤包括:通过所述特征提取模块对所述源域脑电信号进行特征提取,得到第一脑电特征;

通过所述分类模块对所述第一脑电特征进行预测分类,得到第一分类损失;

优化所述第一分类损失对所述听觉注意力解码模型进行预训练;

通过目标域脑电信号对预训练后的听觉注意力解码模型进行域适应训练,所述域适应训练的步骤包括:通过所述特征提取模块对所述目标域脑电信号进行特征提取,得到第二脑电特征;

通过所述分类模块对所述第二脑电特征进行预测分类,得到第二分类损失;

通过所述域适应模块对所述第一脑电特征和所述第二脑电特征进行奇异值分解并分别保留前m个最大奇异值以及计算正则化损失其中,

优化所述第一分类损失和所述正则化损失对所述听觉注意力解码模型进行域适应训练。

2.根据权利要求1所述的跨场景听觉注意力解码模型的生成方法,其特征在于,还包括:对所述源域脑电信号和所述目标域脑电信号进行数据预处理,所述数据预处理的步骤包括:通过工频陷波滤波器和有限脉冲响应滤波器对脑电信号进行滤波;

对滤波后的脑电信号进行降采样至目标频率;

对降采样后的脑电信号进行独立成分分析并保留主成分。

3.根据权利要求1所述的跨场景听觉注意力解码模型的生成方法,其特征在于,所述不同场景包括音频刺激场景和音视频刺激场景。

4.根据权利要求1所述的跨场景听觉注意力解码模型的生成方法,其特征在于,所述特征提取模块包括时域特征提取分支和频域特征提取分支;

所述时域特征提取分支的输入为经过共用空间模式滤波后的模型输入,所述特征提取模块的输入是从模型输入中提取得到的多频带微分熵特征;

所述时域特征提取分支的输出和所述频域特征提取分支的输出进行特征融合后得到所述特征提取模块的输出。

5.根据权利要求4所述的跨场景听觉注意力解码模型的生成方法,其特征在于,所述时域特征提取分支包括依次连接的transformer、KAN网络和全连接块,所述KAN网络的表达式为:其中,

所述频域特征提取分支包括依次连接的第一3D卷积、残差网络、两个第二3D卷积和平均池化层。

6.根据权利要求5所述的跨场景听觉注意力解码模型的生成方法,其特征在于,所述残差网络包括依次连接的第一残差块、第二残差块和第三残差块;

所述第一3D卷积使用大小为7x7、步长为2以及填充为3的卷积核并且使用池化窗口为3x3、步长为2以及填充为1的最大池化操作;

所述第一3D卷积被配置为将特征图的通道数由1扩展为32;

所述第一残差块被配置为将特征图的通道数由32扩展为64;

所述第二残差块被配置为将特征图的通道数由64扩展为128;

所述第三残差块被配置为将特征图的通道数由128扩展为256。

7.根据权利要求1所述的跨场景听觉注意力解码模型的生成方法,其特征在于,所述第一分类损失和所述第二分类损失均通过交叉熵损失函数计算,所述交叉熵损失函数为:其中,

8.一种跨场景听觉注意力解码方法,其特征在于,包括:将被测者的脑电信号输入训练后的听觉注意力解码模型,通过听觉注意力解码模型得到所述被测者的听觉注意力,所述听觉注意力解码模型通过权利要求1-7中任一项所述的跨场景听觉注意力解码模型的生成方法得到。

9.一种跨场景听觉注意力解码模型的生成装置,其特征在于,包括:信号获取模块,用于获取源域脑电信号和目标域脑电信号,所述源域脑电信号和所述目标域脑电信号分别为受试者在不同场景下产生的脑电信号;

预训练模块,用于通过源域脑电信号对听觉注意力解码模型进行预训练,所述听觉注意力解码模型包括特征提取模块、分类模块和域适应模块,所述预训练的步骤包括:通过所述特征提取模块对所述源域脑电信号进行特征提取,得到第一脑电特征;

通过所述分类模块对所述第一脑电特征进行预测分类,得到第一分类损失;

优化所述第一分类损失对所述听觉注意力解码模型进行预训练;

域适应训练模块,用于通过目标域脑电信号对预训练后的听觉注意力解码模型进行域适应训练,所述域适应训练的步骤包括:通过所述特征提取模块对所述目标域脑电信号进行特征提取,得到第二脑电特征;

通过所述分类模块对所述第二脑电特征进行预测分类,得到第二分类损失;

通过所述域适应模块对所述第一脑电特征和所述第二脑电特征进行奇异值分解并分别保留前m个最大奇异值以及计算正则化损失其中,

优化所述第一分类损失和所述正则化损失对所述听觉注意力解码模型进行域适应训练。

10.一种电子设备,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行权利要求1至7中任一项所述的跨场景听觉注意力解码模型的生成方法。