本发明涉及认知神经科学和临床心理学领域,具体涉及一种基于注意力分频卷积神经网络的脑电神经反馈系统。
背景技术:
1、脑电神经反馈(eeg neurofeedback),也称为神经反馈治疗,是一种通过监测脑电活动来帮助人们学会调节自身脑电活动的治疗方法。通过使用生物反馈技术,患者可以看到他们的脑电活动,并尝试通过自我调节来改善其生理和心理状态。这项技术根据不同的分析方法和算法来处理脑电信号和实现脑电神经反馈技术,主要包括基于机器学习的脑电神经反馈和基于深度学习的脑电神经反馈。脑电神经反馈的历史可以追溯到20世纪60年代初期,当时barry sterman教授在研究nasa宇航员如何保持清醒状态时偶然发现猫经过培训可以通过脑电神经反馈来控制癫痫发作。从那时起,脑电神经反馈逐渐应用于多种临床场合,包括治疗注意力缺陷多动障碍、学习障碍、抑郁症、焦虑症、失眠症等。近年来,随着技术的发展,脑电神经反馈技术得到了更广泛的应用,也发展出了多种变体,如基于脑电的心理应激反应训练、神经可塑性训练、皮层激活训练等。此外,脑电神经反馈在运动表现提高、提高学习成绩、改善抑郁和焦虑等方面也得到了广泛的研究和应用。
2、传统基于机器学习的脑电神经反馈技术主要基于支持向量机、朴素贝叶斯等传统的机器学习算法进行分类和预测。往往需要手动提取特征并进行模型选择,需要更多的人工干预。同时在处理复杂数据时往往容易受到噪声和干扰的影响,从而降低了其性能。这些可能是脑电神经反馈技术在治疗方面出现效果不佳的现有原因。因此,如何提高脑电神经反馈的分类效果,成为一个亟待解决的问题。
技术实现思路
1、为了解决上述技术问题,本发明提供一种基于注意力分频卷积神经网络的脑电神经反馈系统。
2、本发明技术解决方案为:一种基于注意力分频卷积神经网络的脑电神经反馈系统,包括:
3、离线脑电信号采集模块:用于采集受试者在特定线索条件诱发下的脑电信号;
4、脑电信号预处理模块:用于对所述脑电信号进行预处理,获得预处理后的脑电数据;
5、离线模型训练模块:用于对所述预处理后的脑电数据进行训练,获取最优网络模型;
6、神经反馈实时调节模块:用于在神经反馈时,加载所述最优网络模型,得到脑电信号的预测结果,所述受试者基于该预测结果进行实时的自我调节,以达到大脑状态的调节。
7、本发明与现有技术相比,具有以下优点:
8、本发明公开了一种基于注意力分频卷积神经网络的脑电神经反馈系统,解决了现有传统基于机器学习的脑电神经反馈中算法分类性能不佳的问题,有效提取和整合多频段脑电特征,进而提高神经反馈线上实时调节的准确性,实现对大脑认知状态的高精度识别,从而达到更加精准的治疗。
1.一种基于注意力分频卷积神经网络的脑电神经反馈系统,其特征在于,包括:
2.根据权利要求1所述的基于注意力分频卷积神经网络的脑电神经反馈系统,其特征在于,所述离线模型训练模块,具体包括: