科创中国

本发明公开了一种基于注意力机制的多通道锋电位分类方法及相关设备，所述方法包括：通过电极获取多个神经元发放的多通道电信号，对多通道电信号进行放大和解调处理，得到所需要的神经元发放的数字信号；对数字信号进行带通滤波，并进行锋值查找得到锋电位；对锋电位进行数据增强处理后得到五种增强数据，使用锋电位和五种增强数据对基于注意力机制的神经网络模型进行训练；针对新采集的经过带通滤波后的目标数字信号，得到目标多通道锋电位，基于训练好的基于注意力机制的神经网络模型所述目标多通道锋电位进行分类并输出分类概率。本发明使得训练好的基于注意力机制的神经网络模型能够快速输出多通道锋电位的分类概率，得到了极高的分类准确率。

权利要求 1.一种基于注意力机制的多通道锋电位分类方法，其特征在于，所述基于注意力机制的多通道锋电位分类方法包括： 通过电极获取多个神经元发放的多通道电信号，对所述多通道电信号进行放大和解调处理，得到所需要的神经元发放的数字信号； 对所述数字信号进行带通滤波，对带通滤波完的所述数字信号进行锋值查找得到锋电位； 对所述锋电位进行数据增强处理后得到五种增强数据，使用所述锋电位和五种增强数据对基于注意力机制的神经网络模型进行训练，得到训练好的基于注意力机制的神经网络模型； 针对新采集的经过带通滤波后的目标数字信号，在电极的每个通道按照本通道的阈值查找锋电位，如果检测到一个通道出现锋电位，则将所有通道相同时间点的全部采样点全部截取下来得到目标多通道锋电位，基于训练好的基于注意力机制的神经网络模型根据所述目标多通道锋电位进行分类，并输出所述多通道目标锋电位的分类概率。

神经脉冲(动作电位)是由生物的神经元产生，由多个动作电位的时间序列被称为其“脉冲序列”。神经细胞发出动作电位或神经脉冲的过程被称为“神经发放”(neuronalfiring)。

神经元受到刺激会产生电信号，这个就被称呼动作电位，也可以称为锋电位。而锋电位排序就是，由于大脑内部会有多个神经元在不同时刻发放电信号，而会被电极采集到，这个时候需要把某一个锋电位正确分配给产生它的神经元，这就被称为锋电位排序。

现有技术在进行锋电位分类时，分为两类，使用监督算法进行多通道锋电位分类和使用无监督算法进行多通道锋电位分类，其中，监督算法进行多通道锋电位，就是要对多通道锋电位进行标注，意思就是在放进模型训练之前，已经知道哪些多通道锋电位是一类的，哪些多通道锋电位不是一类的，缺点是需要大量的标注数据，浪费大量的人力物力，而且对噪声和干扰敏感；无监督算法：顾名思义，不需要对多通道锋电位进行标注，模型训练的时候，是不知道哪些多通道锋电位是一类的，就靠模型自己提取特征，然后通过kmeans进行聚类。另外，现有的基于深度学习的锋电位分类方法，需要大量的标注数据和计算资源，而且对于噪声和干扰敏感。基于多通道之间信息补偿的多通道锋电位检测与分类算法，对于形状相似但时间差异较小的锋电位信号，分类错误率较高。基于小波变换和支持向量机的锋电位分类方法，对于信噪比低或者有重叠锋电位信号的情况，分类效果较差。

因此，现有技术还有待于改进和发展。

中国科学院深圳先进技术研究院提升了粤港地区及我国先进制造业和现代服务业的自主创新能力，推动我国自主知识产权新工业的建立，成为国际一流的工业研究院。 深圳先进院目前已初步构建了以科研为主的集科研、教育、产业、资本为一体的微型协同创新生态系统，由九个研究平台，国科大深圳先进技术学院，多个特色产业育成基地、多支产业发展基金、多个具有独立法人资质的新型专业科研机构等组成。开展先进技术研究，促进科技发展。信息、电子、通讯技术研究新材料、新能源技术研究高性能计算、自动化、精密机械研究生物医学与医疗仪器研究相关学历教育、博士后培养与学术交流。

本发明中，通过电极获取多个神经元发放的多通道电信号，对所述多通道电信号进行放大和解调处理，得到所需要的神经元发放的数字信号；对所述数字信号进行带通滤波，对带通滤波完的所述数字信号进行锋值查找得到锋电位；对所述锋电位进行数据增强处理后得到五种增强数据，使用所述锋电位和五种增强数据对基于注意力机制的神经网络模型进行训练，得到训练好的基于注意力机制的神经网络模型；针对新采集的经过带通滤波后的目标数字信号，在电极的每个通道按照本通道的阈值查找锋电位，如果检测到一个通道出现锋电位，则将所有通道相同时间点的全部采样点全部截取下来得到目标多通道锋电位，基于训练好的基于注意力机制的神经网络模型根据所述目标多通道锋电位进行分类，并输出所述多通道目标锋电位的分类概率。本发明将注意力机制引入到多通道锋电位分类中，对多通道锋电位的数据进行了增强，从而使得训练好的基于注意力机制的神经网络模型能够快速输出多通道锋电位的分类概率，最终可以得到极高的分类准确率。

技术合作

综上所述，本发明提供一种基于注意力机制的多通道锋电位分类方法及相关设备，所述方法包括：通过电极获取多个神经元发放的多通道电信号，对所述多通道电信号进行放大和解调处理，得到所需要的神经元发放的数字信号；对所述数字信号进行带通滤波，对带通滤波完的所述数字信号进行锋值查找得到锋电位；对所述锋电位进行数据增强处理后得到五种增强数据，使用所述锋电位和五种增强数据对基于注意力机制的神经网络模型进行训练，得到训练好的基于注意力机制的神经网络模型；针对新采集的经过带通滤波后的目标数字信号，在电极的每个通道按照本通道的阈值查找锋电位，如果检测到一个通道出现锋电位，则将所有通道相同时间点的全部采样点全部截取下来得到目标多通道锋电位，基于训练好的基于注意力机制的神经网络模型根据所述目标多通道锋电位进行分类，并输出所述多通道目标锋电位的分类概率。本发明将注意力机制引入到多通道锋电位分类中，对多通道锋电位的数据进行了增强，从而使得训练好的基于注意力机制的神经网络模型能够快速输出多通道锋电位的分类概率，最终可以得到极高的分类准确率。

需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者终端中还存在另外的相同要素。

当然，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关硬件(如处理器，控制器等)来完成，所述的程序可存储于一计算机可读取的计算机可读存储介质中，所述程序在执行时可包括如上述各方法实施例的流程。其中所述的计算机可读存储介质可为存储器、磁碟、光盘等。

应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。