CN108403112A - 基于嗅觉脑电波和gs-svm进行感官物质分类的方法 - Google Patents
基于嗅觉脑电波和gs-svm进行感官物质分类的方法 Download PDFInfo
- Publication number
- CN108403112A CN108403112A CN201810320414.0A CN201810320414A CN108403112A CN 108403112 A CN108403112 A CN 108403112A CN 201810320414 A CN201810320414 A CN 201810320414A CN 108403112 A CN108403112 A CN 108403112A
- Authority
- CN
- China
- Prior art keywords
- svm
- brain
- smell
- carried out
- brain wave
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
- A61B5/377—Electroencephalography [EEG] using evoked responses
- A61B5/381—Olfactory or gustatory stimuli
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
- A61B5/372—Analysis of electroencephalograms
- A61B5/374—Detecting the frequency distribution of signals, e.g. detecting delta, theta, alpha, beta or gamma waves
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7253—Details of waveform analysis characterised by using transforms
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Pathology (AREA)
- Animal Behavior & Ethology (AREA)
- Psychiatry (AREA)
- Veterinary Medicine (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Psychology (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一种基于嗅觉脑电波和GS‑SVM进行感官物质分类的方法,包括如下步骤:S1、利用脑‑机接口系统即脑电仪对应试者进行脑电图谱信息获取;S2、对所获取的脑电图谱数据进行预处理;S3、基于线性特性与非线性特性分析对完成预处理的图谱数据进行特征提取,包括:α、β、θ频段的峰值、均值、标准差、中心值、中心频率以及功率和以及LZC复杂度共76维数据作为脑电信号研究中的脑电特征;S4、采用网格式搜索支持向量机(GS‑SVM)进行模式识别。本发明真实还原应试者在品评过程中的人脑信息处理过程的生理形态,这在临床医学和认知科学领域具有极其重要的意义,可普适于物质的感官评价中,使感官评价过程更简洁、更具规范性、严谨性和科学性。
Description
技术领域
本发明涉及感官物质分类技术领域,具体涉及一种基于嗅觉脑电波和GS-SVM进行感官物质分类的方法。
背景技术
感官评价是集现代生理学、心理学、统计学等学科逐步发展、成熟起来的一门交叉的边缘学科,在整个评价体系中感官专业人员在对新产品开发、基础研究、配料和工艺的调整、降低成本、品质保证和产品优化等评价工作中起到了决定性作用。随着科学技术的发展,越来越多的用于分析风味物质的精密仪器应运而生,但是仅仅依靠仪器分析并不能完全反应人体的真实感觉,因此人体感官评价仍然占有重要的地位。在感官评价过程中,需要人员亲自参与到视觉、嗅觉、味觉等感觉器官的运用中,容易受到日常生活习惯以及饮食情况的干扰,给出的感观评价结果经过大脑的思考,掺杂了个人的主观因素,因此具有一定的主观性,重复性差。
脑电信号是人体的一种基本生物信号,是记录大脑活动的有效方式,能够客观、真实地反映人体生理状态,可用于精神疾病的辅助诊断,包括帕金森病、阿尔茨海默病、威尔逊病、癫痫、脑肿瘤以及精神分裂症等。作为神经功能和生理评估的客观指标,通过观察脑电信号(EEG)可以帮助我们直接理解与心理、生理状态有关的电生理变化,通过对异常表现的观察来确定可能发生的病变。
发明内容
基于上述分析,本发明提供了一种基于嗅觉脑电波和GS-SVM进行感官物质分类的方法。
为实现上述目的,本发明采取的技术方案为:
基于嗅觉脑电波和GS-SVM进行感官物质分类的方法,包括如下步骤:
S1、利用脑-机接口系统即脑电仪对应试者进行脑电图谱信息获取;
S2、对所获取的脑电图谱数据进行预处理;
S3、基于线性特性与非线性特性分析对完成预处理的图谱数据进行特征提取,包括:α、β、θ频段的峰值、均值、标准差、中心值、中心频率以及功率和以及LZC复杂度共76维数据作为脑电信号研究中的脑电特征;
S4、采用网格式搜索支持向量机(GS-SVM)进行模式识别。
其中,所述脑电数据的预处理至少包括删除坏区处理;滤除50Hz工频干扰;数据叠加平均处理和小波变换降噪处理。
其中,电极的位置按照国际标准导联10-20系统安放,选择与嗅觉相关的Fp1、F3、F7、Fz电极所对应的脑电图谱数据。
本发明真实还原应试者在品评过程中的人脑信息处理过程的生理形态,这在临床医学和认知科学领域具有极其重要的意义,可普适于物质的感官评价中,使感官评价过程更简洁、更具规范性、严谨性和科学性。
附图说明
图1为本发明实施例中的数据处理流程图。
图2为滤除50Hz工频干扰效果图。
图3为7组数据叠加效果图。
图4为小波变换后的结果图。
图5为本发明实施例中参数精细选择结果图。
图中:(a)为参数选择结果图(等高线图),(b)参数选择结果图(3D视图)。
具体实施方式
为了使本发明的目的及优点更加清楚明白,以下结合实施例对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例
材料和方法:选择3种不同品牌(青岛、蓝带、哈尔滨)的啤酒,其酒精浓度与原料如下表1所示:
表1 3种不同品牌的啤酒样本
在嗅觉脑电信号分析方面,所采用的脑电信号是实验室自采数据,采集到原始脑电信号之后,首先进行脑电预处理(包括删除坏区,滤除50Hz工频干扰,数据叠加平均、小波变换等步骤);然后对其进行线性分析以及非线性分析,将分频段得到的峰值、均值、标准差、中心值、中心频率以及功率和以及LZC复杂度作为特征值;考虑到采集的电极包含不同的区域因此进行了电极筛选;最后将选择的特征值送入到相应的分类器,得到最终的分类准确率。
本发明数据处理流程图如图1所示。
本实验采用的是NCERP系列脑电图与诱发电位仪,按照10-20国际脑电系统安放脑电采集频率DC-50Hz,采样频率256Hz,最多可以获得36通道数据(本实验获得24通道数据),分别代表了被试不同脑区的生物电信号。
为了让被试能够集中精力的完成实验,采集脑电信号需要严格的实验环境,例如安静且要保持微弱的光线。
1.信号采集实验流程
本次实验中,选择年龄在23-26岁之间、右利手,没有任何呼吸疾病、心理疾病以及慢性疾病的被试。让被试处于舒适的状态,实时观察被试的脑电信号,待其脑电信号处于稳定状态时,发出嗅觉刺激手势,实验者从3种样本中随机选取一个轻轻放置在被试鼻子下方1-2cm处并保持2s的刺激,使被试能够充分接受嗅觉刺激,脑电信号做出相应的响应。一次实验结束之后,实验室开窗通风,被试充分休息1-2min之后重复上述的实验操作。
实验采集期间需要注意以下注意事项:
采集前,被试保持头脑清醒,并在开始脑电信号采集之前用中性洗发水清洗头发,以免因油脂过高使头皮电阻过大而使波形失真。同时,向被试简单介绍实验内容,解释清楚该项实验是无损伤无痛苦的,消除因其精神状态影响脑电采集结果的影响。
采集中,被试戴眼罩、耳塞,使其减少眨眼、眼球移动等动作,并且被试保持舒适的姿态,无任何肢体动作发生,防止脑电中混有过多的肌电。同时,实验人员控制好实验进行的时间,防止被试出现疲劳或厌烦情绪。在实验间隔休息过程中,主动和被试沟通,确保被试保持愉悦的状态。
2.脑电数据的预处理
由于采集到的脑电信号混合多种脑电(诱发脑电、伪迹、自发脑电、噪声等),所以在进行嗅觉脑电的识别之前,需要对原始脑电信号进行预处理,由此得到有用的脑电信号。
脑电数据的预处理包括(1)滤除50Hz工频干扰,使其降低噪声背景对信号的污染,改善信噪比,保留原始信号的真实性,滤除50Hz工频干扰后的结果如图2所示;(2)数据叠加平均,由于脑电信号是一种非线性非平稳的复杂生理脑电信号,通过叠加平均,可以将无规律的自发性脑电信号抵消,有规律的诱发脑电信号进行增强,实现脑电信号时域信息可视化。本实验中,将实验得到的数据进行7组叠加平均,数据叠加效果图如图3所示;(3)小波变换方法进行降噪,降噪效果如图4所示。
3.电极的选择
电极的位置按照国际标准导联10-20系统安放,如表2所示。嗅觉和味觉记忆中,可以观察到额叶前部和边缘叶间的相互作用。进行长期气味识别过程中,眶额叶区域和双侧颞叶皮层被激活。在短期气味识别中,右侧颞叶被激活。在本实验中,选择与嗅觉相关的Fp1、F3、F7、Fz电极进行分析。
表2 10-20电极系统电极匹配表名称
4.脑电信号的特征提取
将上述操作后得到的数据进行线性分析,即提取其线性特征值,包括:α、β、θ频段的峰值、均值、标准差、中心值、中心频率以及功率和以及LZC复杂度共76维数据作为脑电信号研究中的脑电特征。
5.模式识别方法
本实验中,采用网格式搜索方法的支持向量机方法(GS-SVM)进行模式识别,测试集分类准确率达83.33%。如图5所示为基于寻找最佳参数的过程,图中,x轴表示c取以2为底的对数后的值,y轴表示g取以2为底的对数后的值,等高线表示取相应的c和g后对应的准确率。由图可以看出,最佳参数是c=2,g=0.70711,对应的准确率为75%。从图中可以看出,当惩罚因子c为2,核函数参数g为0.70711时,5倍交叉验证准确率达75%。
由此可以看出,基于嗅觉脑电波的方法能够将不同品牌的啤酒进行分类,因此该方法可普适于物质的感官评价中,对新产品开发、基础研究、配料和工艺的调整、降低成本、品质保证和产品优化等评价工作具有重要作用。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理的前提下,还可以作出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (3)
1.基于嗅觉脑电波和GS-SVM进行感官物质分类的方法,其特征在于,包括如下步骤:
S1、利用脑-机接口系统即脑电仪对应试者进行脑电图谱信息获取;
S2、对所获取的脑电图谱数据进行预处理;
S3、基于线性特性与非线性特性分析对完成预处理的图谱数据进行特征提取,包括:α、β、θ频段的峰值、均值、标准差、中心值、中心频率以及功率和以及LZC复杂度共76维数据作为脑电信号研究中的脑电特征;
S4、采用网格式搜索支持向量机(GS-SVM)进行模式识别。
2.如权利要求1所述的基于嗅觉脑电波和GS-SVM进行感官物质分类的方法,其特征在于,所述脑电数据的预处理至少包括删除坏区处理;滤除50Hz工频干扰;数据叠加平均处理和小波变换降噪处理。
3.如权利要求1所述的基于嗅觉脑电波和GS-SVM进行感官物质分类的方法,其特征在于,电极的位置按照国际标准导联10-20系统安放,选择与嗅觉相关的Fp1、F3、F7、Fz电极所对应的脑电图谱数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810320414.0A CN108403112A (zh) | 2018-04-02 | 2018-04-02 | 基于嗅觉脑电波和gs-svm进行感官物质分类的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810320414.0A CN108403112A (zh) | 2018-04-02 | 2018-04-02 | 基于嗅觉脑电波和gs-svm进行感官物质分类的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108403112A true CN108403112A (zh) | 2018-08-17 |
Family
ID=63135348
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810320414.0A Pending CN108403112A (zh) | 2018-04-02 | 2018-04-02 | 基于嗅觉脑电波和gs-svm进行感官物质分类的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108403112A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111476295A (zh) * | 2020-04-07 | 2020-07-31 | 金陵科技学院 | 一种基于gs-lssvm的多通道生理信号体感姿势识别方法 |
CN111528798A (zh) * | 2020-04-27 | 2020-08-14 | 湖北中医药高等专科学校 | 一种医疗五官科用嗅觉检测系统及方法 |
CN112233805A (zh) * | 2020-10-14 | 2021-01-15 | 河北工业大学 | 基于多图谱神经影像学数据进行生物标志物的挖掘方法 |
CN113378755A (zh) * | 2021-06-24 | 2021-09-10 | 浙江大学 | 基于等高线地图的气相离子迁移谱数据谱峰自动识别方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105852885A (zh) * | 2016-03-23 | 2016-08-17 | 陕西师范大学 | 基于改进超限学习机的n400诱发电位测谎方法 |
CN106897656A (zh) * | 2015-12-17 | 2017-06-27 | 中国科学院深圳先进技术研究院 | 基于运动想象的脑机接口训练方法及装置 |
CN106963370A (zh) * | 2017-03-27 | 2017-07-21 | 广州视源电子科技股份有限公司 | 一种基于支持向量机的脑电放松度识别方法及装置 |
CN107015660A (zh) * | 2017-05-11 | 2017-08-04 | 京东方科技集团股份有限公司 | 检测装置和检测方法 |
CN107080545A (zh) * | 2017-03-23 | 2017-08-22 | 兰州大学 | 一种基于脑电的测谎系统 |
-
2018
- 2018-04-02 CN CN201810320414.0A patent/CN108403112A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106897656A (zh) * | 2015-12-17 | 2017-06-27 | 中国科学院深圳先进技术研究院 | 基于运动想象的脑机接口训练方法及装置 |
CN105852885A (zh) * | 2016-03-23 | 2016-08-17 | 陕西师范大学 | 基于改进超限学习机的n400诱发电位测谎方法 |
CN107080545A (zh) * | 2017-03-23 | 2017-08-22 | 兰州大学 | 一种基于脑电的测谎系统 |
CN106963370A (zh) * | 2017-03-27 | 2017-07-21 | 广州视源电子科技股份有限公司 | 一种基于支持向量机的脑电放松度识别方法及装置 |
CN107015660A (zh) * | 2017-05-11 | 2017-08-04 | 京东方科技集团股份有限公司 | 检测装置和检测方法 |
Non-Patent Citations (1)
Title |
---|
ANURADHA SAHA ET AL.: "Olfaction Recognition by EEG Analysis Using Differential Evolution Induced Hopfield Neural Net", 《THE 2013 INTERNATIONAL JOINT CONFERENCE ON NEURAL NETWORKS (IJCNN)》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111476295A (zh) * | 2020-04-07 | 2020-07-31 | 金陵科技学院 | 一种基于gs-lssvm的多通道生理信号体感姿势识别方法 |
CN111528798A (zh) * | 2020-04-27 | 2020-08-14 | 湖北中医药高等专科学校 | 一种医疗五官科用嗅觉检测系统及方法 |
CN112233805A (zh) * | 2020-10-14 | 2021-01-15 | 河北工业大学 | 基于多图谱神经影像学数据进行生物标志物的挖掘方法 |
CN112233805B (zh) * | 2020-10-14 | 2022-03-01 | 河北工业大学 | 基于多图谱神经影像学数据进行生物标志物的挖掘方法 |
CN113378755A (zh) * | 2021-06-24 | 2021-09-10 | 浙江大学 | 基于等高线地图的气相离子迁移谱数据谱峰自动识别方法 |
CN113378755B (zh) * | 2021-06-24 | 2022-06-24 | 浙江大学 | 基于等高线地图的气相离子迁移谱数据谱峰自动识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Khosla et al. | A comparative analysis of signal processing and classification methods for different applications based on EEG signals | |
Mohan et al. | Artificial neural network for classification of depressive and normal in EEG | |
CN109224242B (zh) | 基于vr交互的心理放松系统及方法 | |
Sreenivasan et al. | Selective attention supports working memory maintenance by modulating perceptual processing of distractors | |
CN108403112A (zh) | 基于嗅觉脑电波和gs-svm进行感官物质分类的方法 | |
CN108542385A (zh) | 一种利用嗅觉脑电波进行感官风味物质分类的方法 | |
Kaiser | What is quantitative EEG? | |
Eidelman-Rothman et al. | Prior exposure to extreme pain alters neural response to pain in others | |
Akdeniz | Brain activity underlying face and face pareidolia processing: an ERP study | |
CN113180650A (zh) | 近红外脑成像图谱识别方法 | |
CN112426162A (zh) | 一种基于脑电信号节律熵的疲劳检测方法 | |
Trochidis et al. | EEG-based emotion perception during music listening | |
CN109567831A (zh) | 一种视觉认知神经机制下产品的偏好意象识别系统和方法 | |
Huang | Recognition of psychological emotion by EEG features | |
Daneshi Kohan et al. | EEG/PPG effective connectivity fusion for analyzing deception in interview | |
Eulitz et al. | Magnetic brain activity evoked and induced by visually presented words and nonverbal stimuli | |
Begum et al. | Influence of education level on design-induced N170 and P300 components of event related potentials in the human brain | |
Dalenberg et al. | Physiological measurements: EEG and fMRI | |
CN108420430A (zh) | 一种基于嗅觉脑电波和pso-svm的感官物质分类方法 | |
CN111671421A (zh) | 一种基于脑电图的儿童需求感知方法 | |
CN108836325A (zh) | 一种基于嗅觉脑电波和随机森林进行感官物质分类的方法 | |
CN108836320A (zh) | 一种基于嗅觉脑电波进行感官物质分类的方法 | |
Lin et al. | Neurophysiological markers of identifying regret by 64 channels EEG signal | |
Bjørge et al. | Identification of EEG-based signature produced by visual exposure to the primary colors RGB | |
CN108814596A (zh) | 一种基于嗅觉脑电波和rf的感官物质分类的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180817 |