CN108836320A - 一种基于嗅觉脑电波进行感官物质分类的方法 - Google Patents

一种基于嗅觉脑电波进行感官物质分类的方法 Download PDF

Info

Publication number
CN108836320A
CN108836320A CN201810320412.1A CN201810320412A CN108836320A CN 108836320 A CN108836320 A CN 108836320A CN 201810320412 A CN201810320412 A CN 201810320412A CN 108836320 A CN108836320 A CN 108836320A
Authority
CN
China
Prior art keywords
brain
carried out
electroencephalogram
smell
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
Application number
CN201810320412.1A
Other languages
English (en)
Inventor
门洪
焦雅楠
石岩
巩芙榕
刘晶晶
房海瑞
韩晓菊
姜文娟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northeast Electric Power University
Original Assignee
Northeast Dianli University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Northeast Dianli University filed Critical Northeast Dianli University
Priority to CN201810320412.1A priority Critical patent/CN108836320A/zh
Publication of CN108836320A publication Critical patent/CN108836320A/zh
Pending legal-status Critical Current

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]
    • 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
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Public Health (AREA)
  • Pathology (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Psychiatry (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Psychology (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (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、基于非线性特性分析对完成预处理的脑电图谱数据进行特征提取，提取其LZC复杂度、样本熵以及谱熵共12维数据作为脑电信号研究中的脑电特征；S4、采用基于遗传算法的支持向量机对步骤S3所得的脑电特征进行模式识别。本发明的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。

Description

一种基于嗅觉脑电波进行感官物质分类的方法
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，本发明的目的在于提供一种基于嗅觉脑电波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：
一种基于嗅觉脑电波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、基于非线性特性分析对完成预处理的脑电图谱数据进行特征提取，提取其LZC复杂度、样本熵以及谱熵共12维数据作为脑电信号研究中的脑电特征；
S4、采用基于遗传算法的支持向量机对步骤S3所得的脑电特征进行模式识别。
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。
本发明可普适于物质的感官评价中，感官评价过程更简洁、更具规范性、严谨性和科学性，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。
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为本发明实施例中7组数据叠加效果图。
图4为小波变换后的结果图。
图5为基于遗传算法的支持向量机的参数寻优示意图。
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)；考虑到采集的电极包含不同的区域，因此进行了电极筛选选择与嗅觉相关的电极；然后对其进行非线性分析，提取Lempel-Ziv复杂度(LZC)、样本熵以及谱熵作为特征值；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。本专利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。
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。
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。
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
脑电信号的特征提取
将上述操作后得到的数据进行非线性分析，提取其LZC复杂度、样本熵以及谱熵共12维数据作为脑电信号研究中的脑电特征。
模式识别方法
本实验中，采用基于遗传算法的支持向量机进行模式识别，测试集分类准确率达83.33％。
如图5所示为基于遗传算法的支持向量机寻找最佳参数的过程，从图中可以看出，针对本实验采集的脑电信号数据而言，当惩罚因子c为1.3962，核函数参数g为0.14896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)

1.一种基于嗅觉脑电波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、基于非线性特性分析对完成预处理的脑电图谱数据进行特征提取，提取其LZC复杂度、样本熵以及谱熵共12维数据作为脑电信号研究中的脑电特征；
S4、采用基于遗传算法的支持向量机对步骤S3所得的脑电特征进行模式识别。
2.如权利要求1所述的一种基于嗅觉脑电波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所述的一种基于嗅觉脑电波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。
CN201810320412.1A 2018-04-02 2018-04-02 一种基于嗅觉脑电波进行感官物质分类的方法 Pending CN108836320A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810320412.1A CN108836320A (zh) 2018-04-02 2018-04-02 一种基于嗅觉脑电波进行感官物质分类的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810320412.1A CN108836320A (zh) 2018-04-02 2018-04-02 一种基于嗅觉脑电波进行感官物质分类的方法

Publications (1)

Publication Number Publication Date
CN108836320A true CN108836320A (zh) 2018-11-20

Family

ID=64212036

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810320412.1A Pending CN108836320A (zh) 2018-04-02 2018-04-02 一种基于嗅觉脑电波进行感官物质分类的方法

Country Status (1)

Country Link
CN (1) CN108836320A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112493998A (zh) * 2020-12-09 2021-03-16 北京意图科技有限公司 嗅觉感官评估方法和系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101690659A (zh) * 2009-09-29 2010-04-07 华东理工大学 脑电波分析方法
CN103767702A (zh) * 2014-01-16 2014-05-07 天津大学 一种脑电非线性双测度特征提取与融合处理方法
CN103989485A (zh) * 2014-05-07 2014-08-20 朱晓斐 基于脑电波的人体疲劳度评价方法
CN104545949A (zh) * 2014-09-29 2015-04-29 浙江普可医疗科技有限公司 一种基于脑电的麻醉深度监测方法
CN106345034A (zh) * 2016-11-09 2017-01-25 武汉智普天创科技有限公司 基于脑电采集终端的用于认知情绪调节的装置
CN107157477A (zh) * 2017-05-24 2017-09-15 上海交通大学 脑电信号特征识别系统及方法
CN107850940A (zh) * 2015-07-08 2018-03-27 三星电子株式会社 情感评估

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101690659A (zh) * 2009-09-29 2010-04-07 华东理工大学 脑电波分析方法
CN103767702A (zh) * 2014-01-16 2014-05-07 天津大学 一种脑电非线性双测度特征提取与融合处理方法
CN103989485A (zh) * 2014-05-07 2014-08-20 朱晓斐 基于脑电波的人体疲劳度评价方法
CN104545949A (zh) * 2014-09-29 2015-04-29 浙江普可医疗科技有限公司 一种基于脑电的麻醉深度监测方法
CN107850940A (zh) * 2015-07-08 2018-03-27 三星电子株式会社 情感评估
CN106345034A (zh) * 2016-11-09 2017-01-25 武汉智普天创科技有限公司 基于脑电采集终端的用于认知情绪调节的装置
CN107157477A (zh) * 2017-05-24 2017-09-15 上海交通大学 脑电信号特征识别系统及方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
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 (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112493998A (zh) * 2020-12-09 2021-03-16 北京意图科技有限公司 嗅觉感官评估方法和系统
CN112493998B (zh) * 2020-12-09 2021-12-21 北京意图科技有限公司 嗅觉感官评估方法和系统

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
Becker et al. Emotion recognition based on high-resolution EEG recordings and reconstructed brain sources
Mohan et al. Artificial neural network for classification of depressive and normal in EEG
Retter et al. Uncovering the neural magnitude and spatio-temporal dynamics of natural image categorization in a fast visual stream
US7570991B2 (en) Method for real time attitude assessment
CN107463792B (zh) 神经反馈装置、系统及方法
Hajcak et al. Attending to affect: appraisal strategies modulate the electrocortical response to arousing pictures.
JPS63226340A (ja) 脳神経活動の位置と内部域の時間的関係を表示する方法とその装置
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
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
CN113576498B (zh) 基于脑电信号的视听觉美学评价方法及系统
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
CN108836320A (zh) 一种基于嗅觉脑电波进行感官物质分类的方法
Du et al. Power spectral performance analysis of EEG during emotional auditory experiment
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
CN108420430A (zh) 一种基于嗅觉脑电波和pso-svm的感官物质分类方法
Bahramali et al. Fast and slow reaction time changes reflected in ERP brain function
Cho et al. An investigation of the influences of noise on EEG power bands and visual cognitive responses for human-oriented product design
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
CN108836326A (zh) 一种基于嗅觉脑电波和小波包进行感官物质分类的方法
Pandey et al. Human Cognitive Features to Define Correlation Between Depression and Internet Gaming Disorder

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: 20181120