CN114129169B - 一种生物电信号数据识别方法、系统、介质和设备 - Google Patents

Abstract

本发明属于生物电信号处理技术领域，涉及一种生物电信号数据识别方法、系统、介质和设备，包括：采集生物电信号数据，形成数据库；采用生物电信号数据对数据识别模型进行训练，以获得最优模型；采集新的生物电信号数据，并将新的生物电信号数据输入最优模型，获得识别结果；判断识别结果是否正确，并对不正确的结果进行修正；将经过修正的识别结果及其对应数据加入数据库，以对数据库进行更新，通过已更新的数据库对最优模型进行训练，获得经过优化的模型，对数据识别模型进行多次优化，直至获得符合要求的最终模型；将待识别生物电信号数据输入最终模型进行识别。其能够更加准确的对生物电信号数据进行提取，获得更加准确的识别效果。

Description

一种生物电信号数据识别方法、系统、介质和设备

技术领域

本发明涉及一种生物电信号数据识别方法、系统、介质和设备，属于生物电信号处理技术领域。

背景技术

生物电信号是由生物体内各种神经细胞自发地或在各自刺激下产生的电脉冲，是生物体内最重要的物理信号。人体中的生理参数能够反应人体健康情况，能够用于初期疾病诊断。生物电信号有多种类型，如心电信号能够反应正常和病理情况下心脏的电生理特征，可用于检测心律失常、心肌缺血和心肌梗死等多种疾病。

人工智能技术利用现有的仪器采集生物序列信号，对其进行自动分析和诊断。有效的机器学习方法，如支持向量机、神经网络模型、多层感知机等等，都能够对信号进行分类判别，这些方法在建模前，都要进行信号的预处理，对于特定的分类任务，人工提取的特征不能够满足机器智能学习分类任务的需求，且对于某些变化较小、不易察觉的异常搏动通过机器学习模型不易特征提取，容易被忽略。

发明内容

针对上述问题，本发明的目的是提供一种生物电信号数据识别方法、系统、介质和设备，其能够更加准确的对生物电信号数据进行提取，获得更加准确的识别效果。

为实现上述目的，本发明提出了以下技术方案：一种生物电信号数据识别方法，包括：采集生物电信号数据，形成数据库；采用生物电信号数据对数据识别模型进行训练，以获得最优模型；采集新的生物电信号数据，并将新的生物电信号数据输入最优模型，获得识别结果；判断识别结果是否正确，并对不正确的结果进行修正；将经过修正的识别结果及其对应数据加入数据库，以对数据库进行更新，通过已更新的数据库对最优模型进行训练，获得经过优化的模型，对数据识别模型进行多次优化，直至获得符合要求的最终模型；将待识别生物电信号数据输入最终模型进行识别。

进一步，生物电信号包括：脑电信号、心电信号、肌肉电信号和皮肤表面的肌电电信号。

进一步，采集生物电信号数据的方法为：将各种不同的生物电信号分为若干模式，并设定模式标签，启动其中一种模式的生物电信号采集，通过传感器采集多通道的生物电信号数据，检查数据是否正常，若否则重新采集，若是则将采集的电信号数据与模式标签融合，并完成本组数据采集。

进一步，对数据识别模型进行训练的方法为：选定数据识别模型，确定数据识别模块的结构及初始参数，输入数据库中带有模式标签的生物电信号数据进行模型训练，判断模型输出结果是否满足预设条件，若没有达到预设条件重复上述模型训练步骤，直至模型输出符合预设条件，输出最优模型。

进一步，数据识别模型为支持向量机模型、神经网络模型或多层感知机模型。

进一步，判断识别结果是否正确：数据识别模型对采集到的多通道生物电信号数据，每隔固定时间段对生物电信号进行识别，将识别结果与其对应生物电信号的模式标签进行对比，如果二者不同，则判断识别结果错误，同时人工输入生物电信号的模式标签；如果二者相同，则标记本次识别结果正确。

本发明还公开了一种生物电信号数据识别系统，包括：数据库生成模块，用于采集生物电信号数据，形成数据库；模型训练模块，用于采用生物电信号数据对数据识别模型进行训练，以获得最优模型；识别结果判断模块，用于采集新的生物电信号数据，并将新的生物电信号数据输入最优模型，获得识别结果；判断识别结果是否正确，并对不正确的结果进行修正；模型优化模块，用于将经过修正的识别结果及其对应数据加入数据库，以对数据库进行更新，通过已更新的数据库对最优模型进行训练，获得经过优化的模型，对数据识别模型进行多次优化，直至获得符合要求的最终模型；识别模块，用于将待识别生物电信号数据输入最终模型进行识别。

进一步，判断识别结果是否正确：数据识别模型对采集到的多通道生物电信号数据，每隔固定时间段对生物电信号进行识别，将识别结果与其对应生物电信号的模式标签进行对比，如果二者不同，则判断识别结果错误，同时人工输入生物电信号的模式标签；如果二者相同，则标记本次识别结果正确。

本发明还公开了一种存储一个或多个程序的计算机可读存储介质，一个或多个程序包括指令，指令当由计算设备执行时，使得计算设备执行根据上述任一项的生物电信号数据识别方法。

本发明还公开了一种计算设备，包括：一个或多个处理器、存储器以及一个或多个程序，其中一个或多个程序存储在存储器中并被配置为由一个或多个处理器执行，一个或多个程序包括用于执行根据上述任一项的生物电信号数据识别方法。

本发明由于采取以上技术方案，其具有以下优点：

1、本方案通过对机器学习模型进行反复训练，能够对比较细微的生物电信号变化进行提取，通过将识别后的结果重新输入模型进行训练，可以进一步提高模型的准确性。

2、由于本方案识别结果准确，可以对微小的生物电信号进行识别分析，可以更好的对与电信号对应的身体状况进行分析，获得更加准确的分析结果。

附图说明

图1是本发明一实施例中生物电信号数据识别方法的示意图；

图2是本发明一实施例中采集生物电信号数据方法的示意图；

图3是本发明一实施例中模型训练方法的示意图；

图4是本发明一实施例中模型优化方法的示意图。

具体实施方式

为了使本领域技术人员更好的理解本发明的技术方向，通过具体实施例对本发明进行详细的描绘。然而应当理解，具体实施方式的提供仅为了更好地理解本发明，它们不应该理解成对本发明的限制。在本发明的描述中，需要理解的是，所用到的术语仅仅是用于描述的目的，而不能理解为指示或暗示相对重要性。

本发明涉及一种生物电信号数据识别方法、系统、介质和设备，包括，对生物信号数据采集，采用采集到的生物信号数据对模型进行训练，采用训练好的模型对新的生物信号进行识别，对识别结果进行判断，记录正确的识别结果，将正确的识别结果和对应的生物信号数据进行融合，并加入到对模型进行训练的数据库中，对模型进行多次训练，以不断提升模型训练的数据量，进而提升模型精度。下面结合附图，对本发明的方案进行详细说明。

实施例一

本实施例公开了一种生物电信号数据识别方法，如图1所示，包括：

S1采集生物电信号数据，形成数据库，生物电信号包括但不限于脑电信号、心电信号、肌肉电信号和皮肤表面的肌电电信号。

如图2所示，将各种不同的生物电信号分为若干模式，预设并定义不同生物信号数据进行模式标签类别划分，并设定模式标签，启动其中一种模式的生物电信号采集，被测人员按照对应的模式标签触发人体的动作或反应，通过传感器采集多通道的生物电信号数据，检查数据是否正常，若否则重新采集，若是则将采集的电信号数据与模式标签融合，并完成本组数据采集。判断是否继续采集数据如继续采集则重新启动另一种模式并重复上述步骤，如不继续采集则输出采集到的全部带有模式标签的生物信号数据。

S2采用生物电信号数据对数据识别模型进行训练，以获得最优模型。

如图3所示，选定数据识别模型，确定数据识别模块的结构及初始参数，输入数据库中带有模式标签的生物电信号数据进行模型训练，判断模型输出结果是否满足预设条件，若没有达到预设条件重复上述模型训练步骤，直至模型输出符合预设条件，输出最优模型。本实施例中数据识别模型可以为支持向量机模型、神经网络模型或多层感知机模型，但不限于上述模型。

S3采集新的生物电信号数据，并将新的生物电信号数据输入最优模型，获得识别结果。

采集多通道的生物信号数据，将该生物信号数据输入最优模型，每隔固定t时间段对生物信号数据进行识别，输出识别结果。

S4判断识别结果是否正确，并对不正确的结果进行修正。

S5将经过修正的识别结果及其对应数据加入数据库，以对数据库进行更新，通过已更新的数据库对最优模型进行训练，获得经过优化的模型，对数据识别模型进行多次优化，直至获得符合要求的最终模型；将待识别生物电信号数据输入最终模型进行识别。

如图4所示，判断识别结果是否正确的方法为：数据识别模型对采集到的多通道生物电信号数据，每隔固定时间段对生物电信号进行识别，将识别结果与其对应生物电信号的模式标签进行对比，如果二者不同，则判断识别结果错误，同时人工输入生物电信号的模式标签，将生物电信号与其对应的模式标记进行融合并存储；如果二者相同，则标记本次识别结果正确，并对上一个预测结果所对应的时间段的数据标识正确的模式标签，将生物信号与正确的标签数据相融合储存为一个有效的数据样本。按照设置的预测错误强化系数对修正后的生物电信号数据进行倍增。完成一次识别之后判断识别过程是否已经完成，如果未完成，则重复上述步骤，直至完成识别过程。如果已经完成，则输出存储正确的生物信号样本数据。

实施例二

基于相同的发明构思，本实施例公开了一种生物电信号数据识别系统，包括：

数据库生成模块，用于采集生物电信号数据，形成数据库；

模型训练模块，用于采用生物电信号数据对数据识别模型进行训练，以获得最优模型；

识别结果判断模块，用于采集新的生物电信号数据，并将新的生物电信号数据输入最优模型，获得识别结果；

判断识别结果是否正确，并对不正确的结果进行修正；

模型优化模块，用于将经过修正的识别结果及其对应数据加入数据库，以对数据库进行更新，通过已更新的数据库对最优模型进行训练，获得经过优化的模型，对数据识别模型进行多次优化，直至获得符合要求的最终模型；

识别模块，用于将待识别生物电信号数据输入最终模型进行识别。

判断识别结果是否正确：数据识别模型对采集到的多通道生物电信号数据，每隔固定时间段对生物电信号进行识别，将识别结果与其对应生物电信号的模式标签进行对比，如果二者不同，则判断识别结果错误，同时人工输入生物电信号的模式标签；如果二者相同，则标记本次识别结果正确。

实施例三

基于相同的发明构思，本实施例公开了一种存储一个或多个程序的计算机可读存储介质，一个或多个程序包括指令，指令当由计算设备执行时，使得计算设备执行根据上述任一项的生物电信号数据识别方法。

实施例四

基于相同的发明构思，本实施例公开了一种计算设备，包括：一个或多个处理器、存储器以及一个或多个程序，其中一个或多个程序存储在存储器中并被配置为由一个或多个处理器执行，一个或多个程序包括用于执行根据上述任一项的生物电信号数据识别方法。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。

最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替换，其均应涵盖在本发明的权利要求保护范围之内。上述内容仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (6)

1.一种生物电信号数据识别方法，其特征在于，包括：

采集生物电信号数据，形成数据库；

将各种不同的生物电信号分为若干模式，预设并定义不同生物信号数据进行模式标签类别划分，并设定模式标签，启动其中一种模式的生物电信号采集，被测人员按照对应的模式标签触发人体的动作或反应，通过传感器采集多通道的生物电信号数据，

检查数据是否正常，若否则重新采集，若是则将采集的电信号数据与模式标签融合，并完成本组数据采集；

采用所述生物电信号数据对数据识别模型进行训练，以获得最优模型；

采集新的生物电信号数据，并将所述新的生物电信号数据输入所述最优模型，获得识别结果；

判断识别结果是否正确，并对不正确的结果进行修正；

所述判断识别结果是否正确的方法为：数据识别模型对采集到的多通道生物电信

号数据，每隔固定时间段对生物电信号进行识别，将所述识别结果与其对应生物电信

号的模式标签进行对比，如果二者相同，则标记本次识别结果正确，如果二者不同，则判断识别结果错误，同时人工输入所述生物电信号的模式标签，将生物电信号数据

与人工输入的所述模式标签合并，按照设置的预测错误强化系数对修正后的所述生物电信号数据进行倍增；

将上一步获得的识别结果及其对应数据加入所述数据库，以对所述数据库进行更新，通过已更新的数据库对所述最优模型进行训练，获得经过优化的模型，对数据识别模型进行多次优化，直至获得符合要求的最终模型；

将待识别生物电信号数据输入所述最终模型进行识别，

所述采集生物电信号数据的方法为：将各种不同的生物电信号分为若干模式，并设定模式标签，启动其中一种模式的生物电信号采集，通过传感器采集多通道的生物电信号数据，检查数据是否正常，若否则重新采集，若是则将采集的电信号数据与模式标签融合，并完成本组数据采集，所述生物电信号包括：脑电信号、心电信号和皮肤表面的肌电电信号。

2.如权利要求1所述的生物电信号数据识别方法，其特征在于，所述对数据识别模型进行训练的方法为：选定数据识别模型，确定所述数据识别模型 的结构及初始参数，输入数据库中带有模式标签的生物电信号数据进行模型训练，判断模型输出结果是否满足预设条件，若没有达到预设条件重复数据识别模型训练步骤，直至模型输出符合预设条件，输出最优模型。

3.如权利要求2所述的生物电信号数据识别方法，其特征在于，所述数据识别模型为支持向量机模型或多层感知机模型。

4.一种生物电信号数据识别系统，其特征在于，包括：

数据库生成模块，用于采集生物电信号数据，形成数据库；

模型训练模块，用于采用所述生物电信号数据对数据识别模型进行训练，以获得最优模型；

将各种不同的生物电信号分为若干模式，预设并定义不同生物信号数据进行模式标签类别划分，并设定模式标签，启动其中一种模式的生物电信号采集，被测人员按照对应的模式标签触发人体的动作或反应，通过传感器采集多通道的生物电信号数据，

检查数据是否正常，若否则重新采集，若是则将采集的电信号数据与模式标签融合，并完成本组数据采集；

识别结果判断模块，用于采集新的生物电信号数据，并将所述新的生物电信号数据输入所述最优模型，获得识别结果；判断所述识别结果是否正确，并对不正确的结果进行修正；

所述识别结果判断模块中判断识别结果是否正确的方法为：数据识别模型对采集到的多通道生物电信号数据，每隔固定时间段对生物电信号进行识别，将所述识别结果与其对应生物电信号的模式标签进行对比，如果二者相同，则标记本次识别结果正确，如果二者不同，则判断识别结果错误，同时人工输入所述生物电信号的模式标签，将生物电信号数据与人工输入的所述模式标签合并，按照设置的预测错误强化系数对修正后的所述生物电信号数据进行倍增；

模型优化模块，用于将经过修正的识别结果及其对应数据加入所述数据库，以对所述数据库进行更新，通过已更新的数据库对所述最优模型进行训练，获得经过优化的模型，对数据识别模型进行多次优化，直至获得符合要求的最终模型；

识别模块，用于将待识别生物电信号数据输入所述最终模型进行识别，

所述采集生物电信号数据的方法为：将各种不同的生物电信号分为若干模式，并设定模式标签，启动其中一种模式的生物电信号采集，通过传感器采集多通道的生物电信号数据，检查数据是否正常，若否则重新采集，若是则将采集的电信号数据与模式标签融合，并完成本组数据采集。

5.一种存储一个或多个程序的计算机可读存储介质，其特征在于，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行根据权利要求1至3任一项所述的生物电信号数据识别方法。

6.一种计算设备，其特征在于，包括：一个或多个处理器、存储器以及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行根据权利要求1至3任一项所述的生物电信号数据识别方法。

Images