一种导联电极布置位置的确定方法、装置、介质及电子设备与流程

1.本发明涉及脑电波采集技术领域，具体地，涉及一种导联电极布置位置的确定方法、装置、介质及电子设备。


背景技术：

2.在脑电应用中，脑电波采集是所有脑电应用的基础，脑电波采集主要通过在脑部布置导联电极，实现脑电波的实时采集，通常基于《10
‑
20系统电极放置法》的标准导联分布确定导联电极的布置位置，进而可以采集到大脑活动的脑电波，并基于采集的脑电波可以总体上反映在大脑皮层或头皮表面的脑神经细胞的电生理活动。
3.相关场景中，采用标准导联分布布置导联电极，即以颅骨为参照，并不因个人头围或头型的差异而有所不同确定大脑左侧、大脑右侧等21个导联电极的布置位置。然而，采用标准导联分布采集到的脑电波包含的信息存在大量的重复以及无效，因而造成信噪比本就较低的脑电波的信噪比进一步降低，且增加了脑电波采集的时间成本与物料成本。而基于网格搜索模式，采用遍历的方法，一个一个加入导联电极，也会耗费大量的时间，并且测试不同导联组合下导联电极放置，也会造成时间成本增加。


技术实现要素：

4.本发明的目的是提供一种导联电极布置位置的确定方法、装置、介质及电子设备，用以解决上述相关技术问题。
5.为了实现上述目的，本发明实施例的第一方面，提供一种导联电极布置位置的确定方法，包括：
6.获取目标用户的标准导联数据；
7.将所述导联标准数据输入到导联确定模型，以得到针对至少一个目标导联任务的所述目标用户的目标导联电极布置位置数据；
8.其中，所述导联确定模型是通过将所述标准导联数据分为训练样本和监督样本生成所述针对至少一个目标导联任务的所述目标用户的目标导联电极布置位置数据的。
9.优选地，所述导联确定模型是通过将所述标准导联数据分为训练样本和监督样本生成所述针对至少一个目标导联任务的所述目标用户的目标导联电极布置位置数据的，包括：
10.针对所述标准导联数据，选取第一数量的所述监督样本；
11.根据所述标准导联数据以及所述第一数量的所述监督样本，确定所述训练样本，其中，所述标准导联数据构成的集合的总数等于所述监督样本构成的监督集合与所述训练样本构成的训练集合之和；
12.将所述训练样本作为模型输入对初始模型进行训练，以得到针对所述监督样本的预测导联数据和原始损失函数；
13.从所述预测导联数据选择移除第二数量的移除导联数据得到目标预测导联数据；
14.确定所述目标预测导联数据与所述监督样本中的原始导联数据的互信息损失，根据所述互信息损失以及所述原始损失函数得到种子损失函数；
15.根据所述种子损失函数确定所述移除导联数据与所述原始导联数据的关联度，并根据所述关联度确定所述针对至少一个目标导联任务的所述目标用户的目标导联电极布置位置数据。
16.优选地，所述原始损失函数i(a；b)是通过如下辨析式得到的：
[0017][0018]
其中，a为所述监督样本构成的监督集合，b为所述训练样本构成的训练集合。
[0019]
优选地，所述从所述预测导联数据选择移除第二数量的移除导联数据得到目标预测导联数据，包括：多次随机从所述预测导联数据选择移除第二数量的移除导联数据得到每一次移除后的目标预测导联数据；
[0020]
所述确定所述目标预测导联数据与所述监督样本中的原始导联数据的互信息损失，根据所述互信息损失以及所述原始损失函数得到种子损失函数，包括：
[0021]
确定每一所述目标预测导联数据与所述监督样本中的原始导联数据的每一所述互信息损失；
[0022]
根据每一所述互信息损失以及所述原始损失函数得到对应的种子损失函数；
[0023]
所述根据所述种子损失函数确定所述移除导联数据与所述原始导联数据的关联度，包括：根据每一所述种子损失函数确定对应的所述移除导联数据与所述原始导联数据的关联度；
[0024]
所述根据所述关联度确定所述针对至少一个目标导联任务的所述目标用户的目标导联电极布置位置数据，包括：根据每一所述关联度确定所述针对至少一个目标导联任务的所述目标用户的目标导联电极布置位置数据。
[0025]
本发明实施例的第二方面，提供一种导联电极布置位置的确定装置，包括：
[0026]
获取模块，用于获取目标用户的标准导联数据；
[0027]
输入模块，用于将所述导联标准数据输入到导联确定模型，以得到针对至少一个目标导联任务的所述目标用户的目标导联电极布置位置数据；
[0028]
其中，所述导联确定模型是通过将所述标准导联数据分为训练样本和监督样本生成所述针对至少一个目标导联任务的所述目标用户的目标导联电极布置位置数据的。
[0029]
优选地，所述导联确定模型包括：
[0030]
选取子模块，用于针对所述标准导联数据，选取第一数量的所述监督样本；
[0031]
确定子模块，用于根据所述标准导联数据以及所述第一数量的所述监督样本，确定所述训练样本，其中，所述标准导联数据构成的集合的总数等于所述监督样本构成的监督集合与所述训练样本构成的训练集合之和；
[0032]
输入子模块，用于将所述训练样本作为模型输入对初始模型进行训练，以得到针对所述监督样本的预测导联数据和原始损失函数；
[0033]
移除子模块，用于从所述预测导联数据选择移除第二数量的移除导联数据得到目标预测导联数据；
[0034]
生成子模块，用于确定所述目标预测导联数据与所述监督样本中的原始导联数据的互信息损失，根据所述互信息损失以及所述原始损失函数得到种子损失函数；
[0035]
关联子模块，用于根据所述种子损失函数确定所述移除导联数据与所述原始导联数据的关联度；
[0036]
输出子模块，用于根据所述关联度确定所述针对至少一个目标导联任务的所述目标用户的目标导联电极布置位置数据。
[0037]
优选地，所述原始损失函数i(a；b)是通过如下辨析式得到的：
[0038][0039]
其中，a为所述监督样本构成的监督集合，b为所述训练样本构成的训练集合。
[0040]
优选地，所述移除子模块，用于多次随机从所述预测导联数据选择移除第二数量的移除导联数据得到每一次移除后的目标预测导联数据；
[0041]
所述生成子模块，用于确定每一所述目标预测导联数据与所述监督样本中的原始导联数据的每一所述互信息损失；
[0042]
所述关联子模块，用于根据每一所述互信息损失以及所述原始损失函数得到对应的种子损失函数，并根据每一所述种子损失函数确定对应的所述移除导联数据与所述原始导联数据的关联度；
[0043]
所述输出子模块，用于根据各所述关联度确定所述针对至少一个目标导联任务的所述目标用户的目标导联电极布置位置数据。
[0044]
本发明实施例的第三方面，提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现第一方面中任一项所述方法的步骤。
[0045]
本发明实施例的第四方面，提供一种电子设备，其特征在于，包括：
[0046]
存储器，其上存储有计算机程序；
[0047]
处理器，用于执行所述存储器中的所述计算机程序，以实现第一方面中任一项所述方法的步骤。
[0048]
上述技术方案中，能够通过获取目标用户的标准导联数据；将所述导联标准数据输入到导联确定模型，以得到针对至少一个目标导联任务的所述目标用户的目标导联电极布置位置数据；所述导联确定模型是通过将所述标准导联数据分为训练样本和监督样本生成所述针对至少一个目标导联任务的所述目标用户的目标导联电极布置位置数据的。这样，可以基于目标导联任务选择导联电极布置位置，提高导联电极布置的合理性，减少冗余脑电波数据，并且精确地给出针对目标用户的目标导联任务的目标导联电极布置位置数据，可以降低时间成本。
[0049]
本发明的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
[0050]
附图是用来提供对本发明的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明，但并不构成对本发明的限制。在附图中：
[0051]
图1是本发明一示例性实施例所示出的一种导联电极布置位置的确定方法的流程
图。
[0052]
图2是本发明一示例性实施例所示出的一种导联确定模型生成目标导联电极布置位置数据的流程图。
[0053]
图3是本发明一示例性实施例所示出的一种导联电极布置位置的确定装置的框图。
[0054]
图4是本发明一示例性实施例所示出的一种导联确定模型的框图。
具体实施方式
[0055]
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。
[0056]
在介绍本发明所提供的导联电极布置位置的确定方法、装置、介质及电子设备之前，首先对本发明的应用场景进行介绍。本发明所提供的各实施例可以用于对颅脑断层扫描图像进行处理。可以基于患者的颅脑断层扫描图像确定更多的关联特征，并基于图像特征推进模型的进化。
[0057]
发明人发现，相关技术中，根据任务类型，按照脑区与标准脑电排布的对应关系，选择与任务类型最相关的脑区所对应的导联电极排布。其导联电极的布置位置选择没有足够的特异性，依然存在信息冗余的问题，且由于人类对大脑分区认识的局限性以及个体之间大脑功能区的细微差异化，造成这种选择方法的泛用性较差。
[0058]
而采用遍历的方法，一个一个加入导联电极，需要基于网格搜索模式，随机或按照指定顺序将部分导联加入机器学习模型的计算过程中，并根据模型的输出结果选择最终选择的导联。可见该方式需要在每个网格节点，或者说导联组合上，均进行一次完整机器学习算法的全部计算，也会时间成本的增加。
[0059]
为此，本发明提供一种导联电极布置位置的确定方法，参照图1所示出的一种导联电极布置位置的确定方法的流程图，所述方法包括：
[0060]
s11、获取目标用户的标准导联数据；
[0061]
优选地，所述标准导联数据可以是根据《10
‑
20系统电极放置法》的标准导联分布，进行导联电极的布置，采集到的目标用户的标准导联数据。
[0062]
s12、将所述导联标准数据输入到导联确定模型，以得到针对至少一个目标导联任务的所述目标用户的目标导联电极布置位置数据；
[0063]
其中，所述导联确定模型是通过将所述标准导联数据分为训练样本和监督样本生成所述针对至少一个目标导联任务的所述目标用户的目标导联电极布置位置数据的。
[0064]
优选地，目标导联电极布置位置数据用于指导操作人员根据目标导联任务选取对应的目标导联电极布置位置数据，进而针对目标用户的目标导联任务布置导联电极。
[0065]
优选地，参照图2所示出的一种导联确定模型生成目标导联电极布置位置数据的流程图，包括：
[0066]
s21、针对所述标准导联数据，选取第一数量的所述监督样本；
[0067]
s22、根据所述标准导联数据以及所述第一数量的所述监督样本，确定所述训练样本，其中，所述标准导联数据构成的集合的总数等于所述监督样本构成的监督集合与所述训练样本构成的训练集合之和；
c5 c4 c3 c2 c1)，取监督样本的第一数量m为3，构成集合为右脑(c2 c4 c6)的监督集合，使用动态规划方法，首先取n为1，分别依次剔除左脑c1 c3 c5导联计算结果，之后依次n为2 3
…
计算得到最优结果。由于模型仅执行推断过程，本发明的ai方法输出结果时间在毫秒量级，所以结合动态规划方法，可以很快的筛选出最优导联排布结果。
[0081]
优选地，所述从所述预测导联数据选择移除第二数量的移除导联数据得到目标预测导联数据，包括：多次随机从所述预测导联数据选择移除第二数量的移除导联数据得到每一次移除后的目标预测导联数据；
[0082]
所述确定所述目标预测导联数据与所述监督样本中的原始导联数据的互信息损失，根据所述互信息损失以及所述原始损失函数得到种子损失函数，包括：
[0083]
确定每一所述目标预测导联数据与所述监督样本中的原始导联数据的每一所述互信息损失；
[0084]
根据每一所述互信息损失以及所述原始损失函数得到对应的种子损失函数；
[0085]
所述根据所述种子损失函数确定所述移除导联数据与所述原始导联数据的关联度，包括：根据每一所述种子损失函数确定对应的所述移除导联数据与所述原始导联数据的关联度；
[0086]
所述根据所述关联度确定所述针对至少一个目标导联任务的所述目标用户的目标导联电极布置位置数据，包括：根据每一所述关联度确定所述针对至少一个目标导联任务的所述目标用户的目标导联电极布置位置数据。
[0087]
基于相同的发明构思，本发明实施例还提供一种导联电极布置位置的确定装置，图3是本发明一示例性实施例所示出的一种导联电极布置位置的确定装置的框图，所述装置300包括：获取模块310和输入模块320。
[0088]
其中，获取模块310，用于获取目标用户的标准导联数据；
[0089]
输入模块320，用于将所述导联标准数据输入到导联确定模型，以得到针对至少一个目标导联任务的所述目标用户的目标导联电极布置位置数据；
[0090]
其中，所述导联确定模型是通过将所述标准导联数据分为训练样本和监督样本生成所述针对至少一个目标导联任务的所述目标用户的目标导联电极布置位置数据的。
[0091]
优选地，图4是本发明一示例性实施例所示出的一种导联确定模型的框图，所述导联确定模型400包括：
[0092]
选取子模块410，用于针对所述标准导联数据，选取第一数量的所述监督样本；
[0093]
确定子模块420，用于根据所述标准导联数据以及所述第一数量的所述监督样本，确定所述训练样本，其中，所述标准导联数据构成的集合的总数等于所述监督样本构成的监督集合与所述训练样本构成的训练集合之和；
[0094]
输入子模块430，用于将所述训练样本作为模型输入对初始模型进行训练，以得到针对所述监督样本的预测导联数据和原始损失函数；
[0095]
移除子模块440，用于从所述预测导联数据选择移除第二数量的移除导联数据得到目标预测导联数据；
[0096]
生成子模块450，用于确定所述目标预测导联数据与所述监督样本中的原始导联数据的互信息损失，根据所述互信息损失以及所述原始损失函数得到种子损失函数；
[0097]
关联子模块460，用于根据所述种子损失函数确定所述移除导联数据与所述原始
导联数据的关联度；
[0098]
输出子模块470，用于根据所述关联度确定所述针对至少一个目标导联任务的所述目标用户的目标导联电极布置位置数据。
[0099]
优选地，所述原始损失函数i(a；b)是通过如下辨析式得到的：
[0100][0101]
其中，a为所述监督样本构成的监督集合，b为所述训练样本构成的训练集合。
[0102]
优选地，所述移除子模块440，用于多次随机从所述预测导联数据选择移除第二数量的移除导联数据得到每一次移除后的目标预测导联数据；
[0103]
所述生成子模块450，用于确定每一所述目标预测导联数据与所述监督样本中的原始导联数据的每一所述互信息损失，并根据每一所述互信息损失以及所述原始损失函数得到对应的种子损失函数；
[0104]
所述关联子模块460，用于根据每一所述种子损失函数确定对应的所述移除导联数据与所述原始导联数据的关联度；
[0105]
所述输出子模块470，用于根据各所述关联度确定所述针对至少一个目标导联任务的所述目标用户的目标导联电极布置位置数据。
[0106]
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
[0107]
本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现任一项所述方法的步骤。
[0108]
本发明实施例还提供一种电子设备，包括：
[0109]
存储器，其上存储有计算机程序；
[0110]
处理器，用于执行所述存储器中的所述计算机程序，以实现任一项所述方法的步骤。
[0111]
以上结合附图详细描述了本发明的优选实施方式，但是，本发明并不限于上述实施方式中的具体细节，在本发明的技术构思范围内，可以对本发明的技术方案进行多种简单变型，这些简单变型均属于本发明的保护范围。
[0112]
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合，为了避免不必要的重复，本发明对各种可能的组合方式不再另行说明。
[0113]
此外，本发明的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明的思想，其同样应当视为本发明所发明的内容。