一种基于神经谱信息跨电极表征学习的大脑年龄预测方法

本发明公开了一种基于神经谱信息跨电极表征学习的大脑年龄预测方法，包括：对被试的多电极通道中的每一电极通道的EEG数据进行预处理，得到1‑20Hz频率下的功率谱密度PSD；利用1‑20Hz频率下的PSD计算每一电极通道的脑电神经谱特征，包括非周期参数AF、周期参数PF、功率比PR、相对能量RE和峰度KUR；将每一电极通道的上述脑电神经谱特征作为单电极自身独立表征的频谱信息，通过稀疏线性回归方法刻画出所有电极神经谱特征的跨电极互相表征的相似性关系矩阵；最后，构建全连接多层神经网络，学习被试的单电极神经谱特征和电极间神经谱特征表征的相似性矩阵与大脑年龄之间的映射关系，根据上述跨电极神经谱特征和神经网络预测被试的大脑年龄。