一种基于对比学习和时空掩码重建的自监督脑电图分类方法

本发明实施例涉及医学时间序列技术领域，特别涉及脑电图自监督学习算法。对现有脑电图自监督学习方法未能全面结合脑电序列的信息，忽视了时空依赖性的建模以及实例和片段信息间的互补关系，提出一种结合对比学习和时空掩码重建的自监督学习方法。具体而言，在时间维度掩码重建的基础上引入了通道掩码策略，从而有效地捕捉了EEG数据的时空关系，解决了现有方法难以整合时空维度的问题。针对片段和实例级信息的学习，分别通过掩码重建任务和对比学习实现，重建任务通过重建被掩码的片段，使模型能够学习到细粒度的片段间关系，对比学习拉近实例与其潜在正对间的距离，在正对构建得当的情况下可以有效提高下游分类任务的性能。