基于预训练语言模型重编程的脑电信号分类方法

本发明提出了一种基于预训练语言模型重编程的脑电信号分类方法，属于脑电信号处理领域，并包括，1、对数据集中的原始脑电信号进行预处理；2、建立脑电信号预测网络，对脑电信号和文本原型进行跨模态融合形成融合表征，然后输入到预训练大语言模型中进行推理，再经过预测模块输出未来脑电信号的特征属性；3、模型预训练阶段通过单通道自监督的策略进行模型预训练；4、根据下游脑电信号分类任务，将预测模块替换为分类器模行微调训练，从而适应不同脑电分类任务。本发明相对现有脑电信号分类方法，具有良好的泛化能力，并可适应不同通道格式的数据，从而提升脑电信号在医疗等领域中的应用价值。