摘要
本发明公开了一种基于变分自编码器与聚类的MEG数据坏段检测方法,属于脑磁图数据处理技术领域。所述方法包括:收集脑神经活动原始数据并进行时域特征和频域特征的提取,输入到变分自编码器中,转化为低维潜在变量;在变分自编码器中将重构损失与KL散度的和作为总损失函数,通过反向传播算法最小化所述总损失函数;提取变分自编码器中的低维潜在变量,并使用训练好的聚类算法对低维潜在变量进行聚类分析,以区分坏段与好段;将训练好的聚类算法识别出的MEG坏段数据解码回原始特征空间。本发明在低信噪比、大源和多源的环境中表现出稳健的性能,显示出强大的鲁棒性和优越的成像性能。
技术关键词
编码器
时域特征
频域特征
变量
传播算法
解码器
卷积神经网络提取
时序依赖关系
密度聚类算法
高斯混合模型
周期性特征
处理器
数据处理技术
数据解码
重构模块
信号