本技术涉及医疗数据分析技术领域,具体涉及一种脑电图自动分析方法及系统。一种脑电图自动分析方法包括:取原始脑电图信号数据;将脑电图信号数据送入脑电图信号降噪模型进行处理,以输出降噪脑电图信号数据。本发明通过脑电图信号降噪模型对原始脑电图信号数据进行降噪处理,能够减弱原始脑电图信号数据中各种噪声源的影响,进而提升对于患者大脑皮层的电活动表达的质量,方便脑电图信号数据的后续使用;并且在脑电图信号降噪模型中,通过动态路由的方式,将原始脑电图信号数据中类似噪声模式影响的特征进行聚合,为后续的降噪操作提供参考,能够有效的适应动态变化的噪声,得到较好的降噪效果。
背景技术
脑电图(EEG)作为一种无创的脑神经活动监测技术,在疾病诊断、脑-计算机接口、认知分析等领域具有广泛的应用前景。然而,EEG信号极其微弱,极易受到多种噪声源的干扰,例如肌电噪声(EMG)、眼动伪迹(EOG)、环境噪声以及设备本身的电子噪声等。这些噪声的存在严重影响了EEG信号的质量,使得后续的信号分析变得困难,甚至可能导致错误的诊断或控制结果。传统的去噪方法,例如小波变换、独立成分分析(ICA)以及各种滤波器设计,虽然在一定程度上能够去除部分噪声,但它们通常基于固定的参数和假设,难以有效处理复杂且动态变化的噪声环境,尤其是在需要动态、实时监测的应用场景中,其局限性更为突出。
实现思路