本发明涉及eeg信号识别技术领域，特别是涉及一种基于eeg信号的数据实时标注方法及系统。
背景技术：
由于脑电信号具有更高的复杂性、精细度和差异性，目前对于脑电信号的标注方法主要是通过人工、依据所具备的职业经验，对不同类型的目标脑电信号进行手动标注。
这种标注方法不仅耗时耗力，而且标注的结果会受到标注者个人经验等主观因素的影响，降低数据标注类别的信效度。同时，人工标注耗时耗力，使得效率不高。当前社会上仍不存在对数据进行自动化智能化标注的方法和系统。
技术实现要素：
本发明的是目的提供一种基于eeg信号的数据实时标注方法、系统，以解决市面上现有的人工标注不够准确且效率低下的问题。
为解决上述技术问题，一方面本发明提供一种基于eeg信号的数据实时标注方法，包括：
eeg采集设备采集用户eeg信号，将信号进行放大和编码后传输至数据分析系统；
数据分析系统对信号进行解码和预处理，并进行标注；
将标注后的数据进行反馈。
另一方面，本发明还提供一种基于eeg信号的数据实时标注系统，该系统用于实现上述方法，包括：
eeg信号采集设备，用于采集用户eeg信号，将信号进行放大和编码后传输至数据分析系统；
数据分析系统，用于数对信号进行解码和预处理，并进行标注；
反馈系统，用于将标注后的数据进行反馈。
本发明所提供的一种基于eeg信号的数据实时标注方法及系统，结合脑认知神经科学理论知识，通过人工智能算法，对指定的目标大脑eeg信号进行自动算法识别和标注，以已解决市面上现有的人工数据标注方法针对脑电波数据进行标注和规范时，无法准确高效的利用脑电波数据，并进行脑电波数据分析和算法运用的问题，从而实现了数据标注的智能化、准确化和高效化的目的。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明所提供的一种基于eeg信号的数据实时标注方法流程图；
图2为本发明所提供的eeg信号采集设备结构图；
图3为本发明所提供的eeg信号解码、预处理步骤原理图；
图4为本发明所提供的一种基于eeg信号的数据实时标注系统原理图。
具体实施方式
本发明的核心是提供一种基于eeg信号的数据实时标注方法、系统，以实现检测用户的梦境，识别梦境内容，并对用户梦境进行引导调整。
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参考图1，图1中的脑电信号采集步骤在本实施例中，采用的设备优选为eeg信号采集设备，其电极阵列位于前额部分5个和脑后部2个，分别用于采集前额和脑后的脑电波信号和参考脑电波信号，具体结构如图2所示。
eeg采集设备采集用户eeg信号，将信号整合为高频数字信号后传输给eeg数据分析系统。
请参考图1和图3，数据分析系统对信号进行解码和预处理。具体步骤为：
1、对高频数字信号进行解码，还原为多通道的eeg信号；
2、通过算法，对多通道的eeg信号进行滤波和降噪，去除干扰和噪声，得到纯净的脑电信号。所述算法优选为回归法、自适应滤波和独立分量分析法。
3、数据分析系统对信号进行解码和预处理，并进行标注，并将标注后的数据进行反馈。
4、对得到的脑电信号进行分段，形成一系列连续的脑电信号分段。
数据分析系统对预处理后的数据进行标注。标注需要将识别系统接入eeg信号采集系统，使得脑电信号能够通过智能标注系统。标注需要将预先训练好的数据特征算法识别模型部署到智能识别系统中，通过计算机学习算法进行算法计算，筛选出校验数据集中接近标准脑电波波形的波形数据，提取出特征值。当智能识别系统中的识别标注算法检测到的脑电信号的特征值符合标注标准时，标注系统即时地在脑电时频维度添加标注标签。
反馈系统将标注后的结果进行反馈。优选地，采用包含采集时长和标注的数据集息的反馈报告的形式进行反馈。
本实施例中，为了提升分类标注的准确性，优选地，还可以加入智能校检步骤。该步骤设置于结果反馈之前，具体包括：
1、将算法标注的结果进行存储；
2、调取算法标注的结果，并与已有的符合国际标注标准的脑电标注结果进行对应比较，在各指标上进行差异分析，如果在各指标上都不存在统计学意义上的显著差异，则表示本发明对脑电信号的标注结果达到了国际标准。
3、计算出标注的准确率，将结果添加至反馈报告中。
请参考图4，图4为本发明所提供的一种基于eeg信号的数据实时标注系统原理图，该系统包括：eeg信号采集设备100、数据分析系统200和反馈系统300该系统用于实现上述方法。
eeg信号采集设备100，用于采集用户eeg信号，将用户eeg信号进行放大和编码后传输至数据分析系统。
数据分析系统200，用于对放大和编号后的用户eeg对信号进行解码和预处理，并进行标注；
反馈系统300，用于将标注后的数据进行反馈。
可见，该系统通过人工智能算法，对指定的目标大脑eeg信号进行自动算法识别和标注，以已解决市面上现有的人工数据标注方法针对脑电波数据进行标注和规范时无法准确高效的利用脑电波数据、进行脑电波数据分析和算法运用的问题，从而实现了数据标注的智能化、准确化和高效化的有益效果。
对于本发明提供的基于eeg信号的数据实时标注系统的介绍请参照前述的基于eeg信号的数据实时标注方法的实施例，本发明实施例在此不再赘述。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、cd-rom、或技术领域内所公知的任意其它形式的存储介质中。
以上对本发明所提供的基于eeg信号的数据实时标注方法、系统进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。
1.一种基于eeg信号的数据实时标注方法，其特征在于，包括：
eeg采集设备采集用户eeg信号，将用户eeg信号进行放大和编码后传输至数据分析系统；
数据分析系统对信号进行解码和预处理，并进行标注；
将标注后的数据进行反馈。
2.如权利要求1所述的方法，其特征在于，所述解码是指通过eeg数据分析系统对高频数字信号进行解码，还原为多通道的eeg信号。
3.如权利要求1所述的方法，其特征在于，所述预处理是指通过算法对信号进行滤波和降噪，去除干扰和噪声，得到纯净的脑电信号。
4.如权利要求3所述的方法，其特征在于，所述预处理还包括对得到的脑电信号进行分段，形成一系列连续的脑电信号分段。
5.如权利要求1所述的方法，其特征在于，所述标注需要将训练好的数据特征算法识别模型部署到智能识别系统中。
6.如权利要求1所述的方法，其特征在于，所述标注通过计算机学习算法进行算法计算，筛选出校验数据集中接近标准脑电波波形的波形数据，提取出特征值，并当智能识别系统中的识别标注算法检测到通过的脑电信号特征值符合标注标准时，标注系统即时地在脑电时频维度添加标注标签。
7.一种基于eeg信号的数据实时标注系统，其特征在于，用于实现如权利要求1至5中任意一项所述的方法，包括：
eeg信号采集设备，用于采集用户eeg信号，将用户eeg信号进行放大和编码后传输至数据分析系统；
数据分析系统，用于对放大和编号后的用户eeg信号进行解码和预处理，并进行标注；
反馈系统，用于将标注后的数据进行反馈。
技术总结