-
公开(公告)号：CN118626940B
公开(公告)日：2024-10-11
申请号：CN202411106056.5
申请日：2024-08-13
Applicant: 成都信息工程大学
IPC: G06F18/241 , G06F18/25 , G06N3/0464 , A61B5/00 , A61B5/374 , A61B5/1455
Abstract: 本发明公开了一种基于自适应时空卷积注意力网络的双模态信号融合方法，属于大脑多模态信号分类的技术领域，其包括获取处理后的脑电信号；对处理后的脑电信号进行两次二维卷积操作和滑动窗口处理，得到多个窄时间序列；提取多个窄时间序列中的时间特征，并基于多层感知机分类层，得到EEG数据时间分支的脑认知任务的分类结果；采用等距方位角投影将血红蛋白浓度转化为三维空间张量，并引入深度空间卷积和空间注意机制提取三维空间张量中的关键空间信息；最后采用决策融合策略融合并行双分支的结果，最终得到目标脑认知任务的分类结果。本发明有效满足了脑认知多任务识别的需要，并增强了网络泛化性。
-
公开(公告)号：CN118981748A
公开(公告)日：2024-11-19
申请号：CN202411451285.0
申请日：2024-10-17
Applicant: 成都信息工程大学
IPC: G06F18/25 , G06F18/2431 , G06F17/14 , G06N3/048 , G06N3/0464
Abstract: 本发明公开了一种基于EEG的动静态功能脑网络时空拓扑融合方法和装置，属于功能脑网络时空信号分类的技术领域，包括：获取复用划分EEG静息信号片段序列和复用划分连续EEG静息信号片段序列；将复用划分EEG静息信号片段序列输入静态功能连通空间拓扑学习模块中，得到高判别性局部和全局的空间拓扑特征；将复用划分连续EEG静息信号片段序列输入动态功能连通时序学习模块中，得到高判别性时序特征；将高判别性局部和全局的空间拓扑特征以及高判别性时序特征进行拼接，并将拼接结果输入至多层感知机分类层，得到脑认知静息任务分类结果。本发明在探究功能脑网络时，从动态功能连通和静态功能连通两个尺度考虑，充分考虑了大脑活动的时空变化。
-
公开(公告)号：CN118626940A
公开(公告)日：2024-09-10
申请号：CN202411106056.5
申请日：2024-08-13
Applicant: 成都信息工程大学
IPC: G06F18/241 , G06F18/25 , G06N3/0464 , A61B5/00 , A61B5/374 , A61B5/1455
Abstract: 本发明公开了一种基于自适应时空卷积注意力网络的双模态信号融合方法，属于大脑多模态信号分类的技术领域，其包括获取处理后的脑电信号；对处理后的脑电信号进行两次二维卷积操作和滑动窗口处理，得到多个窄时间序列；提取多个窄时间序列中的时间特征，并基于多层感知机分类层，得到EEG数据时间分支的脑认知任务的分类结果；采用等距方位角投影将血红蛋白浓度转化为三维空间张量，并引入深度空间卷积和空间注意机制提取三维空间张量中的关键空间信息；最后采用决策融合策略融合并行双分支的结果，最终得到目标脑认知任务的分类结果。本发明有效满足了脑认知多任务识别的需要，并增强了网络泛化性。
-
公开(公告)号：CN118981748B
公开(公告)日：2025-01-24
申请号：CN202411451285.0
申请日：2024-10-17
Applicant: 成都信息工程大学
IPC: G06F18/25 , G06F18/2431 , G06F17/14 , G06N3/048 , G06N3/0464
Abstract: 本发明公开了一种基于EEG的动静态功能脑网络时空拓扑融合方法和装置，属于功能脑网络时空信号分类的技术领域，包括：获取复用划分EEG静息信号片段序列和复用划分连续EEG静息信号片段序列；将复用划分EEG静息信号片段序列输入静态功能连通空间拓扑学习模块中，得到高判别性局部和全局的空间拓扑特征；将复用划分连续EEG静息信号片段序列输入动态功能连通时序学习模块中，得到高判别性时序特征；将高判别性局部和全局的空间拓扑特征以及高判别性时序特征进行拼接，并将拼接结果输入至多层感知机分类层，得到脑认知静息任务分类结果。本发明在探究功能脑网络时，从动态功能连通和静态功能连通两个尺度考虑，充分考虑了大脑活动的时空变化。
-
-
-
Search Results
4
records
(took 0.018 seconds)
