公开(公告)号：CN119655762A

公开(公告)日：2025-03-21

申请号：CN202411751824.2

申请日：2024-12-02

Applicant: 电子科技大学

Inventor： 施柯丞 ,  于烨玮 ,  李哲 ,  黄瑞 ,  赵洋 ,  李文江 ,  程洪

IPC: A61B5/18 ,  A61B5/16 ,  A61B5/369 ,  A61B5/372 ,  A61B5/374 ,  A61B5/00 ,  G06F18/25 ,  G06F18/213 ,  G06N3/045 ,  G06N3/0464 ,  G06F123/02

Abstract: 本发明涉及医学信号处理领域及人工智能领域，具体为基于多阶段特征融合的脑电信号情绪检测方法，是以时序脑电信号为输入构建第一脑电信号特征提取网络提取频域特征；以微分熵特征为输入构建第二脑电信号特征提取网络，该网络是以EEGNet为主干网络，通过引入空间注意机制提取空间和时域特征提取空间、通道以及时域特征。以第一统计特征为输入构建第三脑电信号特征提取网络提取第二统计特征，通过融合这五种特征得到融合特征后，并使用脑电信号识别网络进行是识别，得到情绪检测结果输出。本发明解决了现有脑电信号情绪检测未能充分利用脑电信号中的空间、时域、频域、通道等信息的的问题。

公开(公告)号：CN119025823A

公开(公告)日：2024-11-26

申请号：CN202410989818.4

申请日：2024-07-23

Applicant: 电子科技大学

Inventor： 黄瑞 ,  李哲 ,  施柯丞 ,  李文江 ,  于烨玮 ,  常婉停 ,  程洪

IPC: G06F18/10 ,  A61B5/378 ,  A61B5/372 ,  G06F18/213 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明涉及医学信号处理及人工智能领域，尤其涉及一种针对多通道脑电信号的任务驱动动态插值方法。通过构建脑电信号插值网络，提取脑电信号在空间和时间维度上的特征，通过设计新的损失函数于优化网络权重和提升插值性能。基于新的损失函数对上述网络进行训练，获得任务驱动动态插值网络模型，然后利用其完成待处理脑电信号进行重构。由于本发明构建的损失函数中，结合了深度学习的数据处理能力和与特定任务态相关的EEG信号特性，不仅整合了任务相关的先验知识，并且利用了通道间关系和历史任务态信息进行误差分析，提升了重构脑电信号的准确性，复现了真实脑电信号的任务态特征，为后续脑电信号的解码、分析提供了有力的辅助。

公开(公告)号：CN118986690A

公开(公告)日：2024-11-22

申请号：CN202411030443.5

申请日：2024-07-30

Applicant: 电子科技大学

Inventor： 施柯丞 ,  黄瑞 ,  张连驰 ,  李哲 ,  于烨玮 ,  程洪

IPC: A61H1/02 ,  A61B5/369 ,  A61B5/389 ,  A61B5/00 ,  A61B5/38 ,  A63B21/00 ,  A63B22/08 ,  A63B24/00 ,  A63B71/06 ,  G16H20/30 ,  G06F18/24

Abstract: 本发明涉及康复领域，具体为一种基于运动想象脑机接口的上下肢主被动康复训练方法及系统，通过创建与之相匹配的主动模式引和被动模式引导患者训练的两种游戏实验范式；通过脑机接口采集脑电信号和肌电信号，利用脑电信号提取出脑卒中患者运动意图，配合两种游戏实验范式引导患者主动或被动进行康复训练，加速患者的康复训练进程。利用肌电信号结合专家经验对运动想象进行评估，根据评估结果调整对应模式下实验范式的参数设置和运动辅助功能的参数设置，该参数设置包括训练过程中逐步改变系统的阻抗等级、助力等级等参数，提高患者的主观能动性，强化患者中枢神经刺激反馈的同时增强了患者的肌力，提升了患者的整体康复效果。

公开(公告)号：CN118303883A

公开(公告)日：2024-07-09

申请号：CN202410217556.X

申请日：2024-02-27

Applicant: 电子科技大学

Inventor： 李航 ,  于烨玮 ,  黄瑞 ,  施柯丞 ,  程洪

IPC: A61B5/18 ,  A61B5/16 ,  A61B5/372 ,  A61B5/374 ,  A61B5/398 ,  A61B5/00 ,  G06F18/25 ,  G06F18/24 ,  G06N3/045 ,  G06N3/09

Abstract: 本发明公开了一种基于脑电信号和眼电信号特征融合的疲劳检测方法，分别采集每位受试者在正常状态和疲劳状态下的脑电信号和眼电信号并生成训练样本，构建包括脑电信号数据降维处理模块、空间注意力特征提取模块、脑电信号通道与时间特征提取模块、脑电信号特征降维模块、眼电信号时间特征提取模块、眼电信号通道与时间特征提取模块、特征拼接模块和分类模块的疲劳检测模型并采用训练样本进行训练，当需要对某人员进行疲劳检测时，获取脑电信号和眼电信号，将脑电信号采用相同方法进行预处理后与眼电信号一起输入训练好的疲劳检测模型，得到疲劳检测结果。本发明可以更好地提取和保留时空特征，提高疲劳检测的准确率。