-
公开(公告)号：CN103876736B
公开(公告)日：2017-01-18
申请号：CN201410145752.7
申请日：2014-04-11
Applicant: 北京工业大学
IPC: A61B5/0476 , G06F19/00
Abstract: 本发明提出了一种基于功率谱划分的复杂度谱的脑电信号分类识别方法，属于脑电信号的模式识别与分类领域。本发明主要包括：一种基于功率谱划分的脑电信号的复杂度谱定义、分析和提取方法和一种非线性罗辑斯蒂(Logistic)复杂度谱参考模型构建方法。首先对脑电信号定义了一个基于功率谱划分的复杂度谱，并给出其计算方法，然后利用本发明对此映射生成的数据序列进行计算，据此建立一个对脑电信号分析复杂度的谱参考模型，并分析各谱线序列的大小、数量和分布所反映的物理意义，画出该映射基于功率谱划分的复杂度谱参考空间分布模型。本发明可以对脑电信号进行模式识别和分类研究。
-
公开(公告)号：CN103876734B
公开(公告)日：2015-09-02
申请号：CN201410112806.X
申请日：2014-03-24
Applicant: 北京工业大学
IPC: A61B5/0476
CPC classification number: A61B5/0484 , A61B5/04012 , A61B5/0476 , A61B5/0478 , A61B5/04842 , A61B5/7267 , G06N99/005
Abstract: 本发明涉及一种基于决策树的脑电信号特征选择方法。首先将采集的多通道脑电信号进行预处理；然后利用主成分分析法对预处理后的脑电信号进行特征提取，得到特征向量；将特征提取后的特征向量输入到决策树中，进行优势特征选择；对决策树选出的优势特征进行重组；最后将重组后的优势特征向量输入到支持向量机中，进行脑电信号分类，得到分类正确率。本发明应用决策树进行优势特征选择，操作简单，无需人工参与，节省时间和人力。应用决策树进行优势特征选择，选择过程中避免了人的主观因素的影响，使选择更客观，分类正确率更高。实验表明，运用本发明方法进行脑电信号分类的平均正确率为89.1%，比运用传统的优势电极重组法提高了0.9%。
-
Patent Agency Ranking
公开(公告)号：CN103876736A
公开(公告)日：2014-06-25
申请号：CN201410145752.7
申请日：2014-04-11
Applicant: 北京工业大学
IPC: A61B5/0476 , G06F19/00
Abstract: 本发明提出了一种基于功率谱划分的复杂度谱脑电预测和诊断方法，属于脑电信号（EEG）分析和脑精神疾病预测和诊断领域，本发明主要包括：一种基于功率谱划分的脑电信号复杂度谱定义、分析和提取方法和一种非线性罗辑斯蒂（Logistic）复杂度谱参考模型构建方法。首先对脑电信号定义了一个基于功率谱划分的复杂度谱，并给出其计算方法，然后利用本发明对此映射生成的数据序列进行计算，据此建立一个脑电信号的分析复杂度谱参考模型，并分析各结构谱线序列的大小、数量和分布所反映的物理生物意义，画出该映射基于功率谱划分的复杂度谱参考空间分布模型。本发明可以对脑精神疾病作出预测和诊断。
-
公开(公告)号：CN104850833B
公开(公告)日：2018-05-01
申请号：CN201510230759.3
申请日：2015-05-07
Applicant: 北京工业大学
IPC: G06K9/00
Abstract: 本发明提供了一种脑电混沌特性的分析方法，包括：对脑电信号进行滤波，并将滤波后的脑电信号分解为若干个子频段信号；提取各子频段信号的极值点和所述极值点对应的时间点，并根据所述极值点和所述时间点，生成单调振幅序列及单调周期序列；将所述单调振幅序列和单调周期序列组成向量序列，并对所述向量序列进行伪迹去除；从单调振幅和单调周期的两个维度将所述向量序列分为若干个子区间，获得每个向量分布在每个子区间的概率，并根据所述概率，获得所述脑电信号的振动熵；根据所述脑电信号的振动熵，分析所述脑电信号的混沌程度。本发明能够有效地反映脑电信号波形振动特征的分布特性。
-
公开(公告)号：CN105943065A
公开(公告)日：2016-09-21
申请号：CN201610509460.6
申请日：2016-06-29
Applicant: 北京工业大学
IPC: A61B5/16 , A61B5/0205 , A61B5/02 , A61B5/11 , A61B5/0402 , A61B5/0476 , A61B5/00
CPC classification number: A61B5/165 , A61B5/02 , A61B5/0205 , A61B5/0402 , A61B5/0476 , A61B5/11 , A61B5/1101 , A61B5/4803 , A61B5/6802
Abstract: 一种基于脑信息学系统化方法学的人体可穿戴生理‑心理‑行为数据采集与分析系统，涉及传感技术、医疗电子系统、抑郁症量化治疗和健康管理等领域。设计多种可穿戴设备采集语音、运动状态、脉搏、脑电、心电和震颤等生理、行为数据，结合智能手机，在其上开发了系统。设计长时数据采集方法连续采集12个小时以上的语音、运动状态和脉搏等数据，设计短时数据采集方法一天多次对脑电、心电和震颤等数据进行片段式采集，基于智能手机将数据通过USB或WIFI方式传输到后台服务器中，后台服务器不仅能够对采集的生理、心理和行为数据进行动态显示，而且建立心境状态量化评估模型用于对用户提供生理、行为结果反馈和心境状态量化评估等服务。
-
公开(公告)号：CN104850833A
公开(公告)日：2015-08-19
申请号：CN201510230759.3
申请日：2015-05-07
Applicant: 北京工业大学
IPC: G06K9/00
CPC classification number: G06K9/00503 , G06K9/00523 , G06K9/00536
Abstract: 本发明提供了一种脑电混沌特性的分析方法，包括：对脑电信号进行滤波，并将滤波后的脑电信号分解为若干个子频段信号；提取各子频段信号的极值点和所述极值点对应的时间点，并根据所述极值点和所述时间点，生成单调振幅序列及单调周期序列；将所述单调振幅序列和单调周期序列组成向量序列，并对所述向量序列进行伪迹去除；从单调振幅和单调周期的两个维度将所述向量序列分为若干个子区间，获得每个向量分布在每个子区间的概率，并根据所述概率，获得所述脑电信号的振动熵；根据所述脑电信号的振动熵，分析所述脑电信号的混沌程度。本发明能够有效地反映脑电信号波形振动特征的分布特性。
-
公开(公告)号：CN103876734A
公开(公告)日：2014-06-25
申请号：CN201410112806.X
申请日：2014-03-24
Applicant: 北京工业大学
IPC: A61B5/0476
CPC classification number: A61B5/0484 , A61B5/04012 , A61B5/0476 , A61B5/0478 , A61B5/04842 , A61B5/7267 , G06N99/005
Abstract: 本发明涉及一种基于决策树的脑电信号特征选择方法。首先将采集的多通道脑电信号进行预处理；然后利用主成分分析法对预处理后的脑电信号进行特征提取，得到特征向量；将特征提取后的特征向量输入到决策树中，进行优势特征选择；对决策树选出的优势特征进行重组；最后将重组后的优势特征向量输入到支持向量机中，进行脑电信号分类，得到分类正确率。本发明应用决策树进行优势特征选择，操作简单，无需人工参与，节省时间和人力。应用决策树进行优势特征选择，选择过程中避免了人的主观因素的影响，使选择更客观，分类正确率更高。实验表明，运用本发明方法进行脑电信号分类的平均正确率为89.1%，比运用传统的优势电极重组法提高了0.9%。
-
-
-
-
-
-
Search Results
17
records
(took 0.026 seconds)
