-
公开(公告)号：CN114569101A
公开(公告)日：2022-06-03
申请号：CN202210222186.X
申请日：2022-03-09
Applicant: 成都信息工程大学
Abstract: 本发明提供了一种非接触式心率检测方法、装置和电子设备，其中，该方法包括：通过预设摄像头，采集包含有目标对象的目标图像；基于目标图像，确定感兴趣区域；对感兴趣区域对应的图像区域进行颜色空间转换，得到指定颜色空间下的图像信号；对指定颜色空间下的图像信号进行信号提取，得到血液容积脉冲信号，该血液容积脉冲信号中包含有信号的时频信息；基于血液容积脉冲信号确定目标对象的心率。该方式通过摄像头实时采集目标对象的图像，并对该图像进行时频分析处理，得到心率值，从而实现了非接触式心率检测，并满足在实际场景中的应用，能够在自然光状态下对心率进行检测，具有操作便捷、设备要求低、受环境制约小、实时性强和准确度高等特点。
-
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：CN118885907A
公开(公告)日：2024-11-01
申请号：CN202410900776.2
申请日：2024-07-05
Applicant: 成都信息工程大学
IPC: G06F18/2415 , A61B5/372 , A61B5/369 , A61B5/18 , A61B5/00 , G06F18/15 , G06F18/213 , G06F18/2321 , G06F18/25 , G06F18/27 , G06N3/043 , G06N3/0464 , G06N3/045 , G06N5/048 , G06N3/048
Abstract: 本发明公开了基于深度多特征TSK模糊系统的疲劳驾驶检测方法，涉及安全驾驶技术领域，包括：S1、采集驾驶员的脑电信号，并进行数据模糊化处理，得到模糊集合；S2、使用全局模糊模块对模糊集合进行特征提取，分别得到时间特征、空间特征以及频域特征；S3、将时间特征、空间特征以及频域特征通过线性层降维后进行拼接，得到拼接后的特征；S4、根据拼接后的特征，使用TSK模糊系统计算驾驶员的疲劳水平，并基于驾驶员的疲劳水平，完成疲劳驾驶检测，本方法使用模糊系统对模糊数据进行计算，可灵活适应不同的驾驶场景或任务。
-
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：CN118000664A
公开(公告)日：2024-05-10
申请号：CN202410101569.0
申请日：2024-01-24
Applicant: 成都信息工程大学
IPC: A61B5/00 , G06F18/213 , G06F18/24 , G06F18/25 , G06N3/0464 , A61B5/369 , A61B5/372
Abstract: 本发明公开了一种基于多尺度时间残差收缩网络的睡眠分期模型构建方法，属于睡眠质量评估的技术领域，其包括将获取的EEG睡眠信号划分为EEG睡眠信号片段序列，并输入多尺度卷积模块中，提取EEG睡眠信号中的高频特征和低频特征；将提取的高频特征和低频特征输入注意力特征融合模块中进行特征融合，输出EEG睡眠信号融合特征；将EEG睡眠信号融合特征输入时间残差收缩模块中，并输出EEG睡眠信号状态特征；将EEG睡眠信号状态特征输入具有softmax激活函数的全连接层进行分类决策，得到睡眠阶段的分类结果。本发明能够优化睡眠分期性能，具有更好的分期准确性，在分类准确率等多个整体性能方面优于现有技术。
-
Patent Agency Ranking
公开(公告)号：CN116807479A
公开(公告)日：2023-09-29
申请号：CN202311086072.8
申请日：2023-08-28
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种基于多模态深度神经网络的驾驶注意力检测方法，属于驾驶注意力检测技术领域，为了解决现有驾驶注意力检测过程中用单一模态的指标去进行检测的可靠性不足的技术问题，包括：S1：获取原始公开数据集中的脑电数据和眼电数据；S2：分别对所述脑电数据和所述眼电数据进行预处理，得到预处理后的眼电数据和预处理后的脑电数据；S3：根据所述预处理后的眼电数据和所述预处理后的脑电数据，对多模态深度神经网络进行训练，得到训练好的多模态深度神经网络；S4：利用所述训练好的多模态深度神经网络对驾驶输入图像进行注意力检测，得到驾驶注意力检测结果。本发明能够有效地提升检测结果的准确性。
-
公开(公告)号：CN116736978A
公开(公告)日：2023-09-12
申请号：CN202310673992.3
申请日：2023-06-07
Applicant: 成都信息工程大学
IPC: G06F3/01 , G06F18/24 , G06F18/213 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于BPR‑STNet的跨被试游戏玩家专业水平分类方法，包括：S1、获取游戏玩家的EEG信号原始数据，并对其进行预处理，构建EEG信号序列；S2、利用训练好的基于BPR‑STNet的专业水平分类模型对EEG信号序列进行处理，识别游戏玩家专业水平；S3、基于游戏玩家专业水平，提取对应的关键特征并结合EEG信号序列，确定游戏玩家不同脑区贡献度的脑地形图，实现跨被试游戏玩家专业水平分类。本发明提供的专业水平分类模型，可以充分学习EEG信号中的时空特征，得出了γ频段是跨被试水平分类效果，发现专业水平游戏玩家的大脑活动对模型决策影响最大的区域是顶叶区和颞叶区；进而实现准确的跨被试分类。
-
公开(公告)号：CN115146765A
公开(公告)日：2022-10-04
申请号：CN202210791342.4
申请日：2022-07-07
Applicant: 成都信息工程大学
Abstract: 本发明公开一种基于深度学习和跨步长特征提取的尖峰识别方法，应用于神经科学和生物医学信号处理领域，针对现有技术检测出来的尖峰质量较差，尖峰分类不准确的问题；本发明采用1D_CNN进行尖峰检测和基于跨步长特征提取进行尖峰分类；本发明基于1D_CNN检测出来的尖峰数据质量完全可以用于尖峰分类且本发明的尖峰分类模型的准确率也高于现有技术；本发明提出的分类模型具有很高的精度和很强的鲁棒性，检测模型和分类模型的结合，为实时检测分类多通道尖峰奠定了基础。
-
公开(公告)号：CN114841219A
公开(公告)日：2022-08-02
申请号：CN202210628059.X
申请日：2022-06-06
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种基于半监督学习的单通道脑电睡眠分期方法，包括以下步骤：S1、建立睡眠混合神经网络模型；S2、将训练集数据TrainSet分为标签数据集LabeledDataSet和无标签数据集NolabeledDataSet；S3、利用LabeledDataSet对睡眠混合神经网络模型进行预训练，得到预模型PreModel；S4、使用PreModel对NolabeledDataSet进行预测，打上伪标签；然后使用标签数据和伪标签数据对预训练模型进行再次训练，得到伪标签模型PseudoLabelModel；S5、利用PseudoLabelModel对脑电数据进行预测，得到分期结果。本发明采用伪标签训练方法对SHNN模型进行训练，在不改变模型结构的情况下，增强了模型的睡眠分期性能。
-
公开(公告)号：CN119832551A
公开(公告)日：2025-04-15
申请号：CN202411902988.0
申请日：2024-12-23
Applicant: 成都信息工程大学
Abstract: 本发明公开一种根据脑电信号重建人类视觉信息的方法，应用于人工智能领域，针对现有视觉重建任务在粗粒度尺度上取得了一定的进展，但这些方法往往无法精确还原视觉刺激的细节，导致重建的图像丢失了大量重要的语义信息的问题；本发明采用了新的嵌入对齐方式来降低模型的参数量并使得脑电信号特征能更好的表示视觉刺激的细粒度信息，同时使用更好的频域编码器来提升模型的分类准确率。
-
-
-
-
-
-
-
-
-
Search Results
38
records
(took 0.027 seconds)
