公开(公告)号：CN113408397B

公开(公告)日：2023-03-24

申请号：CN202110663843.X

申请日：2021-06-16

Applicant: 西安电子科技大学

Inventor： 李甫 ,  付博勋 ,  李意 ,  冀有硕 ,  晁伟兵 ,  王冲 ,  牛毅 ,  石光明 ,  陈远方 ,  张利剑

IPC: G06F18/214 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种领域自适应的跨受试者运动想象脑电信号识别系统及方法，解决了跨受试者运动想象脑电信号识别准确率低的问题。系统有数据采集、数据预处理、网络训练控制、网络模块和网络前向执行模块，网络前向执行模块读取网络模块参数并结合预处理的脑电信号计算出运动想象分类结果。网络模块为构建的空间条件领域自适应网络SCDAN模块。方法有构建识别系统；采集运动想象脑电数据；脑电数据预处理；准备训练数据；更新SCDAN模块；网络前向执行得到运动想象分类结果。本发明利用领域自适应技术构建SCDAN模块，实现高准确率识别分类。本发明跨受试者运动想象识别准确率高，场景通用性强。

公开(公告)号：CN114052734B

公开(公告)日：2022-11-01

申请号：CN202111403187.6

申请日：2021-11-24

Applicant: 西安电子科技大学

Inventor： 李阳 ,  周祎瑾 ,  李甫 ,  牛毅 ,  付博勋 ,  冀有硕 ,  吴昊 ,  陈远方 ,  张利剑 ,  石光明

IPC: A61B5/16 ,  A61B5/00 ,  A61B5/374

Abstract: 本申请涉及信息技术领域，具体提供了一种基于渐进式图卷积神经网络的脑电情感识别方法。该方法包括如下步骤：S1，获取情绪脑电数据，并对其进行预处理；S2，构建渐进式图卷积神经网络；S3，训练图卷积神经网络；S4，对训练好的神经网络进行测试。本发明首次考虑到情绪的层次特性，构造了双粒度分支神经网络模型，充分利用了情绪的层次特性，提高了脑电情感识别的效果。本发明构造了基于大脑区域功能连接性的动态图和基于大脑区域空间邻近性的静态图，本发明充分利用了大脑的动态功能连接信息和空间邻近信息的互补性，提高了脑电情感识别的效果。

公开(公告)号：CN113408397A

公开(公告)日：2021-09-17

申请号：CN202110663843.X

申请日：2021-06-16

Applicant: 西安电子科技大学

Inventor： 李甫 ,  付博勋 ,  李意 ,  冀有硕 ,  晁伟兵 ,  王冲 ,  牛毅 ,  石光明 ,  陈远方 ,  张利剑

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种领域自适应的跨受试者运动想象脑电信号识别系统及方法，解决了跨受试者运动想象脑电信号识别准确率低的问题。系统有数据采集、数据预处理、网络训练控制、网络模块和网络前向执行模块，网络前向执行模块读取网络模块参数并结合预处理的脑电信号计算出运动想象分类结果。网络模块为构建的空间条件领域自适应网络SCDAN模块。方法有构建识别系统；采集运动想象脑电数据；脑电数据预处理；准备训练数据；更新SCDAN模块；网络前向执行得到运动想象分类结果。本发明利用领域自适应技术构建SCDAN模块，实现高准确率识别分类。本发明跨受试者运动想象识别准确率高，场景通用性强。

公开(公告)号：CN110765920A

公开(公告)日：2020-02-07

申请号：CN201910993633.X

申请日：2019-10-18

Applicant: 西安电子科技大学

Inventor： 李甫 ,  吴昊 ,  晁伟兵 ,  石光明 ,  付博勋 ,  牛毅 ,  冀有硕 ,  董明皓 ,  王晓甜

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明公开了一种基于并行多尺度时间卷积核的卷积神经网络方法，主要解决现有技术检测准确率低，难以有效检测出用户想象运动的问题。其实现方案是：采集想象运动脑电数据，并对其进行预处理，使用预处理后的脑电数据制作数据集；构建卷积神经网络，使用训练集和验证集训练卷积神经网络，使用测试集测试卷积神经网络，使用被试者的脑电数据微调测试后的卷积神经网络，得到适合被试者进行在线实验的最终卷积神经网络；实时获取被试者的在线想象运动脑电信号，并送入最终的卷积神经网络，得到实时分类结果。本发明能有效检测出用户的想象运动，提高了对想象运动脑电信号的分类准确率，可用于医疗服务，作为辅助工具参与中风患者的康复治疗。

公开(公告)号：CN110534180A

公开(公告)日：2019-12-03

申请号：CN201910768253.6

申请日：2019-08-20

Applicant: 西安电子科技大学

Inventor： 李甫 ,  付博勋 ,  钱若浩 ,  吴昊 ,  冀有硕 ,  石光明 ,  牛毅 ,  董伟生

IPC: G16H20/70 ,  G06K9/62 ,  A61B5/0476

Abstract: 本发明公开的基于深度学习的人机互适应运动想象脑机接口系统和训练方法，解决了不同使用者间效果差异大、脑电信号稳定性差的问题。系统接有脑电数据采集、数据预处理、信号变换判别网络和视觉反馈呈现模块，还包括由原始脑电数据，信号转换目标图像和类别标签组成的数据集模块。训练方法包含通用预训练、互适应反馈校准、在线使用三阶段；互适应训练含多轮人机互适应训练，每轮训练含自由练习、任务想象收集数据和机器训练。本发明训练过程采用了“人在回路”的实时反馈，让使用者在试错中习得正确而稳定的可解码运动想象方式，提升了运动想象脑机接口的性能，实现对使用者运动想象的高精度稳定分类。主要用于满足高效的脑机交互需求。