-
公开(公告)号：CN116172575A
公开(公告)日：2023-05-30
申请号：CN202310045589.6
申请日：2023-01-30
Applicant: 北京工业大学
IPC: A61B5/369 , A61B5/00 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于通道优选和动态卷积神经网络的癫痫检测方法,本发明利用癫痫发作时脑电图的高频振荡特征初步定位癫痫发作起始区域，并经统计计算确定发作起始区域的中心导联；进而，计算中心导联与其他导联间的互信息与基尼指数，获得中心导联的动态相关性指数；接着，设计一种具有通道注意力机制的动态卷积神经网络模型，并结合导联的动态相关性指数实现癫痫检测。该模型具有根据输入通道特征动态改变卷积层参数的能力，增强了癫痫检测过程中的自适应性和鲁棒性。本发明方法能够获取源于发作起始区域的最优导联排序，且在不同受试者身上有良好的癫痫检测效果。
-
公开(公告)号：CN109965869B
公开(公告)日：2021-09-10
申请号：CN201811539310.5
申请日：2018-12-16
Applicant: 北京工业大学
Abstract: 本发明公开了基于脑源域空间的MI‑EEG识别方法，对采集到的运动想象脑电信号进行共平均参考及带通滤波等预处理；使用标准化低分辨率脑电磁断层扫描成像算法对脑电信号进行逆变换，得到脑源域偶极子偶极矩幅值时间序列；使用数据驱动方法，基于偶极子偶极矩幅值大小进行偶极子的初选，并采用连续小波变换对其进行时频分析，实现偶极子的精选及最优时间段的确定；选用一对一共空间模式算法提取偶极子小波系数功率序列特征，并输入到支持向量机中进行分类。本发明提高空间分辨率的同时，使得其时域、频域、空域信息在偶极子的优选、最优时间段的确定，及特征提取中得以充分利用，对于提高计算效率和分类精度具有重要意义。
-
公开(公告)号：CN112932504A
公开(公告)日：2021-06-11
申请号：CN202110058762.7
申请日：2021-01-16
Applicant: 北京工业大学
IPC: A61B5/372
Abstract: 本发明公开了偶极子成像与识别方法，采用标准化低分辨率脑电磁断层扫描成像sLORETA算法将经过带通滤波后的头皮层脑电信号逆变换到脑皮层；将四类运动想象任务分成两个两分类任务，计算每个两类任务之间的偶极子幅值差值，将其差异明显的共同时段选取为感兴趣时间TOI，并将TOI内每类任务激活的区域取并集，得到感兴趣区域ROI，提取ROI内偶极子的坐标和幅值；再针对每个离散时间点，通过对偶极子坐标进行平移、放大和取整等操作，并将偶极子幅值赋于到对应的坐标点处，构建二维偶极子成像图，再按照时间维度将二维偶极子成像图堆叠成二维图像序列；最后利用滑动时间窗法进行数据增广，获得三维偶极子特征数据，并输入到三维卷积神经网络3DCNN进行分类。
-
公开(公告)号：CN109199376A
公开(公告)日：2019-01-15
申请号：CN201810956896.9
申请日：2018-08-21
Applicant: 北京工业大学
IPC: A61B5/0476
Abstract: 本发明基于OA-WMNE脑源成像的运动想象脑电信号的解码方法，首先采用基线校正和时域上的叠加平均进行脑电信号的预处理，得到每种运动想象任务的叠加平均信号；进而，采用WMNE脑源成像算法将之逆变换到脑源空间，得到偶极子估计，并根据两种运动想象偶极子波形变化差异确定感兴趣时段区间(TOI)；再对所有单次运动想象脑电信号进行逆变换，并将TOI中每个采样点上所有的偶极子幅值构成特征向量，获得该采样点上的一组特征；然后将所有采样点上的特征构成特征样本集，对其进行零均值标准化处理，并采用单变量特征选择方法进行特征降维；最后利用支持向量机进行特征分类，获得最高平均解码精度，提高了脑电空间分辨率，有利于提高运动想象任务的解码精度。
-
公开(公告)号：CN105700689B
公开(公告)日：2018-07-13
申请号：CN201610154660.4
申请日：2016-03-17
Applicant: 北京工业大学
IPC: G06F3/01
Abstract: 本发明涉及基于镜像虚拟和Skinner强化学习的个性化MI‑EEG训练与采集方法，该方法将康复治疗领域的镜像疗法和Skinner强化学习理论融合到MI‑EEG的训练与采集过程当中。在训练模式中设计个性化视听联合刺激，在一种较为放松的状态下通过健侧手佩戴数据手套并执行张/握动作，利用计算机串口实时读取并解码健侧手部动作的数据，进而钳制采集界面中镜像虚拟患侧手模型的动作。使受试者通过自身健侧手的动作激励诱导镜像虚拟手的运动，加强大脑运动功能区镜像神经元的电活动,并基于Skinner强化学习理论设计闭环脑电采集与控制模式检验训练效果，同时，通过Skinner在线奖励反馈，进一步增强内动机，提高MI‑EEG质量。本发明操作简单，以期取得更好的实际应用。
-
Patent Agency Ranking
公开(公告)号：CN112668424B
公开(公告)日：2024-02-06
申请号：CN202011509929.9
申请日：2020-12-19
Applicant: 北京工业大学
IPC: G06F18/10 , G06F18/214 , G06N3/0475 , G06N3/045 , G06N3/0464
Abstract: 本发明公开了一种基于RBSAGAN的脑电信号数据增广的方法，设计Up ResBlock与Down ResBlock网络结构，通过主干的两个1D卷积层与分支的一个1D卷积层提取不同尺度感受野下的特征，并分别采用1D反卷积层和平均池化层分别进行数据维度的扩大和缩小。基于Self‑Attention机制设计1D Self‑Attention网络。该网络结构无视各离散时刻数据之间的距离，能够通过并行计算各离散时刻数据之间的相似度直接获得全局的时序特征，适用于具有丰富时序信息的脑电信号。Down ResBlock与1D Self‑Attention等网络组成RBSAGAN的判别器，输出损失值对生成器以及判别器的参数进行更新，直至达到纳什平衡。生成器产生的新数据与原有数据构成增广数据集，输入1D CNN进行分类，以评估生成数据的质量。
-
公开(公告)号：CN115952440A
公开(公告)日：2023-04-11
申请号：CN202310010193.8
申请日：2023-01-04
Applicant: 北京工业大学
IPC: G06F18/241 , G06N3/0464 , G06N3/048 , G06N3/047 , G06N3/08 , A61B5/372 , A61B5/00
Abstract: 本发明公开了基于3D插值和3DCNN的运动想象任务分类方法，首先，对运动想象脑电信号进行带通滤波处理；然后，利用快速傅里叶变换(FFT)对每个电极的EEG信号进行频域变换，并求取功率值；接着，将头皮电极的3D坐标投影到3D空间中，并使用3D插值算法对功率值进行插值，生成包含电极的3D真实空间位置信息的3D插值特征图像；最后，设计了一个3D卷积神经网络(3DCNN)来匹配3D插值特征图像的特点进行特征提取和分类。本发明体现了运动想象激活的深度信息，将电极的精确三维空间信息编码到3D插值成像图中，较好地匹配了3DCNN的空间卷积能力。
-
公开(公告)号：CN114631830A
公开(公告)日：2022-06-17
申请号：CN202210239817.9
申请日：2022-03-12
Applicant: 北京工业大学
IPC: A61B5/372
Abstract: 本发明公开了基于D‑K分区的简化分布式偶极子模型建立与识别方法，具体包括：首先，利用不同的带通滤波器对原始MI‑EEG进行滤波，以挑选与运动想象活动相关的最优频带；然后，对挑选出的每个子带进行脑电逆变换，将头皮EEG转换为脑皮层中的偶极子；接着，获得基于神经解剖学D‑K分区的中心偶极子，以构建简化分布式偶极子模型，将大脑皮层中心偶极子的活动视为神经动力学系统，构建4D数据表达；最后，将多频带数据表达进行融合并输入至设计好的n分支并行的nB3DCNN中，从时‑频‑空三个维度进行综合特征提取与识别。本发明体现了不同频带下，偶极子在3D空间中幅值随着时间的变化，利用少量中心偶极子反映了整个大脑皮质层由运动想象引起的神经电活动。
-
公开(公告)号：CN108210246B
公开(公告)日：2020-04-03
申请号：CN201810023630.9
申请日：2018-01-10
Applicant: 北京工业大学
IPC: A61H1/02
Abstract: 本发明公开了一种四自由度康复机械臂装置，该装置由基座和康复机械臂两部分组成，康复机械臂安装在基座上。康复机械臂由肩部外展关节，肩部屈伸关节，肘部屈伸关节，腕部屈伸关节组成。运动想象脑电信号被采集后，通过预处理，特征提取，模式分类得到的二分类信号作为机械臂控制单元的输入信号。控制单元输出PWM波控制肩部外展电机、肩部屈伸电机、肘部屈伸电机和腕部外展电机转动。通过算法实现运行想象脑电信号的分类，将信号传输给控制单元。控制单元发出相应控制信号。控制信号对伺服电机转动进行控制。本发明的机械臂结构设计的简单化，方便安装拆卸。
-
公开(公告)号：CN105700689A
公开(公告)日：2016-06-22
申请号：CN201610154660.4
申请日：2016-03-17
Applicant: 北京工业大学
IPC: G06F3/01
CPC classification number: G06F3/015 , G06F2203/011
Abstract: 本发明涉及基于镜像虚拟和Skinner强化学习的个性化MI-EEG训练与采集方法，该方法将康复治疗领域的镜像疗法和Skinner强化学习理论融合到MI-EEG的训练与采集过程当中。在训练模式中设计个性化视听联合刺激，在一种较为放松的状态下通过健侧手佩戴数据手套并执行张/握动作，利用计算机串口实时读取并解码健侧手部动作的数据，进而钳制采集界面中镜像虚拟患侧手模型的动作。使受试者通过自身健侧手的动作激励诱导镜像虚拟手的运动，加强大脑运动功能区镜像神经元的电活动,并基于Skinner强化学习理论设计闭环脑电采集与控制模式检验训练效果，同时，通过Skinner在线奖励反馈，进一步增强内动机，提高MI-EEG质量。本发明操作简单，以期取得更好的实际应用。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.022 seconds)
