-
公开(公告)号：CN117860544B
公开(公告)日：2024-08-06
申请号：CN202410074279.1
申请日：2024-01-18
申请人： 华南理工大学 , 华南脑控(广东)智能科技有限公司
摘要： 本发明涉及脑机接口技术领域，尤其涉及一种基于多模态虚拟现实交互的智能按摩系统，包括：可穿戴数据采集模块、脑电信号处理模块、显示控制模块和按摩组件；可穿戴数据采集模块用于采集前额单通道脑电信号；脑电信号处理模块与可穿戴数据采集模块通信连接，用于从可穿戴数据采集模块接收前额单通道脑电信号，确定前额单通道脑电信号指示的第一状态；显示控制模块与脑电信号处理模块通信连接，用于从脑电信号处理模块接收第一状态；显示控制模块还与按摩组件通信连接，还用于基于第一状态，向按摩组件发送控制指令，以控制按摩组件。本发明的智能按摩系统通过物理按摩融合虚拟现实元素，进一步促进用户对环境的沉浸感，从而提升康复治疗的效果。
-
公开(公告)号：CN118332301A
公开(公告)日：2024-07-12
申请号：CN202410554541.2
申请日：2024-05-07
申请人： 华南理工大学 , 华南脑控(广东)智能科技有限公司
IPC分类号： G06F18/21 , G06F18/214 , G06N3/0464 , G06N3/08 , G06F3/01
摘要： 本发明公开了跨被试五通道运动想象脑电信号在线识别方法、装置，包括以下三种跨被试五通道运动想象脑电信号在线识别方法：五通道运动想象脑电信号在线识别的完全跨被试方法、五通道运动想象脑电信号在线识别的少训练跨被试方法和五通道运动想象脑电信号在线识别的在线更新模型跨被试方法；本发明的有益效果是：这些方法不仅提高了识别的准确性和可靠性，而且消除了对个性化训练的需求，具有更广泛的适用性和可操作性；采用五通道可穿戴式脑电头环装置的设计使得该技术更加便携和舒适，为用户提供了更加自然和无拘束的体验，进一步提高了技术的实用性和用户接受度。
-
公开(公告)号：CN110796249B
公开(公告)日：2024-01-05
申请号：CN201910930100.7
申请日：2019-09-29
申请人： 中山大学孙逸仙纪念医院 , 华南理工大学
IPC分类号： G06N3/084 , G06N3/0464 , G16H40/20 , G16H50/20 , G06V10/774 , G06V10/764 , A61B1/227 , A61B1/04 , A61B1/00 , G06V10/82
摘要： 本发明公开了一种基于深度学习的耳内镜图像神经网络模型构建方法及智能分类处理方法，该模型构建方法包括步骤A：从医院病例数据库中选取耳内镜图像构建耳内镜数据集，将数据集划分为测试集以及训练集；步骤B：加载预训练的神经网络模型，在所得到的训练集上微调预训练的神经网络模型，获得训练得到的神经网络模型；步骤C：在测试集上验证步骤B训练得到的神经网络模型的性能，筛选出最优神经网络模型。本发明同时公开了一种基于深度学习的耳内镜图像智能分类处理方法，该智能分类处理方法还包括步骤D：通过步骤C获得的最优神经网络模型，对新增的耳内镜图像进行智能分类，输出分类结果。
-
公开(公告)号：CN116784864A
公开(公告)日：2023-09-22
申请号：CN202310341330.6
申请日：2023-04-03
申请人： 华南理工大学
IPC分类号： A61B5/369 , A61B5/372 , A61B5/291 , A61B5/00 , A61B5/16 , G06F3/01 , G06F18/214 , G06F18/2411
摘要： 本发明公开了一种基于脑机接口的疲劳监测系统以及方法，包括EEG采集电路、模拟前端EEG信号采集模块、主控器模块、蓝牙无线通信模块以及云端疲劳监测平台；EEG采集电路使用电极采集脑电信号；主控器模块用于协同控制管理，实现与EEG采集电路、外围传感采集电路的接口控制、核心调度模块；本发明提出的一种基于脑机接口的疲劳监测系统以及方法，可以在工作人员双手保持工作状态的情况下，用脑机接口方式操控交互界面，实现非手动的人机交互；本发明是智能化工地的核心组成部分之一，应用前景广泛。
-
公开(公告)号：CN112163518B
公开(公告)日：2023-07-18
申请号：CN202011038628.2
申请日：2020-09-28
申请人： 华南理工大学 , 华南脑控(广东)智能科技有限公司
IPC分类号： G06F18/2411 , G06F18/10 , G06F18/213 , G06F18/214
摘要： 本发明公开了一种情绪监测的情绪建模方法及情绪监测调节系统，该方法是拾取训练的情绪信号，依次进行滤波预处理和微分熵特征提取，得到相应的特征向量；将特征向量通过基于线性核的SVM构建情绪分类的分类器，将训练中的高兴、中性、悲伤情绪状态下对应的情绪特征数据构成一个训练集，并将高兴、中性、悲伤情绪状态下对应的特征向量送入分类器进行训练，得到基于情绪的分类器模型；再次调用上述训练集中三种情绪状态对应的特征向量分别送入分类器模型，在分类器模型的输出中得到每种情绪状态的score值(代表情绪的强弱程度)，并基于score值构建反馈准则，用于帮助用户有效地改变自己的情绪调节策略，达到情绪调节的有用效果。
-
公开(公告)号：CN115089193A
公开(公告)日：2022-09-23
申请号：CN202210526311.6
申请日：2022-05-16
申请人： 华南理工大学
摘要： 本发明公开了一种融合ASSR和P300的意识水平检测系统，包括：数据传输模块，用于接收脑电信号数据并打上标注；数据处理模块，用于导入脑电信号数据并进行预处理操作；实验范式模块，用于向受试者呈现刺激范式；模型训练模块，用于导入脑电信号数据，提取特征并用于训练P300模型和ASSR模型以及融合P300和ASSR这两种成分的混合模型；在线测试模块，用于在受试者接受实验的同时，处理从脑电信号采集软件接收的脑电信号数据，并将处理后的数据输入到模型训练模块保存的模型中，向受试者反馈预测结果。本发明充分利用脑机接口技术的优越性，提升对意识障碍患者的意识状态的诊断水平，同时，为诊断结果提供了一定程度的可解释性说明，增强了诊断结果的可信度。
-
公开(公告)号：CN114344665A
公开(公告)日：2022-04-15
申请号：CN202111542898.1
申请日：2021-12-16
申请人： 华南理工大学
摘要： 本发明公开了一种面向耳鸣患者的睡眠调控系统，包括头环和手机端APP(即客户端)；头环集成有主控模块、第一通讯模块、EEG电极和耳机，主控模块通过EEG电极进行脑电信号采集，实时分析用户注意力及睡眠状态，同时通过耳机对用户进行背景音乐的播放，并用指导语音对用户进行冥想指导；手机端APP设有与头环的第一通讯模块配对的第二通讯模块，手机端APP通过第二通讯模块与头环的主控模块相连接，主控模块通过第一通讯模块发送用户的脑电信号及睡眠生理参数至手机端APP，以进一步保存及后续分析。本发明通过脑机接口神经反馈技术实现耳鸣用户的睡眠调控，通过冥想加快其进入睡眠状态，对深睡期阶段进行声音的同步刺激以延长其深睡期周期，提高睡眠质量。
-
公开(公告)号：CN110840666A
公开(公告)日：2020-02-28
申请号：CN201911133337.9
申请日：2019-11-19
申请人： 华南理工大学
摘要： 本发明公开了一种基于眼电和机器视觉的轮椅机械臂集成系统，包括EOG采集放大器、图形用户界面、多眼动EOG信号检测识别单元、目标物体探测单元、综合识别单元、执行单元；本发明还公开了一种基于眼电和机器视觉的轮椅机械臂集成控制方法；本发明公开的基于两种眼部动作的人机接口指令输出方式，在保证消除无意识眼动带来的干扰的前提下，将生成一个指令的平均反应时间缩短至大约2秒，用户通过眼动可以输出14个不同的指令，准确率平均可达97.3％，而现有的基于眼电的轮椅控制技术准确率最高80％，相比于现有的基于EOG的人机接口在性能上有很大的提升；将眼电所反映的人脑智能与机器智能相互融合，既保证了控制的准确性，也减轻了用户的操作负荷。
-
公开(公告)号：CN110796249A
公开(公告)日：2020-02-14
申请号：CN201910930100.7
申请日：2019-09-29
申请人： 中山大学孙逸仙纪念医院 , 华南理工大学
摘要： 本发明公开了一种基于深度学习的耳内镜图像神经网络模型构建方法及智能分类处理方法，该模型构建方法包括步骤A：从医院病例数据库中选取耳内镜图像构建耳内镜数据集，将数据集划分为测试集以及训练集；步骤B：加载预训练的神经网络模型，在所得到的训练集上微调预训练的神经网络模型，获得训练得到的神经网络模型；步骤C：在测试集上验证步骤B训练得到的神经网络模型的性能，筛选出最优神经网络模型。本发明同时公开了一种基于深度学习的耳内镜图像智能分类处理方法，该智能分类处理方法还包括步骤D：通过步骤C获得的最优神经网络模型，对新增的耳内镜图像进行智能分类，输出分类结果。
-
公开(公告)号：CN110569727A
公开(公告)日：2019-12-13
申请号：CN201910720007.3
申请日：2019-08-06
申请人： 华南理工大学
摘要： 本发明公开了一种基于运动想象分类的结合类内距和类间距的迁移学习方法，包括步骤：1)利用除当前受试者以外的其它受试者的跨session数据作为训练集，当前受试者的跨session数据作为测试集；2)利用巴特沃斯带通滤波器提取目标信号；3)使用CSP(共同空间模式)提取特征；4)结合分布自适应、类内距和类间距做特征迁移；5)使用集成学习方法进行分类。本发明将分布自适应、类内距和类间距结合起来做特征迁移，并使用集成学习的方法进行分类，有效地解决了由于运动想象数据稀缺而导致的分类准确度不高的问题。
-
-
-
-
-
-
-
-
-
搜索结果
174 条记录 (耗时 0.025 秒)
