公开(公告)号：CN119691517A

公开(公告)日：2025-03-25

申请号：CN202411848184.7

申请日：2024-12-16

Applicant: 南京邮电大学

Inventor： 戴修斌 ,  陈念念 ,  徐欣 ,  范秋云 ,  张蓓 ,  郜海澎

IPC: G06F18/24 ,  A61B5/18 ,  A61B5/00 ,  A61B5/346 ,  A61B5/319 ,  G06F18/213 ,  G06F17/18 ,  G06F17/14 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开一种通过EEG信号识别疲劳状态的方法，包括步骤：采集EEG信号，并从中提取出多种特征值，用作构建样本；构建浅层神经网络，样本的各特征值历经该浅层神经网络的输入层、隐藏层及输出层的运算，由输出层输出预测结果；对预测结果作归一化处理，归一化处理结果即是否疲劳的判定结果。本发明提供的通过EEG信号识别疲劳状态的方法，综合考虑多个特征值，利用它们之间的相互作用和互补性，来构建更为全面和精细的疲劳评估模型。这样的模型不仅能够更准确地反映EEG信号中的疲劳特征，还能更好地适应不同个体之间的差异，从而提高疲劳监测的实用性和有效性。

公开(公告)号：CN119214658A

公开(公告)日：2024-12-31

申请号：CN202411390569.3

申请日：2024-10-08

Applicant: 南京邮电大学

Inventor： 徐欣 ,  郜海澎 ,  蒋金瑞 ,  朱云磊

IPC: A61B5/16 ,  A61B5/369 ,  A61B5/374 ,  A61B5/00 ,  G06F18/2411 ,  G06F18/10 ,  G06F18/213 ,  G06F18/25 ,  G06F18/2131 ,  G06F18/211

Abstract: 本发明公开了一种基于脑电信号的负性情绪分类和抑郁症判别方法，属于脑电信号处理技术领域，包括如下步骤：步骤1、通过网络申请获取情绪Deap数据集和HUSM抑郁症数据集，基于情绪VA二维模型对情绪Deap数据集进行处理保留其中的负性情绪；步骤2、对两个数据集中的原始脑电信号进行预处理；步骤3、特征提取和构建多域特征融合矩阵：步骤4、对多域特征融合矩阵进行特征参数筛选降维：步骤5、负性情绪阈值分析：步骤6、训练抑郁症SVM分类器：步骤7、将待分析情绪的脑电信号，根据步骤5中的阈值组合进行负性情绪分类，并按照步骤6中的训练好的抑郁症SVM分类器判断待分析情绪的脑电信号是否为抑郁症。