-
公开(公告)号：CN113080847B
公开(公告)日：2022-11-29
申请号：CN202110286243.6
申请日：2021-03-17
申请人： 天津大学
摘要： 本发明公开了一种基于图的双向长短期记忆模型诊断轻度认知障碍的装置，包括：数据预处理模块，用于通过给定阈值对邻接矩阵进行二值化处理，经过二值化处理的功能连接矩阵能够反映轻度认知障碍患者大脑的脑区之间的功能连接存在着哪些异常；特征提取与建模模块，用于将经过预处理之后的数据通过使用AAL脑模板将全脑分为不同的脑区，并分别提取不同脑区的BOLD信号；训练模型与预测结果模块，用于经过正向GC‑LSTM循环处理之后依次得到H1到HT，经过反向GC‑LSTM循环处理之后依次得到H1′到HT′，将在t时刻的正向hidden state Ht与反向hidden state H′T+1‑t进行拼接形成yt，通过softmax层对当前输入的被试进行分类预测。
-
公开(公告)号：CN115363605A
公开(公告)日：2022-11-22
申请号：CN202211038301.4
申请日：2022-08-29
申请人： 天津大学
摘要： 本发明公开了一种基于高频gamma神经振荡的自适应ASSR增强装置，装置包括：提取模块，用于通过重复高频刺激诱发gamma频段ASSR响应，提取中央脑区的EEG信号事件相关谱扰动特征进行预处理，计算事件相关谱扰动能量大小，并进行在线反馈；调制模块，用于根据在线反馈能量值，联合经颅交流电刺激非侵入式神经调控，自适应输出刺激电流强度，实现对gamma频段的ASSR个体化针对性闭环调制，改善或增强特定的神经功能，推广至神经工程学、临床医学等领域，获得可观的社会效益和经济效益。
-
公开(公告)号：CN114496221A
公开(公告)日：2022-05-13
申请号：CN202210048445.1
申请日：2022-01-17
申请人： 天津大学
摘要： 本发明公开了一种基于闭环语音链和深度学习的抑郁症自动诊断系统，包括：语音链特征提取模块用于对片段语音提取语音链特征，建立声道、耳道模型，根据耳道模型提取预设维度梅尔倒谱系数特征以及根据声道模型提取另一预设维度线性预测系数特征；片段内特征提取模块用于建立一维卷积神经网络对各语音片段的MFCC特征和LPC特征提取抑郁相关特征，每个语音片段所对应的MFCC特征和LPC特征经提取后分别输出多维度抑郁症特征；特征级融合模块用于对每个片段对应的多维度抑郁症特征进行融合，对每名被试对应的所有片段特征进行融合；片段间特征提取及分类输出模块用于建立长短期记忆网络提取片段间的抑郁特征并实现抑郁症和非抑郁症的分类输出。
-
公开(公告)号：CN108764008B
公开(公告)日：2021-10-26
申请号：CN201810193673.1
申请日：2018-03-09
申请人： 天津大学
IPC分类号： G06K9/00
摘要： 本发明公开了一种基于动态停止策略结合集成学习检测运动意图的方法，包括以下步骤：离线建模阶段：对静息态数据和第一预运动态数据提取特征后建立线性判别分析模型，用于识别当前用户是否即将运动；对第二预运动态数据提取特征后，分别与运动态数据特征构建子分类器，用于检测运动的准确时刻；在线测试阶段：实时截取的数据提取特征后，送入LDA模型，输出决策值，如果决策值大于设定的阈值，则送入构建的子分类器中，利用投票策略，得票如果大于设定的阈值，则输出结果，反之则等待下一个数据特征的输入。本发明实现了在线的运动意图检测，可在控制系统计算成本的基础上，取得更优的检测结果。
-
公开(公告)号：CN109645993A
公开(公告)日：2019-04-19
申请号：CN201811344728.0
申请日：2018-11-13
申请人： 天津大学
IPC分类号： A61B5/0484
摘要： 本发明公开了一种提高跨个体脑-机接口识别性能的主动学习方法，所述方法包括：使用包含x个已知标签的训练集X训练SVM分类器，并为验证集V计算AUC值；使用训练后的分类器预测测试集Y中的目标和非目标的试次，并计算测试集Y中每个试次的总体置信度，从测试集Y中提取出k个具有最低总体置信度的试次Y(k)；从数据库中查询试次Y(k)的标签，并将这些标签的试次与随机选取的数据M一起设定为新的训练集X，再次对分类器进行训练。本发明对采集的脑电皮层诱发信号进行分析，通过设定置信度的阈值来挑选数据，将置信度低的数据反馈回原始数据中重新进行训练，弱化特异性的特征，从而提高识别模型的鲁棒性，满足实际应用中的要求。
-
公开(公告)号：CN109521870A
公开(公告)日：2019-03-26
申请号：CN201811198840.8
申请日：2018-10-15
申请人： 天津大学
摘要： 本发明公开了一种基于RSVP范式的视听觉结合的脑-机接口方法，所述方法包括：设计应用于脑机接口实验的新范式，所述新范式为以听觉辅助视觉的BCI刺激范式；搭建脑电信号采集装置；采集受试者的脑电信号数据、存储脑电数据并进行相应的预处理和特征提取；通过支持向量机对诱发的脑电信号进行分类并计算，判断正确率和信息传输率；所述方法对呈现的视觉对象结合相应的语音播报加深受试者对刺激的感知力度，达到更优的分类效果。本发明设计了以听觉辅助视觉的BCI刺激范式，与传统基于仅视觉诱发的BCI系统相比，能够增加BCI系统的可分性与可靠性。
-
公开(公告)号：CN107411738A
公开(公告)日：2017-12-01
申请号：CN201710251631.4
申请日：2017-04-18
申请人： 天津大学
IPC分类号： A61B5/0476 , A61B5/16 , A61B5/18
CPC分类号： A61B5/0476 , A61B5/04012 , A61B5/165 , A61B5/7203 , A61B5/7235 , A61B5/725 , A61B2503/22
摘要： 本发明公开了一种基于静息脑电相似性的情绪跨个体识别方法，所述情绪跨个体识别方法包括：建立多个体情绪数据库，包括n个被试的静息脑电和情绪脑电，并通过AR模型提取脑电在4个频段的功率谱密度，构成静息脑电特征矩阵以及情绪脑电特征矩阵；记录需要被检测的被试的静息脑电，分别计算其与情绪数据库中的n个被试的静息脑电特征矩阵的欧式距离，选择距离最小的0.2*n个被试作为情绪识别模型训练集的用户群；利用该用户群的情绪脑电特征矩阵建立情绪检测模型，从而准确、客观的进行跨个体情绪脑电识别。本发明可有效地解决目前情绪识别中的跨个体识别正确率低的瓶颈问题，将模型推向应用，并获得可观的社会效益和经济效益。
-
公开(公告)号：CN102715889B
公开(公告)日：2014-01-29
申请号：CN201210192416.9
申请日：2012-06-11
申请人： 天津大学
IPC分类号： A61B5/00 , A61B5/0476 , A61B5/1455
摘要： 本发明公开了一种脑力负荷检测方法，提取脑电信号的线性特征参数和非线性特征参数；提取大脑近红外光谱信号中的血氧饱和度指数，并将血氧饱和度指数作为血氧饱和度特征参数；对每段辅助任务的绩效指数取平均获取平均辅助任务绩效指数，从线性特征参数、非线性特征参数和血氧饱和度特征参数中查找对平均辅助任务绩效指数敏感的特征，获取敏感特征；根据敏感特征和平均辅助任务绩效指数，采用支持向量机回归或人工神经网络建立脑力负荷检测模型；通过脑力负荷检测模型输出脑力负荷指数，当脑力负荷指数不在预设范围内，对操作者的任务进行调整，使得脑力负荷指数在所述预设范围内，流程结束。本方法实现了对脑力负荷的在线检测，扩大了应用范围。
-
公开(公告)号：CN102715911A
公开(公告)日：2012-10-10
申请号：CN201210199052.7
申请日：2012-06-15
申请人： 天津大学
IPC分类号： A61B5/16 , A61B5/0476
摘要： 一种基于脑电特征的情绪状态识别方法，有：数据采集阶段，是在国际情绪图片诱发条件下，提取被试在不同愉悦度等级图片诱发下的64导脑电数据；数据预处理阶段，对采集到的64导脑电数据进行改变参考电位、降采样、带通滤波、去除眼电四个步骤的处理；特征提取阶段，是将预处理后的信号用共空间模式算法进行滤波后提取时域特征；特征识别，使用支持向量机分类器对特征进行识别，将不同情绪状态区分开。本发明尝试的OVR共空间模式算法，可去除背景信号的干扰，用于多类情绪诱发脑电的信号增强。去除背景信号干扰后，不同类别的情绪脑电间差异增大，用时域方差特征进行识别，被试者的识别正确率较为理想，可以准确地区分开不同愉悦度的情绪。
-
公开(公告)号：CN114863548B
公开(公告)日：2024-05-31
申请号：CN202210298674.9
申请日：2022-03-22
申请人： 天津大学
摘要： 本发明公开了一种基于人体运动姿态非线性空间特征的情绪识别方法及装置，包括：提取在位置和角度信息上的不同关节之间的相关性，对情绪与运动姿态之间的空间映射关系进行表征；构建一多输入对称正定矩阵网络对非欧式空间结构的多维度位置与角度协方差矩阵进行融合计算，以提取姿态非线性空间特征用于自动情绪识别，所述正定矩阵网络由两个并行的子网络组成，每个子网络由正则化层、双线性映射层和对数平滑层组成；构建改进的随机梯度下降算法，用于对正定矩阵网络进行训练；利用训练后的正定矩阵网络并行处理运动姿态的位置与角度协方差矩阵，并在网络末端使用全连接层对提取得到的两类映射矩阵进行融合优化，以生成更具可分性的融合特征用于情绪识别。
-
-
-
-
-
-
-
-
-
搜索结果
65 条记录 (耗时 0.024 秒)
