公开(公告)号：CN110584596B

公开(公告)日：2022-05-27

申请号：CN201910637527.8

申请日：2019-07-15

申请人： 天津大学 ,  天津富瑞隆金属制品有限公司

发明人： 高忠科 ,  蔡清 ,  马超 ,  马文庆

IPC分类号： A61B5/00 ,  A61B5/374

摘要： 一种基于双输入卷积神经网络的睡眠阶段分类方法及应用，获取有限穿越可视图复杂网络的特征指标：对睡眠阶段脑电片段，建立有限穿越可视图复杂网络；提取节点度值；根据节点度值得到节点度值序列，将节点度值序列作为有限穿越可视图复杂网络的特征指标；建立双输入卷积神经网络模型；采用十折交叉验证和双输入卷积神经网络模型，将节点度值序列和睡眠阶段脑电片段输入到双输入卷积神经网络模型，将睡眠阶段脑电片段按照清醒阶段、浅度睡眠阶段、深度睡眠阶段和快速眼动睡眠阶段分成四类。本发明能够实现对不同睡眠阶段脑电信号的高准确率的分类。可应用于智能家居监测设备，通过分析智能家居监测设备测得的睡眠脑电信号，实现对使用者大脑状态的监测。

公开(公告)号：CN108446020B

公开(公告)日：2021-01-08

申请号：CN201810169306.8

申请日：2018-02-28

申请人： 天津大学

发明人： 高忠科 ,  党伟东 ,  侯林华 ,  蔡清 ,  冯彦华

IPC分类号： G06F3/01 ,  G06K9/00 ,  G06N3/04 ,  G06N3/06 ,  G06N3/08

摘要： 一种融合可视图与深度学习的运动想象意念控制方法及应用，获取运动想象EEG脑电信号并进行预处理；对预处理后的运动想象EEG脑电信号采用可视图理论构建可视图复杂网络，得到大脑多层复杂网络；对于每一个可视图复杂网络，分别提取网络指标数据；对于任一被试者在每一个运动场景下的大脑多层复杂网络，获得所述各个网络指标数据，组成一维序列，并构建样本集，搭建初始深度卷积神经网络模型，使用样本集对初始深度卷积神经网络模型进行有监督的训练，得到能够用于运动想象EEG脑电信号有效分类、辨识的深度卷积神经网络模型及参数。本发明能够实现对运动想象EEG脑电信号的有效辨识和进行正确分类，并转化为脑控指令，实现对机械外骨骼的控制。

公开(公告)号：CN106491083B

公开(公告)日：2019-05-14

申请号：CN201610887684.0

申请日：2016-10-11

申请人： 天津大学

发明人： 高忠科 ,  杨宇轩 ,  蔡清

IPC分类号： A61B5/00 ,  A61B5/0476

摘要： 一种用于脑状态监测的头戴式智能穿戴电极数量优化法及应用：对智能穿戴设备测得的多通道信号进行预处理，得到多尺度多通道信号；对所有尺度下的多通道信号构建多尺度加权递归网络；在每个尺度下，对交叉递归率矩阵选取阈值；采用基于贪婪优化策略的鲁文算法探寻多尺度无权递归网络的社团结构；通过比较不同脑状态下的社团结构的演化，同时结合复杂网络的关键节点探寻算法，确定网络中的关键节点，关键节点对应的电极即为可监测脑状态变化的关键电极；针对关键电极测得的多通道信号，构建多元多尺度复杂网络；针对关键电极所得信号构建的多元多尺度复杂网络提取复杂网络指标；训练深度学习模型和进行脑状态监测。本发可提高智能穿戴设备的便携性和实用性。

公开(公告)号：CN106510619B

公开(公告)日：2019-04-05

申请号：CN201610888617.0

申请日：2016-10-11

申请人： 天津大学

发明人： 高忠科 ,  蔡清 ,  杨宇轩 ,  党伟东

IPC分类号： A61B5/00 ,  A61B5/0402

摘要： 基于复杂网络的心电信号分析方法及在智能穿戴上的应用：构建时间窗有限穿越可视图复杂网络，并提取网络特征指标：获得长度为Q的心电信号，对心电信号进行时间窗划分，从而获得N组长度为M的时间窗心电信号；对于每一个获得的时间窗心电信号构建有限穿越可视图复杂网络；计算每一个时间窗有限穿越可视图复杂网络的特征指标；结合单因素方差分析和T检验检验不同类型心电信号的时间窗有限穿越可视图复杂网络在同一指标下的显著性差异。本发明应用于智能穿戴设备，实现对使用者心脏状态的实时监测，并可提供必要的预警。本发明实现对健康心电信号与患病心电信号准确辨识以及不同类型心脏病的区分，在心脏疾病分析及心脏疾病发作远程报警方面有很大的应用潜力。

公开(公告)号：CN106503799A

公开(公告)日：2017-03-15

申请号：CN201610887683.6

申请日：2016-10-11

申请人： 天津大学

发明人： 高忠科 ,  杨宇轩 ,  蔡清

IPC分类号： G06N3/08 ,  A61B5/0476

摘要： 一种基于多尺度网络的深度学习模型及在脑状态监测中的应用：对测得的多通道信号进行预处理和多尺度变换；对所有尺度下的多通道信号得到多尺度加权递归网络和多尺度加权递归网络对应的交叉递归率矩阵；提取多尺度加权递归网络在不同的尺度下的网络指标；在每个尺度下，保留交叉递归率矩阵中相对大的元素，得到无权的邻接矩阵及其所对应的多尺度无权递归网络；对在设定变量的变化范围内的每一个值，得到多尺度无权递归网络和多尺度无权递归网络对应的邻接矩阵，提取多尺度无权递归网络在不同尺度下的网络指标，计算变量在设定范围内变化时网络指标的积分，将积分作为每个尺度下多尺度无权递归网络的最终的网络指标；深度学习模型训练和进行脑状态监测。

公开(公告)号：CN110584596A

公开(公告)日：2019-12-20

申请号：CN201910637527.8

申请日：2019-07-15

申请人： 天津大学 ,  天津富瑞隆金属制品有限公司

发明人： 高忠科 ,  蔡清 ,  马超 ,  马文庆

IPC分类号： A61B5/00 ,  A61B5/04 ,  A61B5/0476

摘要： 一种基于双输入卷积神经网络的睡眠阶段分类方法及应用，获取有限穿越可视图复杂网络的特征指标：对睡眠阶段脑电片段，建立有限穿越可视图复杂网络；提取节点度值；根据节点度值得到节点度值序列，将节点度值序列作为有限穿越可视图复杂网络的特征指标；建立双输入卷积神经网络模型；采用十折交叉验证和双输入卷积神经网络模型，将节点度值序列和睡眠阶段脑电片段输入到双输入卷积神经网络模型，将睡眠阶段脑电片段按照清醒阶段、浅度睡眠阶段、深度睡眠阶段和快速眼动睡眠阶段分成四类。本发明能够实现对不同睡眠阶段脑电信号的高准确率的分类。可应用于智能家居监测设备，通过分析智能家居监测设备测得的睡眠脑电信号，实现对使用者大脑状态的监测。

公开(公告)号：CN106485325A

公开(公告)日：2017-03-08

申请号：CN201610889357.9

申请日：2016-10-11

申请人： 天津大学

发明人： 高忠科 ,  杨宇轩 ,  党伟东 ,  董长松 ,  蔡清

IPC分类号： G06N3/08 ,  G06K9/62

CPC分类号： G06N3/084 ,  G06K9/6288 ,  G06N3/08

摘要： 一种基于复杂网络和深度学习的两相流多元信息融合法及应用：针对循环激励双模态传感器得到的多通道时间序列分别构建复杂网络；对于循环激励双模态传感器得到的每一个多通道时间序列分别建立加权相关系数复杂网络和无权相关系数复杂网络，得到网络指标，将所述的网络指标组合成一个特征向量；深度学习模型训练与相含率测量，得到一个能够实现双模态多元信息融合的深度学习模型。采用由循环激励多电极电导传感器和循环激励多电极电容传感器组成的循环激励双模态传感器进行垂直油水两相流实验，固定油相和水相的配比，改变油相和水相的流量进行实验。本发明可实现对两相流相含率的测量。

公开(公告)号：CN110367933A

公开(公告)日：2019-10-25

申请号：CN201910637530.X

申请日：2019-07-15

申请人： 天津大学

发明人： 高忠科 ,  蔡清

IPC分类号： A61B5/00 ,  A61B5/04 ,  A61B5/0476

摘要： 一种基于复杂网络和深度学习的睡眠阶段分类方法及应用：获取有限穿越可视图复杂网络的特征指标，包括建立有限穿越可视图复杂网提取节点度值，根据节点度值得到节点度值序列，将节点度值序列作为有限穿越可视图复杂网络的特征指标：对睡眠阶段脑电片段分别建立有限穿越视距为1的有限穿越可视图复杂网；采用十折交叉验证和长短时记忆模型，对睡眠阶段脑电片段按照清醒阶段、浅度睡眠阶段、深度睡眠阶段和快速眼动睡眠阶段分成四类。本发明的方法可应用于头戴式智能穿戴设备，通过分析智能穿戴设备测得的睡眠脑电信号，实现对使用者大脑状态的了解，并可提供必要的预警。

公开(公告)号：CN106473736B

公开(公告)日：2019-05-21

申请号：CN201610889168.1

申请日：2016-10-11

申请人： 天津大学

发明人： 高忠科 ,  蔡清 ,  杨宇轩 ,  党伟东

IPC分类号： A61B5/0476

摘要： 一种基于复杂网络的脑电信号分析方法及应用，包括：构建多尺度水平有限穿越可视图复杂网络；计算每一个多尺度水平有限穿越可视图复杂网络的特征指标；结合支持向量机分类脑电信号，包括采用留一法交叉验证和支持向量机分类器，对所有的二维指标向量进行分类，以及采用十折交叉验证和支持向量机分类器，对所有的二维指标向量进行分类。本发明结合多尺度思想和水平有限穿越可视图理论，构建脑电多尺度水平有限穿越可视图复杂网络，提取复杂网络指标，结合机器学习中的支持向量机分类器，实现对不同脑电信号的高准确率的分类。本发明可应用于头戴式智能穿戴设备，通过分析智能穿戴设备测得的睡眠脑电信号，实现对使用者大脑状态的监测，并可提供必要的预警。

公开(公告)号：CN106503799B

公开(公告)日：2018-11-30

申请号：CN201610887683.6

申请日：2016-10-11

申请人： 天津大学

发明人： 高忠科 ,  杨宇轩 ,  蔡清

IPC分类号： G06N3/08 ,  A61B5/0476

摘要： 一种基于多尺度网络的深度学习模型及在脑状态监测中的应用：对测得的多通道信号进行预处理和多尺度变换；对所有尺度下的多通道信号得到多尺度加权递归网络和多尺度加权递归网络对应的交叉递归率矩阵；提取多尺度加权递归网络在不同的尺度下的网络指标；在每个尺度下，保留交叉递归率矩阵中相对大的元素，得到无权的邻接矩阵及其所对应的多尺度无权递归网络；对在设定变量的变化范围内的每一个值，得到多尺度无权递归网络和多尺度无权递归网络对应的邻接矩阵，提取多尺度无权递归网络在不同尺度下的网络指标，计算变量在设定范围内变化时网络指标的积分，将积分作为每个尺度下多尺度无权递归网络的最终的网络指标；深度学习模型训练和进行脑状态监测。