公开(公告)号：CN114861702A

公开(公告)日：2022-08-05

申请号：CN202210307716.0

申请日：2022-03-27

Applicant: 常州大学

Inventor： 邹凌 ,  杨亮宇 ,  周天彤 ,  李文杰

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  A61B5/00 ,  A61B5/256 ,  A61B5/377

Abstract: 本发明涉及神经网络算法技术领域，尤其涉及一种利用深度神经网络对EEG数据的噪声识别方法，包括S1、通过脑电帽采集被试卒中关节的组合动作时诱发的EEG数据；S2、对数据集中数据进行降采样、粗滤波和独立成分分解；S3、将IC地形图进行裁剪；S4、将IC地形图送入二维CNN卷积网络，IC激活送入一维卷积网络，并将两个卷积网络的输出值送入DNN卷积网络；S5、将DNN卷积网络输出值通过softmax分类器进行分类，并对EEG数据进行噪声剔除。本发明利用一维CNN卷积、二维CNN卷积和DDN卷积搭建深度神经网络可以有效分类出噪声成分，对实时采集的EEG噪声敏感度高，能够有效的剔除噪声成分。

公开(公告)号：CN114861702B

公开(公告)日：2024-11-22

申请号：CN202210307716.0

申请日：2022-03-27

Applicant: 常州大学

Inventor： 邹凌 ,  杨亮宇 ,  周天彤 ,  李文杰

IPC: G06F18/241 ,  G06F18/10 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/082 ,  A61B5/00 ,  A61B5/256 ,  A61B5/377

Abstract: 本发明涉及神经网络算法技术领域，尤其涉及一种利用深度神经网络对EEG数据的噪声识别方法，包括S1、通过脑电帽采集被试卒中关节的组合动作时诱发的EEG数据；S2、对数据集中数据进行降采样、粗滤波和独立成分分解；S3、将IC地形图进行裁剪；S4、将IC地形图送入二维CNN卷积网络，IC激活送入一维卷积网络，并将两个卷积网络的输出值送入DNN卷积网络；S5、将DNN卷积网络输出值通过softmax分类器进行分类，并对EEG数据进行噪声剔除。本发明利用一维CNN卷积、二维CNN卷积和DDN卷积搭建深度神经网络可以有效分类出噪声成分，对实时采集的EEG噪声敏感度高，能够有效的剔除噪声成分。

公开(公告)号：CN116746944A

公开(公告)日：2023-09-15

申请号：CN202310409607.4

申请日：2023-04-17

Applicant: 常州大学

Inventor： 邹凌 ,  杨亮宇 ,  吕继东 ,  戴亚康

IPC: A61B5/369 ,  G06F18/213 ,  G06F18/241 ,  G06F18/10 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08 ,  A61B5/372 ,  A61B5/00

Abstract: 本发明涉及脑电信号处理技术领域，尤其涉及一种基于神经网络的上肢脑电信号识别方法及训练系统，包括：采集上肢肩、肘、腕三个关节的脑电EEG数据，并对数据流进行滤波处理和标注；构建CNN神经网络，对脑电EEG数据进行训练分类；数据通信模块是利用TCP/IP协议将在线脑电特征分析模型与VR康复训练游戏模块连接。本发明采用多层CNN卷积层融合技术，提高脑电动作识别的准确性；并利用socket技术实现线脑电特征分析与VR康复训练游戏的数据交互。