公开(公告)号：CN114781442B

公开(公告)日：2025-02-28

申请号：CN202210359058.X

申请日：2022-04-07

Applicant: 成都信息工程大学

Inventor： 郜东瑞 ,  王珂杰 ,  汪曼青 ,  曾帅 ,  陆全平 ,  张永清

IPC: G06F18/2433 ,  G06F18/25 ,  G06N3/045 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/084 ,  A61B5/00 ,  A61B5/16

Abstract: 本发明公开了一种基于四维注意力卷积循环神经网络的疲劳分类方法，包括以下步骤：S1、采集脑电信号并输入四维特征提取模块，提取脑电信号的四维特征；S2、将提取到的四维特征输入注意力模块，到拥有空间‑通道注意力的特征；S3、将拥有空间‑通道注意力的特征输入卷积循环神经网络模块，进行疲劳分类。本发明解决了基于脑电信号的神经网络可解释性差的问题，它不仅提高了分类的准确率，并且通过它可以从空间和频带的角度进行可视化，提高网络的可解释性。使用深度可分离卷积层，相比于普通卷积层，模型大小降低了70％左右，准确率却提高1.44％，并且提出一种双分支深度可分离卷积，对空间信息的处理上融合了两种尺度感受野，进一步将准确率提高0.45％。

公开(公告)号：CN114781442A

公开(公告)日：2022-07-22

申请号：CN202210359058.X

申请日：2022-04-07

Applicant: 成都信息工程大学

Inventor： 郜东瑞 ,  王珂杰 ,  汪曼青 ,  曾帅 ,  陆全平 ,  张永清

IPC: G06K9/00 ,  G06N3/04 ,  G06N3/08 ,  A61B5/00 ,  A61B5/16

Abstract: 本发明公开了一种基于四维注意力卷积循环神经网络的疲劳分类方法，包括以下步骤：S1、采集脑电信号并输入四维特征提取模块，提取脑电信号的四维特征；S2、将提取到的四维特征输入注意力模块，到拥有空间‑通道注意力的特征；S3、将拥有空间‑通道注意力的特征输入卷积循环神经网络模块，进行疲劳分类。本发明解决了基于脑电信号的神经网络可解释性差的问题，它不仅提高了分类的准确率，并且通过它可以从空间和频带的角度进行可视化，提高网络的可解释性。使用深度可分离卷积层，相比于普通卷积层，模型大小降低了70％左右，准确率却提高1.44％，并且提出一种双分支深度可分离卷积，对空间信息的处理上融合了两种尺度感受野，进一步将准确率提高0.45％。

公开(公告)号：CN113243924A

公开(公告)日：2021-08-13

申请号：CN202110544789.7

申请日：2021-05-19

Applicant: 成都信息工程大学

Inventor： 郜东瑞 ,  张云霞 ,  李鑫 ,  王宏宇 ,  郑文银 ,  王珂杰 ,  严明靖 ,  汪漫青 ,  张欢 ,  张永清

IPC: A61B5/372 ,  A61B5/117

Abstract: 本发明公开了一种基于脑电信号通道注意力卷积神经网络的身份识别方法，包括以下步骤：S1、从情感脑电数据库中选择不同通道的EEG信号作为原始信号；S2、利用带通滤波器去除原始信号中的眼电伪迹信号以及工频干扰信号，得到纯净的情感脑电信号；S3、将预处理之后的情感脑电信号输入深度学习身份识别模型中，利用深度学习算法对情感脑电信号进行身份识别。本发明选用了情感EEG信号进行身份识别，情感EEG易于获取，身份识别方法更具有普适性和泛化性。本发明缩短了前层和后层之间连接的神经元数量，减轻了梯度消失问题，加强特征传播和减少网络参数更有效的利用了不同情感状态的EEG信号特征，从而有效的进行情感脑电信号的身份识别。