一种基于高效多源胶囊网络的跨被试EEG认知状态检测方法

    公开(公告)号:CN113842151B

    公开(公告)日:2024-01-05

    申请号:CN202111160386.9

    申请日:2021-09-30

    摘要: 本发明提出一种基于高效多源胶囊网络的跨被试EEG认知状态检测方法。本发明通过将目标域和多源域的特征分布对齐,以实现域间特征的有效迁移。将EEG数据构建成多通道一维结构,提高了训练效率,同时提高模型性能。其次,引入自表达模块来捕捉样本之间的潜在联系,能够很好地适应不同任务下具有显著个体差异的跨被试EEG数据分析。最后提出了基于动态子胶囊的空间注意力算法来进一步学习EEG数据空间层次上的细粒度特征信息,有效刻画了EEG数据的部分间空间关系和部分‑整体层次关系。本发明有效避免了脑认知计算领域脑电信号的个体差异性问题,可适用于任何任务下基于EEG的认知状

    基于未知样本可能性的开放集跨被试EEG情绪识别方法

    公开(公告)号:CN116702062A

    公开(公告)日:2023-09-05

    申请号:CN202310733999.X

    申请日:2023-06-20

    摘要: 本发明公开了一种基基于未知样本可能性的开放集跨被试EEG情绪识别方法。本发明提出了一种具有辅助分类器结构的对抗域自适应模型。该模型引入了一个用来评估目标域未知类概率权重的加权模块,为目标样本分配更能代表它们是否可能属于已知类和未知类的权重,实现已知类与未知类合理划分,鼓励模型在对抗性训练中进行正向迁移,同时减少了源域和目标域已知类之间的域差距。另外,本发明对特征范数对齐进行改进,利用目标域样本预测结果的不确定性熵约束特征范数对齐,鼓励模型在两个域中学习具有更大范数的已知类别特征,来避免目标域的退化,该方法充分考虑目标域与源域特征范数层面上的对齐,具有较高的普适性,提高模型泛化能力。

    基于生成对抗域自适应的跨被试EEG疲劳状态分类方法

    公开(公告)号:CN112274162B

    公开(公告)日:2022-05-17

    申请号:CN202010985675.1

    申请日:2020-09-18

    IPC分类号: A61B5/369 A61B5/00

    摘要: 本发明公开了一种基于生成对抗域自适应的跨被试EEG疲劳状态分类方法。本发明首先获取数据并预处理,去除伪迹;其次通过PSD来进行EEG特征提取,从三维EEG时间序列获得二维样本矩阵;然后区分源域和目标域数据集,获得不重合的训练集和测试集;再用部分无标签的目标域数据和符合高斯分布的随机数据训练分类模型GDANN;最后利用混淆矩阵对分类结果准确率进行评估。本发明将生成对抗网络和域不变思想进一步结合,既解决了EEG信号数据集稀少难获得的问题,又平衡了源域数据和目标域数据不匹配的问题,一定程度上避免了负迁移,训练出了高精度的跨被试疲劳检测分类器,以期在实际的脑机交互中有着广泛的应用前景。

    基于聚类的对抗部分域适应跨被试EEG情绪识别方法

    公开(公告)号:CN114239652A

    公开(公告)日:2022-03-25

    申请号:CN202111539147.4

    申请日:2021-12-15

    摘要: 本发明公开了一种基于聚类的对抗部分域适应跨被试EEG情绪识别方法,利用源域样本的特征计算类簇中心,并将源域真实标签作为类簇标签,并引入一致性匹配算法和跨域聚类共识指标,利用Kmeans聚类得到无标签目标域样本相应的类簇标签和类簇中心,将源域类簇中心与目标域类簇中心进行一致性匹配,对于匹配成功的两个类簇,将源域标签分配给共同语义的目标域类簇,同时计算跨域聚类共识指标实现最优目标域类簇个数的搜索,最终实现源域和目标域的共有类别的关联和私有类别的分离,该方法充分考虑无标签数据的特征空间分布结构,具有较高的普适性,能够大大提高模型训练效率,并为临床应用提供技术支持。

    基于EEG与神经反馈技术的轻度认知障碍康复评估系统

    公开(公告)号:CN113288147A

    公开(公告)日:2021-08-24

    申请号:CN202110599857.X

    申请日:2021-05-31

    摘要: 本发明公开了一种基于EEG与神经反馈技术的轻度认知障碍康复评估系统。本发明包括Openvibe脑信号转发装置、Unity范式客户端、Web移动智能终端以及网络服务器;Openvibe脑信号转发装置通过VRPN通信协议与Unity范式客户端相连,Unity范式客户端与Web移动智能终端通过移动互联网与网络服务器相连。Openvibe脑信号转发装置将实时采集到的EEG信号发送给Unity范式客户端,Unity范式客户端分析实时数据来动态改变范式难度,同时在每一次范式结束后,将Openvibe生成的CSV格式的完整EEG信号数据上传到网络服务器进行处理并存储,处理后的分析结果反馈给Web移动智能终端进可视化显示。本发明使用方便、快速准确,便于进行轻度认知障碍患者的康复训练,并对其大脑认知功能进行综合性评估。

    基于生成对抗域自适应的跨被试EEG疲劳状态分类方法

    公开(公告)号:CN112274162A

    公开(公告)日:2021-01-29

    申请号:CN202010985675.1

    申请日:2020-09-18

    IPC分类号: A61B5/369 A61B5/00

    摘要: 本发明公开了一种基于生成对抗域自适应的跨被试EEG疲劳状态分类方法。本发明首先获取数据并预处理,去除伪迹;其次通过PSD来进行EEG特征提取,从三维EEG时间序列获得二维样本矩阵;然后区分源域和目标域数据集,获得不重合的训练集和测试集;再用部分无标签的目标域数据和符合高斯分布的随机数据训练分类模型GDANN;最后利用混淆矩阵对分类结果准确率进行评估。本发明将生成对抗网络和域不变思想进一步结合,既解决了EEG信号数据集稀少难获得的问题,又平衡了源域数据和目标域数据不匹配的问题,一定程度上避免了负迁移,训练出了高精度的跨被试疲劳检测分类器,以期在实际的脑机交互中有着广泛的应用前景。

    一种基于加权梯度幅度的双目融合立体图像质量评价方法

    公开(公告)号:CN109887023A

    公开(公告)日:2019-06-14

    申请号:CN201910030015.5

    申请日:2019-01-11

    IPC分类号: G06T7/60 G06T5/50

    摘要: 本发明公开了一种基于加权梯度幅度的双目融合立体图像质量评价方法。客观图像质量评价算法根据是否利用原图像参与图像质量评价,可分为全参考、半参考和无参考图像质量评价算法三种。本发明采用的是半参考立体图像客观质量评价算法。与传统的融合左右眼图像生成独眼图算法不同,本发明将经过局部加权后的梯度幅度因子加入双目融合算法中,从而对传统的独眼图构造过程中丢失的结构信息进行一定补偿。本发明在消除对比度变化的同时增强局部图像结构。采用经典的自适应稀疏字典和OMP迭代算法,捕获随着迭代次数增加而增强的边缘和纹理信息,能更好的体现图像的结构信息。

    一种基于稀疏学习和域对抗网络的脑电通道优化方法

    公开(公告)号:CN112163486B

    公开(公告)日:2024-03-12

    申请号:CN202010991868.8

    申请日:2020-09-18

    摘要: 本发明公开了一种基于基于深度学习与稀疏学习相结合的脑电通道优化方法。本发明首先利用模型驾驶实验来收集数据集,通过数据扩充使源域和目标域中的样本趋于平衡,对已经平衡的样本进行稀疏学习和域对抗学习,其设计初衷是同时最小化标签预测器和与判别器的损失值;基于该目的我们设计了目标函数将,并通过添加L21norm来使得模型具备特征选择的能力,除此之外我们还使用了GAN,在一定程度上提高了模型的鲁棒性和泛化能力。最后,在实验评估阶段,一方面单独评估了本发明的性能,还让其与其他的通道优化算法项比较,并取得了独一无二的优势。另一方面在保证准确率的前提下,可以有效减少通道的数量,从而减轻系统的负担和开销。

    基于原型聚类域适应算法的跨被试EEG认知状态识别方法

    公开(公告)号:CN112749635A

    公开(公告)日:2021-05-04

    申请号:CN202011589943.4

    申请日:2020-12-29

    IPC分类号: G06K9/00 G06K9/62

    摘要: 本发明公开了一种基于原型聚类域适应算法的跨被试EEG认知状态识别方法。本发明引入了类别域的概念,一方面基于标签的多源域对齐,考虑不同类间的特征分布差异,研究特征空间中不同源域间类条件下的结构细粒度对齐,将多源域域内类别不平衡问题转化为类别域的方式。另一方面,源域和目标域之间的原型理论聚类对齐,即以动态调整原型中心为约束对目标域进行相似源域间的聚类,实现域间同类特征相近,异类特征相疏。前者实现域内类条件结构特征对齐,后者实现全局细粒度结构特征对齐。本发明能够兼容类别平衡和不平衡的情况,有效解决了脑认知计算领域脑电信号的个体差异性问题,具有较强的泛化能力,能够很好的适用于临床诊断和实际应用。