-
公开(公告)号:CN118427665B
公开(公告)日:2024-11-29
申请号:CN202410601298.5
申请日:2024-05-15
Applicant: 电子科技大学
IPC: G06F18/24 , G06F18/213 , G06F18/10 , G06F18/25 , G06F17/16 , G06N3/042 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于脑电的多图融合增强卷积网络运动意图识别方法,构建包括动态通道选择模块,融合增强图卷积模块,时频特征提取模块和意图识别模块的运动意图识别模型,动态通道选择模块选择和屏蔽损坏的脑电信号通道,融合增强图卷积模块融合各信道相关系数矩阵和信道空间距离矩阵构建邻接矩阵,时频特征提取模块提取时频特征输入意图识别模块进行运动意图识别,收集训练样本对运动意图识别模型进行训练,采用训练好的运动意图识别模型对待识别用户的脑电信号进行运动意图识别。本发明通过选择和屏蔽损坏的脑电信号通道,采用多图融合提取不同主体的个性化和共享的空间拓扑特征,提高运动意图识别的准确率。
-
公开(公告)号:CN118427665A
公开(公告)日:2024-08-02
申请号:CN202410601298.5
申请日:2024-05-15
Applicant: 电子科技大学
IPC: G06F18/24 , G06F18/213 , G06F18/10 , G06F18/25 , G06F17/16 , G06N3/042 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于脑电的多图融合增强卷积网络运动意图识别方法,构建包括动态通道选择模块,融合增强图卷积模块,时频特征提取模块和意图识别模块的运动意图识别模型,动态通道选择模块选择和屏蔽损坏的脑电信号通道,融合增强图卷积模块融合各信道相关系数矩阵和信道空间距离矩阵构建邻接矩阵,时频特征提取模块提取时频特征输入意图识别模块进行运动意图识别,收集训练样本对运动意图识别模型进行训练,采用训练好的运动意图识别模型对待识别用户的脑电信号进行运动意图识别。本发明通过选择和屏蔽损坏的脑电信号通道,采用多图融合提取不同主体的个性化和共享的空间拓扑特征,提高运动意图识别的准确率。
-
公开(公告)号:CN119655762A
公开(公告)日:2025-03-21
申请号:CN202411751824.2
申请日:2024-12-02
Applicant: 电子科技大学
IPC: A61B5/18 , A61B5/16 , A61B5/369 , A61B5/372 , A61B5/374 , A61B5/00 , G06F18/25 , G06F18/213 , G06N3/045 , G06N3/0464 , G06F123/02
Abstract: 本发明涉及医学信号处理领域及人工智能领域,具体为基于多阶段特征融合的脑电信号情绪检测方法,是以时序脑电信号为输入构建第一脑电信号特征提取网络提取频域特征;以微分熵特征为输入构建第二脑电信号特征提取网络,该网络是以EEGNet为主干网络,通过引入空间注意机制提取空间和时域特征提取空间、通道以及时域特征。以第一统计特征为输入构建第三脑电信号特征提取网络提取第二统计特征,通过融合这五种特征得到融合特征后,并使用脑电信号识别网络进行是识别,得到情绪检测结果输出。本发明解决了现有脑电信号情绪检测未能充分利用脑电信号中的空间、时域、频域、通道等信息的的问题。
-
公开(公告)号:CN116974192A
公开(公告)日:2023-10-31
申请号:CN202310825788.9
申请日:2023-07-06
Applicant: 电子科技大学
IPC: G05B13/04
Abstract: 本发明属于机器人系统控制技术领域,具体为一种基于事件触发的机器人运动约束跟踪控制方法。通过引入转换方程将原有的运动约束跟踪控制问题,转化为一种新的无约束跟踪误差系统的最优控制问题。并在此基础上,构建基于事件触发机制的智能学习器,建立事件触发时刻和系统状态信息之间的内在关系,实现最优控制器的在线求解。既保障机器人系统在安全约束空间范围内进行运动跟踪控制,又有效降低机器人系统的通信负载和计算资源损耗。在求解过程中,通过在权重参数更新规则中引入稳定项,松弛了对初始稳定控制器的要求,提高该方法在实际系统应用中的可行性。
-
公开(公告)号:CN117695103B
公开(公告)日:2024-12-27
申请号:CN202311546555.1
申请日:2023-11-20
Applicant: 电子科技大学
Abstract: 本发明属于医疗设备技术领域,具体为一种基于柔性压力传感器的多点压力检测及压疮预警系统,包括压力数据采集模块、压力数据预处理模块、通信模块以及上位机。通过在上位机的报警模块中引入由多层神经网络构建的回归模型作为阈值调整模块,实时计算出压力阈值和时间阈值,实现了无需人工干预下,压力预警系统的准确预警。本发明能够为不同患者提供个性化的服务,具体更高的可靠性和适应性,有效预防和减少卧床患者产生压疮的风险。
-
公开(公告)号:CN117860270A
公开(公告)日:2024-04-12
申请号:CN202410048643.7
申请日:2024-01-11
Applicant: 电子科技大学
Abstract: 本发明涉及医学信号处理领域和人工智能领域,具体为一种基于评估‑降噪两级网络的脑电降噪方法。本发明针对伪影的多样性,使用脑电信号评估网络,从时域、频域及熵的特征分析脑电信号,可以捕捉到脑电信号中的不同类型的信息,获取更全面、准确的脑电信号特征,提升了对脑电信号中伪影类型识别的准确率,提高模型分类准确率,增强模型的鲁棒性。在此基础上,基于分类结果从多个并行脑电信号降噪网络中,选择对应的脑电信号降噪网络进行伪影去除,实现对多种类型噪声的准确去噪的同时,解决了重构脑电信号失真的问题。
-
公开(公告)号:CN117695103A
公开(公告)日:2024-03-15
申请号:CN202311546555.1
申请日:2023-11-20
Applicant: 电子科技大学
Abstract: 本发明属于医疗设备技术领域,具体为一种基于柔性压力传感器的多点压力检测及压疮预警系统,包括压力数据采集模块、压力数据预处理模块、通信模块以及上位机。通过在上位机的报警模块中引入由多层神经网络构建的回归模型作为阈值调整模块,实时计算出压力阈值和时间阈值,实现了无需人工干预下,压力预警系统的准确预警。本发明能够为不同患者提供个性化的服务,具体更高的可靠性和适应性,有效预防和减少卧床患者产生压疮的风险。
-
公开(公告)号:CN119025823A
公开(公告)日:2024-11-26
申请号:CN202410989818.4
申请日:2024-07-23
Applicant: 电子科技大学
IPC: G06F18/10 , A61B5/378 , A61B5/372 , G06F18/213 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及医学信号处理及人工智能领域,尤其涉及一种针对多通道脑电信号的任务驱动动态插值方法。通过构建脑电信号插值网络,提取脑电信号在空间和时间维度上的特征,通过设计新的损失函数于优化网络权重和提升插值性能。基于新的损失函数对上述网络进行训练,获得任务驱动动态插值网络模型,然后利用其完成待处理脑电信号进行重构。由于本发明构建的损失函数中,结合了深度学习的数据处理能力和与特定任务态相关的EEG信号特性,不仅整合了任务相关的先验知识,并且利用了通道间关系和历史任务态信息进行误差分析,提升了重构脑电信号的准确性,复现了真实脑电信号的任务态特征,为后续脑电信号的解码、分析提供了有力的辅助。
-
公开(公告)号:CN118986690A
公开(公告)日:2024-11-22
申请号:CN202411030443.5
申请日:2024-07-30
Applicant: 电子科技大学
IPC: A61H1/02 , A61B5/369 , A61B5/389 , A61B5/00 , A61B5/38 , A63B21/00 , A63B22/08 , A63B24/00 , A63B71/06 , G16H20/30 , G06F18/24
Abstract: 本发明涉及康复领域,具体为一种基于运动想象脑机接口的上下肢主被动康复训练方法及系统,通过创建与之相匹配的主动模式引和被动模式引导患者训练的两种游戏实验范式;通过脑机接口采集脑电信号和肌电信号,利用脑电信号提取出脑卒中患者运动意图,配合两种游戏实验范式引导患者主动或被动进行康复训练,加速患者的康复训练进程。利用肌电信号结合专家经验对运动想象进行评估,根据评估结果调整对应模式下实验范式的参数设置和运动辅助功能的参数设置,该参数设置包括训练过程中逐步改变系统的阻抗等级、助力等级等参数,提高患者的主观能动性,强化患者中枢神经刺激反馈的同时增强了患者的肌力,提升了患者的整体康复效果。
-
公开(公告)号:CN118303883A
公开(公告)日:2024-07-09
申请号:CN202410217556.X
申请日:2024-02-27
Applicant: 电子科技大学
IPC: A61B5/18 , A61B5/16 , A61B5/372 , A61B5/374 , A61B5/398 , A61B5/00 , G06F18/25 , G06F18/24 , G06N3/045 , G06N3/09
Abstract: 本发明公开了一种基于脑电信号和眼电信号特征融合的疲劳检测方法,分别采集每位受试者在正常状态和疲劳状态下的脑电信号和眼电信号并生成训练样本,构建包括脑电信号数据降维处理模块、空间注意力特征提取模块、脑电信号通道与时间特征提取模块、脑电信号特征降维模块、眼电信号时间特征提取模块、眼电信号通道与时间特征提取模块、特征拼接模块和分类模块的疲劳检测模型并采用训练样本进行训练,当需要对某人员进行疲劳检测时,获取脑电信号和眼电信号,将脑电信号采用相同方法进行预处理后与眼电信号一起输入训练好的疲劳检测模型,得到疲劳检测结果。本发明可以更好地提取和保留时空特征,提高疲劳检测的准确率。
-
-
-
-
-
-
-
-
-