-
公开(公告)号：CN114155251B
公开(公告)日：2024-10-15
申请号：CN202111483251.6
申请日：2021-12-07
申请人： 重庆邮电大学
IPC分类号： G06T7/10 , G06N3/0464 , G06N3/08
摘要： 本发明提出了一种新的上下文感知卷积神经网络的全脑三维解剖结构分割方法。该方法在卷积神经网络的卷积模块后串联一个全新的双重注意力模块。该模块通过卷积自动学习通道和空间注意力权重并分别对输入的卷积特征进行加权，再通过卷积自适应融合加权后的卷积特征，以此提高网络的分类性能。此外，本发明将图像中待分割对象所有体素为中心的图像块作为训练数据，通过完全采样充分利用有限的标注数据对其样本分布进行较为完整的学习，以此进一步提高网络的分类性能。本发明提出的方法具有分割精度高、稳定性好的优点。在10个实施例的磁共振脑图像分割中，本方法获得分割结果的平均精度达93.27％，这比当前最先进的DeepNAT方法获得分割结果的平均精度提高了3.790％。
-
公开(公告)号：CN117297624A
公开(公告)日：2023-12-29
申请号：CN202311207817.1
申请日：2023-09-19
申请人： 重庆邮电大学
摘要： 本发明涉及脑控康复训练技术领域，公开了一种基于多模态脑‑机接口的康复训练方法、系统及介质，方法包括以下步骤：对患者进行第一类型的视觉刺激，间隔第一时刻后，对患者进行第二类型的视觉刺激；对患者的第一脑电数据组进行采集和预处理，基于第一算法获取预处理后的第一脑电数据组的频率标签；基于频率标签为患者提供匹配的康复演练视频，患者观看康复演练视频的同时进行与康复演练视频对应的上肢运动想象；对患者的第二脑电数据组进行采集和预处理，获取预处理后的第二脑电数据组的评估指标，基于评估指标获取患者的康复效果。本发明准确率高、信息传输率高、操作便捷、无需训练、具有较高的实用价值。
-
公开(公告)号：CN105302309B
公开(公告)日：2018-01-12
申请号：CN201510743942.3
申请日：2015-11-05
申请人： 重庆邮电大学
IPC分类号： G06F3/01
摘要： 本专利申请公开了脑指令的识别技术，具体涉及基于SSVEP脑机接口的脑电波指令识别方法。基于SSVEP脑机接口的脑电波指令识别方法，通过刺激源的闪烁频率对人的视觉进行刺激，采用“指令码元+特征位”的方法对刺激源进行编解码，其中指令码元为指令的编码，特征位处于确定位数的指令码元之间，起间隔识别的作用；使用电极采集受到刺激产生的脑电信号；将采集到的原始脑电信号进行滤波与解调，最终获得指令码元，从而获得想要的指令类型。本发明提出了增加特征位用于间隔识别的方法，克服了现有技术中存在的需要学习训练操作，检测结果错误率高，扩展指令数少等缺陷，提供了一种能对SSVEP脑电波信号与指令编码进行关联的脑电波指令识别方法。
-
公开(公告)号：CN105302309A
公开(公告)日：2016-02-03
申请号：CN201510743942.3
申请日：2015-11-05
申请人： 重庆邮电大学
IPC分类号： G06F3/01
摘要： 本发明申请公开了脑指令的识别技术，具体涉及基于SSVEP脑机接口的脑电波指令识别方法。基于SSVEP脑机接口的脑电波指令识别方法，通过刺激源的闪烁频率对人的视觉进行刺激，采用“指令码元+特征位”的方法对刺激源进行编解码，其中指令码元为指令的编码，特征位处于确定位数的指令码元之间，起间隔识别的作用；使用电极采集受到刺激产生的脑电信号；将采集到的原始脑电信号进行滤波与解调，最终获得指令码元，从而获得想要的指令类型。本发明提出了增加特征位用于间隔识别的方法，克服了现有技术中存在的需要学习训练操作，检测结果错误率高，扩展指令数少等缺陷，提供了一种能对SSVEP脑电波信号与指令编码进行关联的脑电波指令识别方法。
-
公开(公告)号：CN113057654B
公开(公告)日：2022-05-20
申请号：CN202110316708.8
申请日：2021-03-10
申请人： 重庆邮电大学
摘要： 本发明涉及一种基于频率耦合神经网络模型的记忆负荷检测提取系统及方法，属于脑电辅助记忆负荷检测领域，包括信号采集模块、信号预处理模块、频率耦合神经网络模型训练模块、识别模块和反馈模块。所述信号采集模块用于采集用户的脑电数据；信号预处理模块用于对采集的脑电数据进行预处理；频率耦合神经网络训练模块用于训练频率耦合神经网络模型自动提取频率耦合特征；识别模块用于对实时采集的脑电数据进行分类，并根据分类结果识别用户当前的记忆负荷状态；反馈模块根据用户当前的记忆负荷状态进行相应的调节动作。本发明可以对被试实现可快速有效的记忆负荷状态识别，提高记忆负荷识别的速度。
-
公开(公告)号：CN108236464B
公开(公告)日：2021-02-23
申请号：CN201711485106.5
申请日：2017-12-29
申请人： 重庆邮电大学
摘要： 本专利申请属于于脑电的辅助听觉注意领域，旨在实现人对听觉对象的正确追踪功能，公开了一种基于脑电信号的检测提取系统，包括听觉刺激模块，用于诱导用户产生脑电；脑电信号采集模块，利用接触用户头表的电极，采集用户的脑电信号，并对脑电信号进行预处理；特征提取和训练模块，对预处理后的脑电信号进行特征提取，训练出模型；听觉追踪分类模块，将脑电特征的分类结果转化为分类值，根据分类值计算正确率，用于对注意力进行打分，特征提取和训练模块采用的特征提取方法，结合节律和信息熵的特点，能有效抑制噪声，使得到的脑电信号更准确。
-
公开(公告)号：CN107029351B
公开(公告)日：2021-01-15
申请号：CN201710245882.1
申请日：2017-04-14
申请人： 重庆邮电大学
摘要： 本专利申请公开了一种用于全局LFP帕金森症特征值提取的系统及方法，包括同时产生刺激脉冲和测量LFP信号的信号收发模块；用来对信号收发模块测得的LFP信号进行能量分析，提取各频段的特征值的特征提取模块；根据每个频段特征值与能量基线谱上各个对应点的差值计算每个频段与能量基线谱的相关系数的综合处理模块；以及将每个频段的特征值和相关系数的乘积相加得到全局LFP帕金森症特征值的输出模块。本申请将LFP信号预处理成低频、中频和高频三个频段；将经预处理的信号从时域转换到频域进行分析，以各个频段的特征值作为参数，以各个频段的相关系数作为权重，建立自回归模型与神经网络模型，得到客观、准确且不依赖于医生经验的全局特征值。
-
公开(公告)号：CN109102492B
公开(公告)日：2020-06-09
申请号：CN201810707734.1
申请日：2018-07-02
申请人： 重庆邮电大学
摘要： 一种基于协同聚类的功能磁共振影像脑连接图谱构建方法，脑功能连接图谱研究是脑功能和脑疾病研究的先导性关键环节，如何构建并验证脑功能连接图谱已成为当前脑科学研究的热点和前沿。最新研究表明，现有脑功能连接图谱的构建方法还存在一些不足：基于模型的假设驱动方法的鲁棒性不高、不依赖于模型的基于脑图谱方法的正确性难以验证、基于数据驱动方法构建的全脑尺度脑功能连接图谱不够精细等。为了克服现有方法的不足，本发明提出了一种新颖且易于验证的方法——采用协同聚类算法同时识别某个特定脑结构的功能子区及其连接脑区，实现了精细化的脑功能连接图谱构建；同时采取不同角度的三种途径验证了脑功能连接图谱的正确性。
-
公开(公告)号：CN109345516A
公开(公告)日：2019-02-15
申请号：CN201811091606.5
申请日：2018-09-19
申请人： 重庆邮电大学
摘要： 一种变换域HMT模型的脑磁共振体数据自适应增强方法，属于医学图像处理领域，本方法将小波变换和隐马尔科夫链进行有机结合。根据单个小波系数的概率密度函数呈高峰值、长拖尾的非高斯分布的特性，对单个小波系数的随机性建立高斯混合模型。同时，小波系数在尺度间传递的持续性采用隐马尔科夫树(Hidden Markov Tree,HMT)来描述。以此建立小波域隐马尔科夫树模型，使用EM算法对模型进行求解。使用HMT模型的解，估计无噪声干扰情况下小波系数取值的期望。对经过噪声抑制后的小波系数进行三维小波逆变换，得到增强的脑磁共振体数据。通过主观和客观评价可知，该小波自适应增强方法比小波阈值增强方法具有更好的视觉信息保真度。
-
公开(公告)号：CN108920699A
公开(公告)日：2018-11-30
申请号：CN201810780109.X
申请日：2018-07-16
申请人： 重庆邮电大学
摘要： 本发明公开了一种基于N2pc的目标识别反馈系统，包括：离线训练模块，用于通过对用户进行视觉刺激，使用户搜索目标并产生N2pc，并采集用户脑电数据以及用户直接反馈的搜索结果，进而利用搜索结果和用户脑电数据中的N2pc特征作为训练样本训练分类器；在线模块，用于在用户进行目标搜索时实时采集用户的脑电数据，并利用所述分类器通过分类所述脑电数据的N2pc特征得以识别用户目标搜索的结果；所述在线模块包括反馈模块，用于当在线模块认定无法识别用户目标搜索的结果时，向用户提供有助于搜索的反馈。本发明还公开了一种基于N2pc的目标识别反馈方法，具有提高搜索效率的技术效果。
-
-
-
-
-
-
-
-
-
搜索结果
33 条记录 (耗时 0.029 秒)
