-
公开(公告)号：CN116705315A
公开(公告)日：2023-09-05
申请号：CN202310646014.X
申请日：2023-06-02
Applicant: 西安交通大学
IPC: G16H50/30 , A61B5/1455 , A61B5/00 , G06N3/0464 , G06N3/084 , G06N3/048 , G06F18/23213 , G06F18/2415 , G06F18/214 , G06F18/21 , G06F18/25 , G06F18/27
Abstract: 一种脑卒中患者上肢运动功能的评估方法，首先，采集被试脑部近红外信号，对采集到的信号通过带通滤波、三次样条插值等方法进行预处理，将光信号转换为氧合血红蛋白浓度数据；其次，求预处理后的多通道信号间的Pearson相关系数，在不同稀疏度阈值下构建功能连接矩阵，以观察脑网络连接，同时对其进行图论分析；然后，进行二聚类，分类得到疾病亚型，分别与健康人功能连接矩阵作为卷积神经网络的输入；最后，以卷积神经网络输出可信度与人口学信息特征融合，进行支持向量回归，选择最优模型作为评分模型；本发明在不同稀疏度阈值下构建脑网络，通过后续分析确定了最佳阈值。数据更加准确，时空分辨率更高。
-
公开(公告)号：CN116662736A
公开(公告)日：2023-08-29
申请号：CN202310647188.8
申请日：2023-06-02
Applicant: 西安交通大学
IPC: G06F18/00 , A61B5/374 , A61B5/00 , G06F18/10 , G06F18/25 , G06F17/16 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 一种基于深度学习混合模型的人体状态评估方法，包括获取传感器空间多通道麻醉状态下脑电信号并对获取的脑电信号进行预处理；脑电源成像并重建，并分区计算各脑区活动分布进行脑电源重建生成源空间脑电信号；计算无偏加权相位延迟指数连接矩阵，利用两组人之间的置换检验，找出有显著差异的频带，利用有显著差异的频带进行后续分析；基于有显著差异的频带，训练特征解离双编码器卷积自编码器模型；将训练完的自编码器模型与卷积神经网络模型连接构成深度学习混合模型，训练模型，最后进行模型评估；本发明对传感器脑电信号进行分析，利用深度学习混合模型进行识别分类，减少了数据中的无用信息，提高了模型的准确率。
-
公开(公告)号：CN116584893A
公开(公告)日：2023-08-15
申请号：CN202310485488.0
申请日：2023-04-28
Applicant: 西安交通大学
IPC: A61B5/00 , A61B5/369 , A61B5/374 , G06F18/213 , G06F18/00 , G06N3/08 , G06F18/214 , G06F18/10 , G06N3/0464
Abstract: 一种基于通道选择时间卷积网络的癫痫信号检测方法，通过最大相关最小冗余(Max‑RelevanceandMin‑Redundancy，MRMR)计算脑电通道的得分，并依据得分对脑电通道进行排序，依据排序选择最合适的脑电通道，从而完成脑电信号的通道选择，通道选择后的脑电信号特征运用神经卷积网络进行模型训练，训练好的模型先进行基于片段的癫痫信号发作检测来挑选出病人的最优通道脑电数据，再利用粒子群优化算法寻优卡尔曼滤波参数来进行基于事件的癫痫信号发作检测；本发明具有高灵敏度、高准确率、低误报率的优点，适合处理长时程、不均衡脑电信号，有效提高了癫痫自动化检测性能。
-
公开(公告)号：CN116509335A
公开(公告)日：2023-08-01
申请号：CN202310690872.4
申请日：2023-06-12
Applicant: 西安交通大学
IPC: A61B5/00
Abstract: 一种逐步进化自动睡眠分期方法，包括以下步骤：步骤一，基于多种特征提取方法，构建多个睡眠分期模型；步骤二，有标签数据集训练模型，计算模型在验证集上的评价指标；步骤三，睡眠分期模型自动标记无标签数据集，基于可信度评价方法筛选可信样本；步骤四，有标签数据和步骤三筛选的可信样本组成训练集，重复步骤二、三；步骤五，测试集测试睡眠分期模型，计算模型逐步进化结果；本发明能够在少量有标签数据集和大量无标签数据集的情况下，不断提高自动睡眠分期模型性能，有效缓解医疗数据紧缺和标记数据复杂的困难。
-
公开(公告)号：CN113796830A
公开(公告)日：2021-12-17
申请号：CN202111003094.4
申请日：2021-08-30
Applicant: 西安交通大学
IPC: A61B5/00
Abstract: 一种睡眠信号分期可信度自动评价方法，步骤一：选择主分类器和辅分类器，采用监督学习对主、辅分类器进行训练，获得训练后的主、辅分类器；步骤二：输入睡眠数据，利用步骤一中训练后的主、辅分类器，对睡眠数据进行多粒度分类视图预测，并输出主分类器的预测结果；步骤三：根据步骤二的主、辅分类器预测结果，计算并输出逻辑一致性系数即可信度R；本发明能够有效自动评价睡眠分期结果，对海量无标记睡眠数据自动标记来更新训练集规模来训练健壮性更高、结果可信度高的睡眠分期算法，同时本发明技术可以移植至可穿戴便携式睡眠监测设备中，辅助及促进移动医疗的发展。
-
Patent Agency Ranking
公开(公告)号：CN113768464A
公开(公告)日：2021-12-10
申请号：CN202110961989.2
申请日：2021-08-20
Applicant: 西安交通大学
Abstract: 一种基于经验模态分解的癫痫发作时间段检测系统及方法，系统包括脑电信号采集模块A、自适应分解模块B、信息流网络构建模块C、流出信息提取模块D和分类识别模块E，基于这五个模块先采集癫痫患者的发作期和非发作期的多通道脑电信号，利用多元经验模态分解(MEMD)的方法将脑电信号分解为多个IMF分量和余量，通过有向传递函数(DTF)计算不同脑区之间的信息流强度，以此作为脑电特征值输入到代价敏感支持向量机(CSVM)中，用于区分癫痫发作期和非发作期的信号，多元经验模态分解(MEMD)是一种自适应信号时频处理方法，能同时对多通道数据进行自适应分解，适合于分析具有高度相关性和非平稳性的脑电信号，可以增强定位脑电信号的频率信息的准确性。
-
公开(公告)号：CN113642528A
公开(公告)日：2021-11-12
申请号：CN202111075444.8
申请日：2021-09-14
Applicant: 西安交通大学
Abstract: 一种基于卷积神经网络的手部运动意图分类方法，该方法将多元经验模态分解算法和卷积神经网络进行结合，通过动作执行的过程中同步采集到的肌电信号对动作发生的时刻进行判断，选择动作执行前的数据为主要对象，结合卷积神经网络，确定网络参数之后，采用序列前向搜索算法对经过多元经验模态分解之后的本征模态函数进行选择，得出可以使得识别准确率最高的本征模态函数的最优组合，能够有效地对基于运动执行前的脑电信号的手部动作进行多分类。
-
公开(公告)号：CN110141211B
公开(公告)日：2020-12-08
申请号：CN201910511474.5
申请日：2019-06-13
Applicant: 西安交通大学
IPC: A61B5/04 , A61B5/0484 , A61B5/00 , G06K9/62
Abstract: 一种基于经验模态分解的稳态视觉诱发电位的分类方法，首先将采集到的多导稳态视觉诱发电位(SSVEP)进行多元经验模态分解后，分解为不同频段范围上的若干子信号；然后根据已知分类标签信号的子信号与模板信号间的相关系数，计算子信号所对应的分类适确性指数；而后计算出未知标签信号中子信号与模板信号间的相关系数，通过将分类适确性指数作为子信号相关系数的选择权重，重构原信号与模板信号的相关系数；最后根据原信号与模板信号的重构相关系数对稳态视觉诱发电位(SSVEP)进行分类；本发明在提高稳态视觉诱发电位(SSVEP)信噪比的基础上，实现了对于稳态视觉诱发电位(SSVEP)较高的分类正确率。
-
公开(公告)号：CN109893097B
公开(公告)日：2020-12-08
申请号：CN201910244092.0
申请日：2019-03-28
Applicant: 西安交通大学
IPC: A61B5/00 , A61B5/1455
Abstract: 一种基于近红外相位幅值耦合的麻醉深度监测系统及方法，监测系统包括脑血氧信号采集模块，相位幅值耦合调制指数计算模块，最佳频段选定模块，目标信号辨识模块，最佳阈值确定模块和应用模块，先用近红外采集病人前额的Hb和HbO2信号，粗滤波后用相位幅值耦合算法计算各信号MI值；后比较不同阶段的信号MI值差值，得到最佳频段；再重新滤波，计算信号MI值；再用ROC曲线的AUC值，选出对麻醉、清醒区分能力最强的目标信号；再用尤登指数，找到能区分这两阶段的最佳阈值；对进行全麻的新病人，便可采集目标信号，在最佳频段滤波，计算MI值，使用最佳阈值进行麻醉深度监测；本发明具有运算效率高、快速的筛选所需监测信号、安全便携、价格低廉的特点。
-
公开(公告)号：CN111657916A
公开(公告)日：2020-09-15
申请号：CN202010491571.5
申请日：2020-06-02
Applicant: 西安交通大学
IPC: A61B5/0402 , A61B5/0456 , A61B5/0472 , A61B5/04 , A61B5/00
Abstract: 一种心房心室同步性信号分析方法，步骤一、信号采集，采集被测者心电信号；步骤二、信号处理，步骤三、提取P波信号；步骤四、P波相关性的计算，使用处理好的心电信号计算每个p波位置的P波相关性，并加入了滑动窗口机制；步骤五、根据阈值检测同步性，根据设定的阈值来判断心房与心室的同步性；本发明操作简单，可用于实时心房心室同步性的分析，能够分析与检测出如房颤等心房心室非同步的疾病，取得了很好的检测结果，对临床心房心室不同步的疾病的分析诊断提供了很好的方法。
-
-
-
-
-
-
-
-
-
Search Results
95
records
(took 0.034 seconds)
