-
-
公开(公告)号：CN113642528B
公开(公告)日：2022-12-09
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：CN111956235B
公开(公告)日：2022-06-07
申请号：CN202010867430.9
申请日：2020-08-25
Applicant: 西安交通大学
IPC: A61B5/1455
Abstract: 一种反射式血氧探头或测量装置的标定方法，组装一种用于反射式血氧探头及测量装置标定的模拟装置，装置包括容器以及内部的仿体、A导管、B导管均经过泵与仿体连通，通入氧气后，通过校准对照仪器测量仿体氧饱和度，加入还原剂，搅拌均匀，仿体氧合状态较为稳定时，使用反射式血氧测量装置、校准对照仪器同时测量仿体氧饱和度，对反射式血氧探头或测量装置进行标定，重复直至整个检测范围标定完毕；本发明可以根据实验需求进行调整，以适应不同的实验范式；可同时适用于成人和婴幼儿组织血氧饱和度及脉搏血氧饱和度的标定，通过模拟装置便于对反射式血氧探头及测量装置精密度和可靠性进行验证与标定，可同时满足针对成人和婴幼儿的反射式血氧探头及测量装置的精密度和可靠性验证与标定的需求，扩大了该装置的应用范围。
-
公开(公告)号：CN114081506A
公开(公告)日：2022-02-25
申请号：CN202111111589.9
申请日：2021-09-23
Applicant: 西安交通大学
Abstract: 一种基于长短期记忆网络的稳态视觉诱发电位分类方法，首先，在液晶显示屏上刺激频闪的诱发下，采集被试枕叶9通道脑电信号；其次，对采集到的脑电信号通过降采样、带通滤波、陷波进行预处理；然后，对预处理后的脑电信号使用三层长短期记忆神经网络进行预测；最后，使用滤波器组典型相关分析算法对预测延长后的脑电信号进行特征提取与分类；本发明计算所需数据长度较短，可避免被试视觉疲劳，同时，特征提取更有效，分类准确率更高；此外，还提供了一种脑电预测的方法，兼顾了脑电数据的时序性和非线性特征，可以有效地预测脑电数据的变化趋势。
-
公开(公告)号：CN113925459A
公开(公告)日：2022-01-14
申请号：CN202111138881.X
申请日：2021-09-27
Applicant: 西安交通大学
Abstract: 一种基于脑电特征融合的睡眠分期方法，利用小波变换提取小波时频图像，并分别利用一维卷积神经网络和VGG网络提取原始信号特征和小波特征，然后进行特征融合并利用时序卷积网络进行睡眠分期，实现五分类的睡眠分期任；本发明克服了现有自动睡眠分期技术的缺点，降低了睡眠分期的复杂度和成本，同时提高了睡眠分期精准度，具有很广泛的适用场景，可以方便应用于监护病房、睡眠科室和家庭睡眠监测等领域，还可以方便移植于便携式设备中，促进移动医疗的发展，具有通用、易于实现、经济的特点。
-
Patent Agency Ranking
公开(公告)号：CN110811557A
公开(公告)日：2020-02-21
申请号：CN201911118047.7
申请日：2019-11-15
Applicant: 西安交通大学
IPC: A61B5/00 , A61B5/0476 , A61B5/145
Abstract: 一种基于微状态功率谱分析的麻醉深度监测系统及方法，系统包括脑电信号采集模块A、微状态时间序列构建模块B、脑电时-频信息计算模块C、微状态功率谱构建模块D和分类识别模块E五个模块，先用高密度脑电采集被试全脑脑电信号，然后根据微状态算法构建相应的微状态时间序列；同时通过MEMD对脑电信号信号进行分解，得到不同时间点的脑电信号的瞬时频段和功率,进而得到各通道的希尔伯特谱；再将微状态时间序列构和脑电态时-频信息相结合，得到不同频率的微状态功率谱；接着不同频段的微状态功率谱分别为特征输入到SVM进行模式识别分类；本发明利用脑电微状态及其时-频信息对麻醉深度进行监测，同时能够有效、准确地监测病人麻醉深度。
-
公开(公告)号：CN109893097A
公开(公告)日：2019-06-18
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：CN109567823A
公开(公告)日：2019-04-05
申请号：CN201811346506.2
申请日：2018-11-13
Applicant: 西安交通大学
IPC: A61B5/1455 , A61B5/00
Abstract: 一种基于近红外光谱技术的麻醉深度监测系统及方法，包括脑血氧信号采集模块A，样本熵计算模块B，目标信号辨识模块C，最佳阈值确定模块D，先利用波长为735nm和850nm的近红外光分别采集病人前额叶的多种Hb和HbO2信号，并且进行0.01-0.04Hz的带通滤波；然后利用样本熵算法进行数据处理，计算病人在不同阶段的样本熵值；再通过绘制ROC曲线，利用AUC值，选出对麻醉与清醒状态区分能力最强的信号；最后，利用尤登指数，找到能区分麻醉与清醒这两个阶段的最佳的阈值，使用该阈值进行麻醉深度监测；本发明具有计算所需的数据长度较短，运算效率高、更快速的筛选出所需监测的信号、安全便携、价格低廉的特点。
-
公开(公告)号：CN105342605B
公开(公告)日：2019-01-08
申请号：CN201510906489.3
申请日：2015-12-09
Applicant: 西安交通大学
IPC: A61B5/0476 , A61B5/00
Abstract: 一种去除脑电中肌电伪迹的算法，将按不同信噪比混合了肌电伪迹的脑电信号经过MEMD分解得到若干多元本征模式函数；计算每个MIMF的样本熵值，根据仿真选定的样本熵阈值，将样本熵小于阈值的MIMF保留下来，将样本熵大于阈值的MIMF判定为含肌电伪迹；将含有肌电伪迹的脑电信号进行叠加，叠加之后进行CCA分解，将样本熵和自相关系数小于选定阈值的分量看成是含有伪迹的分量；本发明的优势用于脑电信号中肌电伪迹的去除，不仅能够自动识别肌电伪迹而且能够将其去除，同时保留了大量有用的脑电信息，为脑电去除肌电干扰提供一种新思路。
-
公开(公告)号：CN108703741A
公开(公告)日：2018-10-26
申请号：CN201810290894.0
申请日：2018-03-30
Applicant: 西安交通大学
IPC: A61B5/00
Abstract: 一种多策略的NIRS干扰检测和去除方法，包含三个步骤：步骤一，干扰检测，用NIRS信号与加速度信号对干扰进行检测，将干扰分为三种类型，即轻度干扰、中度干扰、重度干扰，并在此基础上确认信号是否发生了基线突变；步骤二，严重干扰处理阶段，将中度干扰、重度干扰和基线突变用插值的方法进行去除；步骤三，小波双阈值干扰去除，得到干净的NIRS信号。本发明采用多种策略来检测NIRS信号中的干扰，适合于短时测量和长时监测等多个应用场景，同时将干扰分为不同的类型并予以不同的处理方式，最后根据检测阈值和处理阈值的双保险策略，可以在有效去除干扰的同时尽可能多地保留有用信息，相比于传统的NIRS干扰去除算法，具有准确性和可靠性都得到了提高。
-
-
-
-
-
-
-
-
-
Search Results
96
records
(took 0.039 seconds)
