-
公开(公告)号：CN117932406A
公开(公告)日：2024-04-26
申请号：CN202410072052.3
申请日：2024-01-17
Applicant: 之江实验室
Abstract: 本说明书公开了一种应用于脑机接口任务的分类模型的训练方法及装置，专用设备通过将标准脑电序列数据对应的特征向量输入到待训练的分类模型，得到标准脑电序列数据对应的各采样点各自的预测运动想象状态以及标准脑电序列数据对应的整体运动想象状态，以最小化标准脑电序列数据对应的整体运动想象状态与标准脑电序列数据对应的标准整体运动想象状态之间的偏差，以及最小化标准脑电序列数据对应的任意两个连续的采样点的运动想象状态变化信息与该两个采样点的实际运动想象状态变化信息之间的偏差为优化目标对分类模型进行训练。训练后的分类模型可根据输入的脑电序列数据输出脑电序列数据对应的整体运动想象状态，提高了脑机接口任务的执行质量。
-
公开(公告)号：CN116595456B
公开(公告)日：2023-09-29
申请号：CN202310665531.1
申请日：2023-06-06
Applicant: 之江实验室
IPC: G06F18/2415 , G06F18/23 , G06F18/22 , G06F18/214 , G06F18/10 , G06F18/213 , G06N20/00
Abstract: 本说明书公开了一种基于脑机接口的数据筛选和模型训练方法及装置，可以获取预训练脑电样本数据，预训练脑电样本数据包括若干类别下的脑电样本。而后，可以针对每个类别，根据该类别下的预训练脑电样本数据，确定该类别下的脑电信号所对应的概率分布，进而，根据各类别下的脑电信号所对应的概率分布，构建高斯混合模型，并根据高斯分布模型，确定出每一类别的脑电样本数据对应的聚类范围，而后，确定候选脑电样本数据是否落入到标注对应类别的聚类范围中，若是，将候选脑电样本数据加入到训练样本数据集中，最后，根据训练样本数据集训练脑电分类模型，提高了筛选出的训练样本和训练出的模型的准确性，提升了脑机接口系统的性能和稳定性。
-
公开(公告)号：CN116153522B
公开(公告)日：2023-09-19
申请号：CN202310204621.0
申请日：2023-03-02
Applicant: 之江实验室
Abstract: 本说明书公开了一种基于皮质‑肌肉‑皮质网络图的模型训练方法及装置，可以获取采集到的通过TMS治疗前患者在设定时间内运动过程中的EEG和EMG，以及获取采集到的通过TMS治疗后患者在设定时间内运动过程中的EEG和EMG；而后，可以构建治疗前皮质‑肌肉‑皮质网络图以及构建治疗后皮质‑肌肉‑皮质网络图，皮质‑肌肉‑皮质网络图用于表征大脑和手臂上的各采集点位之间的功能连通性。进而可以根据皮质‑肌肉‑皮质网络图以及实际治疗评估信息，对预测模型进行训练，得到训练后的预测模型，以通过训练后的预测模型预测出目标患者的TMS治疗评估信息并在目标医疗设备上进行展示，以提高对患者TMS治疗效果的评估效率和准确性。
-
公开(公告)号：CN115337028A
公开(公告)日：2022-11-15
申请号：CN202211276695.7
申请日：2022-10-19
Applicant: 之江实验室
Abstract: 本发明公开了一种脑肌延迟估计与相干增强方法、装置和验证方法，包括如下步骤：步骤1、构建x轴和y轴上两个时滞线性耦合的时间序列之间基于短时傅立叶变换的时频相干函数，通过对全部有效试验的短时傅立叶变换幅值谱，采用交叉谱和自谱均值求解方法，估计相干值；步骤2、将参考点的观测时间信息、位移信息以及固定观测频率点引入所述时频相干函数等。本发明将仅对单个瞬态事件起作用的CMCTL延迟估计方法扩展到针对局部连续同步事件，提出基于体素变动比率的时延估计方法来计算大脑和肌肉之间信息传递的延迟时间。使用延迟补偿来优化局部频段区域的MSC图像，通过两种时延补偿‑相干增强级联模型验证RVC方法的延迟估计精度。
-
公开(公告)号：CN115005842B
公开(公告)日：2022-11-15
申请号：CN202210947840.3
申请日：2022-08-09
Applicant: 之江实验室
Abstract: 本发明公开了一种频率调制的脑机接口芯片输入阻抗增强方法及系统，包括以下步骤：步骤S1：通过改变频率调节通路的控制电压，校准，将校准后得到的频率设置为工作频率；步骤S2：将采集到的脑电信号进行斩波调制，得到斩波调制脑电信号；步骤S3：通过芯片放大器模块将所述斩波调制脑电信号进行放大处理，得到放大脑电信号；步骤S4：将所述放大脑电信号进行信号解调，得到原始脑电信号；步骤S5：所述原始脑电信号通过低通滤波器得到脑电模拟信号；步骤S6：通过模数转换器将脑电模拟信号转换为离散的数字信号。本发明通过微调斩波频率，控制输入电流，使得输入端的输入阻抗最大化，克服了工艺误差，解决精准匹配问题，适用于可穿戴脑电采集系统。
-
Patent Agency Ranking
公开(公告)号：CN114983424B
公开(公告)日：2022-11-15
申请号：CN202210925703.X
申请日：2022-08-03
Applicant: 之江实验室
Abstract: 本发明公开了一种应用于脑机接口芯片的多通道混合斩波方法及系统，包括以下步骤：步骤S1：采集得到的差分信号传输至多个通道对应的斩波调制单元进行斩波调制至斩波频率，得到斩波调制脑电信号；步骤S2：伪随机时钟产生器生成呈现伪随机变化的伪随机斩波控制信号；步骤S3：进行信号放大处理，得到每个所述通道对应的放大脑电信号；步骤S4：进行斩波解调制得到原始脑电信号；步骤S5进行谐波噪声滤除，得到脑电信号；步骤S6：通过数据选择器在地址选择信号的控制下，选择任意一路数据作为脑电模拟信号，转换为离散的数字信号。本发明消除了传统分时复用通道间串扰问题，降低了芯片面积和整体功耗，减小斩波频率上的斩波噪声密度。
-
公开(公告)号：CN114587385B
公开(公告)日：2022-11-01
申请号：CN202210176342.3
申请日：2022-02-25
Applicant: 之江实验室
Abstract: 本发明公开了一种基于脑肌网络图论特征的卒中后康复评估深度学习模型构建方法，涉及神经生理学与机器学习交叉领域。本发明通过脑肌闭环功能网络表征卒中后的病理拓扑结构，在此基础上，进一步基于图论特征建立深度学习模型评定脑卒中患者恢复程度及预测康复进程，重点考虑勾联小世界网络特征与神经网络在评定预测运动功能障碍中的一致特性、以及如何实现多目标学习和联合优化等。本发明利用脑肌电双模态神经电生理信息，构建了新型卒中后住院恢复期运动功能评定和回访期康复效果预测方法，有望提高临床康复评估效率，从而具有重要的应用价值。
-
公开(公告)号：CN114533087A
公开(公告)日：2022-05-27
申请号：CN202210455681.5
申请日：2022-04-28
Applicant: 之江实验室
Abstract: 本发明公开了一种基于斩波技术消除电极间直流偏移的方法及系统，包括以下步骤：步骤S1：输出斩波调制后的脑电信号和电极间直流偏移信号；步骤S2：输出电极间直流偏移电流；步骤S3：提取积分直流偏移信号；步骤S5：所述脑电信号进入芯片放大模块进行放大处理，解调制，并返回至原始的脑电信号频段，得到原始的脑电信号；步骤S6：所述原始的脑电信号经过低通滤波器滤波得到滤除噪声的脑电信号；步骤S7：将所述滤除噪声的脑电信号传入数模转换器转换为数字信号。本发明有效抑制了电极间直流偏移，相比传统的直流伺服回路减小了过程延时，同时，电路中输入电容与前馈电容容值相同，可采用ABBA式版图排列方式，有效避免了芯片制作时的工艺误差。
-
公开(公告)号：CN116719411B
公开(公告)日：2024-06-21
申请号：CN202310646428.2
申请日：2023-06-01
Applicant: 之江实验室
Abstract: 本说明书公开了一种基于深层脑肌功能耦合的信息展示方法及装置，获取设定时间内的脑电信号和肌电信号，并针对该脑电信号进行溯源分析，确定大脑皮层中各功能区域对应的源信号，功能区域对应的源信号用于表征该功能区域的大脑皮层向外发放的信号，而后，根据该设定时间内的肌电信号，确定出运动单元MU向外发放信号的发放时间，并根据发放时间，确定各肌肉表皮位置所接收到的MU发放的源信号，而后，将各功能区域对应的源信号以及各肌肉表皮位置所接收到的MU发放的源信号，输入到非参数耦合模型，以确定出各功能区域对应的源信号与各肌肉表皮位置所接收到的MU发放的源信号之间的相关性，以提高脑肌功能耦合的准确性。
-
公开(公告)号：CN116919424B
公开(公告)日：2024-05-03
申请号：CN202311079901.X
申请日：2023-08-24
Applicant: 之江实验室
Abstract: 本申请提供一种脑机接口康复方法、装置、电子设备和存储介质。其中，该方法包括显示目标周期运动的视觉视频刺激；视觉视频刺激用于诱发被试大脑产生响应；响应包括稳态运动视觉诱发电位SSMVEP和感觉运动节律SMR；通过脑电采集系统采集被试在接受视觉视频刺激时的脑电数据；根据SSMVEP，确定并显示具体类别的刺激；分析SMR，评估具体类别的刺激对应的被试具体脑区的运动功能恢复情况，并输出评估结果；在运动功能恢复情况不符合预期恢复情况下，通过经颅电刺激tES设备对被试具体脑区施加电刺激进行神经调控。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.029 seconds)
