-
公开(公告)号：CN118506063A
公开(公告)日：2024-08-16
申请号：CN202410563849.3
申请日：2024-05-08
IPC: G06V10/764 , G06V10/774
Abstract: 本说明书公开了一种图像分类模型的训练方法、装置、介质及电子设备，包括：获取旧分类任务对应的第一图像，以及确定用于执行旧分类任务的旧分类模型。将第一图像输入旧分类模型，确定第一图像的初始分类结果，再对初始分类结果进行加噪，并根据加噪后的分类结果和第一图像，对待训练的图像生成模型进行训练。根据旧分类任务对应的各旧类别，确定各旧类别分别对应的提示信息，并将各提示信息输入图像生成模型，确定各提示信息分别对应的模拟图像。获取新分类任务对应的第二图像，并根据第二图像和各模拟图像，对待训练的图像分类模型进行训练，避免训练完成的图像分类模型遗忘旧分类任务，提高图像分类模型的分类的准确性。
-
公开(公告)号：CN117056788A
公开(公告)日：2023-11-14
申请号：CN202311315334.3
申请日：2023-10-12
Applicant: 之江实验室
IPC: G06F18/24 , G06F18/214 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于有监督对比学习的EEG信号分类方法、装置，包括：将EEG信号输入至预先训练的特征提取模型中，得到EEG特征；通过分类器对EEG特征进行分类；其中，特征提取模型的训练过程包括：获取有标签的EEG数据集；截取EEG数据，拥有相同标签的EEG数据样本互为正样本，不同标签的EEG数据样本互为负样本；基于滑动窗对截取的EEG数据样本进行数据增强，得到增强样本；将截取的EEG数据样本和增强样本作为训练集；利用训练集训练特征提取模型，设置损失函数，损失函数用于使负样本特征向量之间的距离逐渐增大，正样本特征向量之间的距离逐渐减小，增强样本特征向量与正样本特征向量之间的距离逐渐减小。
-
公开(公告)号：CN116595456A
公开(公告)日：2023-08-15
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：CN116153522A
公开(公告)日：2023-05-23
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：CN115349864A
公开(公告)日：2022-11-18
申请号：CN202211276622.8
申请日：2022-10-19
Applicant: 之江实验室
Abstract: 本发明公开了一种可穿戴式心电图无线采集方法及装置，包括主动电极，所述主动电极包括印刷电路板、采集芯片、供电模块、参考电极、采集电极和接地电极，所述印刷电路板的正面设置所述采集芯片和所述供电模块，所述印刷电路板的反面位于同一直线上等距离依次设置所述参考电极、所述采集电极和所述接地电极，若干个所述主动电极基于心电图采集标准导联中胸导联位置依次排列。本发明将参考电极、采集电极与接地电极集成在同一个可穿戴主动电极采集心电图信号，同时经多个主动电极指向的方向定位出信号参考基准点，根据主动电极与信号参考基准点的距离作为参数对采集到的心电信号进行重建使其恢复为与有线采集的心电图信号同样大小的幅值与形状。
-
Patent Agency Ranking
公开(公告)号：CN114647320B
公开(公告)日：2022-09-16
申请号：CN202210565749.5
申请日：2022-05-24
Applicant: 之江实验室
Abstract: 本发明公开了一种应用于脑机接口的同步采集与传输的方法及系统，步骤S1：采集到的输入信号通过信号放大通路的输入端传输至信号放大模块，进行放大处理，得到放大的脑电信号；步骤S2：采集到的输入信号通过共模平均耦合通路的输入端传输至共模平均单元，耦合至接地端和电源端；步骤S3：将所述放大的脑电信号传输至信号转换及传输模块进行转换，传输至用户电极；步骤S4：通过所述用户电极将转换后的数字信号传输至信号接收及处理模块；本发明通过射频生物无线传播技术，实现信号的自动加密、提高传输的安全性，降低线路的复杂性、提高用户舒适度，同时实现低功耗的无线传输，适用于可穿戴脑电采集系统。
-
公开(公告)号：CN115005842A
公开(公告)日：2022-09-06
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。
-
公开(公告)号：CN119206442A
公开(公告)日：2024-12-27
申请号：CN202411696214.7
申请日：2024-11-25
Applicant: 之江实验室
Abstract: 本说明书公开了一种基于睡眠模拟的模型训练方法、装置、介质及设备。所述方法包括：获取经过训练的目标图像识别模型，目标图像识别模型为脉冲神经网络模型；输入特定信号，使网络产生纺锤波节律振荡，从而对目标图像识别模型进行非快速眼动睡眠模拟；根据目标图像识别模型中存在连接关系的各神经元节点在非快速眼动睡眠模拟的过程中的脉冲发放顺序，对各神经元节点之间的连接权重进行更新，根据更新后的各神经元节点之间的连接权重微调模型。本方案通过对训练后的模型进行非快速眼动睡眠模拟来对模型在训练过程中所学习到的知识进行强化，使得基于少量样本训练出的模型在睡眠模拟过程中对参数强化下也能够得到较高的模型性能。
-
公开(公告)号：CN118506231A
公开(公告)日：2024-08-16
申请号：CN202410563844.0
申请日：2024-05-08
IPC: G06V20/40 , G06V10/774 , G06V10/42 , G06V10/80
Abstract: 本说明书公开了一种视频分类的方法、装置、存储介质及电子设备，预先为每个子视频类别分配一个父视频类别，可获取待分类视频，提取待分类视频的整体特征。根据该整体特征，在预先存储的每个父视频类别对应的通用特征中，确定待分类视频所属的父视频类别对应的通用特征，并作为目标通用特征。基于目标通用特征以及待分类视频，通过预先训练好的视频分类模型，对待分类视频进行特征提取，得到视频特征，对视频特征以及目标通用特征进行融合，得到融合特征，基于融合特征，在待分类视频所属的父视频类别包含的子视频类别中，确定待分类视频所属的子视频类别。该方法由于新视频类别的出现，导致的模型忘记旧视频类别的问题，提高模型预测的准确度。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
61
records
(took 0.03 seconds)
