-
公开(公告)号：CN107292095A
公开(公告)日：2017-10-24
申请号：CN201710431989.5
申请日：2017-06-09
Applicant: 北京工业大学
IPC: G06F19/00
CPC classification number: G06F19/00
Abstract: 本发明公开了一种基于多尺度窗口为阈值的复杂度分析方法。对于脑电信号的研究，以往主要集中在时频特征的传统分析方法上，近几年越来越多的研究采用非线性方法。大多非线性方法第一步都会涉及粗粒化问题，而过度粗粒化会损失脑电信号中的有效信息。本发明为了解决这个问题，提出了基于多尺度窗口的复杂度计算方法，本发明方法首先对脑电信号进行滤波处理，提取有效频段，之后取不同尺度窗口，以窗口内中值为阈值，为每个信号点取各自独特的阈值进行二值化处理进行粗粒化。本发明对之前以均值为阈值进行粗粒化提高了有效性，能正确提取信号中的有效信息。
-
公开(公告)号：CN106202887A
公开(公告)日：2016-12-07
申请号：CN201610500040.1
申请日：2016-06-29
Applicant: 北京工业大学
IPC: G06F19/00
CPC classification number: G16H50/30
Abstract: 本发明公开了一种基于电子化POMS自评量表的心境状态评价方法，主要包含电子化POMS量表数据采集、量表数据存储与管理、量表采集天数判断及量表数据处理、心境状态长时间变化评估模型构建以及基于评估模型的心境状态长时间变化客观量化评价等操作步骤。本发明基于Android手机上安装的电子化POMS自评量表对用户进行长时间、多天的不同心境状态量化评估数据采集，采用数据统计和主成分分析的方法建立心境状态评估模型，旨在为用户提供主要心境状态及其变化、用户不同心境状态日常变化和总体心境量化评估等量化评估服务，从长时间、连续性的角度避免了传统量化方法中片段式、主观化评估心境状态的缺点，丰富了精神疾病客观量化领域的研究方法。
-
公开(公告)号：CN106166073A
公开(公告)日：2016-11-30
申请号：CN201610509466.3
申请日：2016-06-29
Applicant: 北京工业大学
IPC: A61B5/16
CPC classification number: A61B5/165
Abstract: 本发明公开了一种基于电子化POMS自评量表的心境状态自评系统，该系统包含能手机和后台云服务器两大部分。其中，智能手机安装了自主开发的电子化POMS自评量表，后台云服务器上接收手机发送的量表数据并运行心境状态评价算法，将得到的主要心境状态及其变化规律、用户不同心境状态日常变化规律和总体心境量化评估等结果发送到手机上并反馈给用户。本发明通过滑块和按钮等组件来操作电子化自评量表，简单方便的操作不仅适用于患有抑郁、躁狂、焦虑等精神疾病患者及复诊患者的日常精神状态评估，提高患者治疗依从性，而且可以为家庭、社区等环境下的正常用户提供精神状态评估服务，提高精神卫生医疗服务的可及性。
-
公开(公告)号：CN103646160A
公开(公告)日：2014-03-19
申请号：CN201310486579.2
申请日：2013-10-17
Applicant: 北京工业大学 , 江苏万维艾斯网络智能产业创新中心有限公司
Abstract: 本发明公开了一种fMRI任务态数据预处理中的去噪校正方法。本发明的去噪原理是：呼吸、心跳等因素对大脑产生的噪声效应可以近似看做是均匀分布的，而通常认为白质区不参与认知任务，因此在白质区测得的值可以近似看做是呼吸心跳等因素产生的噪声效应值。本发明通过线性回归运算用白质区得到噪声效应值估测其它脑区的噪声效应值，并用实际测量值减去噪声效应函数估算值，最后再加上被减去的实际测量值均值得到校正值。本发明首次在任务态下根据白质脑区信号进行fMRI数据去噪，去噪过程考虑任务态脑数据与刺激的关联性。与在灰质区采集信号相比，采用白质区采集到的信号进行校正不受实验任务限制，具有很好的通用性。
-
公开(公告)号：CN120045972A
公开(公告)日：2025-05-27
申请号：CN202411883957.5
申请日：2024-12-20
Applicant: 北京工业大学
IPC: G06F18/24 , G06N3/0455 , G06N3/082 , G06N3/098 , G06N3/0895
Abstract: 本发明公开了一种基于共性与个性的图网络情绪识别方法，方法由个性图和共性图两个部分构成，个性图又有TokenGT和GDC两个模块，TokenGT结构首先将脑电数据和初始的共性图编码并经过Transformer进行初步的图学习，再通过GDC模块发掘图中潜在的边对图进行增强，得到的图分别经过一个回归模块与一个对比模块学习这二者的特征，最终得到的个性图经过卷积层接入到图卷积分类器中对目标的情绪进行分类；每一批样本得到的个性图会被记录并通过bootstrap方法将共性图更新成新的图并在下一批的TokenGT编码过程中使用。本发明在SEED、SEED‑IV和DEAP数据集上评估，能显著提高基于脑电图的情感识别性能。
-
Patent Agency Ranking
公开(公告)号：CN117371495A
公开(公告)日：2024-01-09
申请号：CN202311420886.0
申请日：2023-10-30
Applicant: 北京工业大学
IPC: G06N3/048 , G06N3/0499 , G06N3/08 , G06F18/214 , G06F18/22
Abstract: 本发明涉及一种基于分解表示的因果效应评估系统。该系统将输入的协变量分解并学习混杂因素和非混杂因素的表示。对于混杂因素表示，通过表征平衡和相似性保持策略消除选择偏差并保留相似性信息。对于非混杂因素表示，通过辅助任务增强其特征表达。然后，将与处理分配相关的表示拼接，输入处理分配预测模块；而与反事实结果相关的表示则输入反事实结果预测模块。训练过程分两步进行：首先固定反事实结果预测模块参数，训练处理分配预测模块；然后固定处理分配预测模块参数，训练反事实结果预测模块。最终，通过计算两个事实结果的差值来估计因果效应。该系统解决了现有方法假设协变量均为混杂因素的限制，提高了因果效应评估的准确性和效率。
-
公开(公告)号：CN106175800A
公开(公告)日：2016-12-07
申请号：CN201610538843.6
申请日：2016-07-10
Applicant: 北京工业大学
CPC classification number: A61B5/165 , A61B5/11 , A61B5/7275
Abstract: 本发明涉及一种基于人体运动状态数据的心境状态量化评估方法，包含基于可穿戴运动传感设备采集到的人体运动状态数据特征抽取、基于电子化POMS量表采集到的心理数据预处理、基于多重多元线性回归分析方法的心境状态量化评估模型建立与有效性验证以及心境状态量化评估等步骤。本发明根据客观的人体运动状态数据对心境状态进行客观量化评估，避免了传统抑郁评估方法的主观性，丰富了抑郁症量化治疗的研究方法，可应用于抑郁症量化治疗和面向家庭、社区用户的精神健康管理等领域。
-
公开(公告)号：CN106156737A
公开(公告)日：2016-11-23
申请号：CN201610523352.4
申请日：2016-07-05
Applicant: 北京工业大学
CPC classification number: G06K9/0051 , G06F17/16
Abstract: 本发明公开了一种基于二维空间的时间序列样本熵的计算方法及系统，涉及信号处理技术领域，本发明通过各步骤之间的配合，实现了样本熵的计算，能够应用于脑电复杂度计算，也可应用于其他存在局部极值点的振动序列或波形的复杂度计算。振动熵可作为对波形进行模式识别的特征指标，对不同复杂度波形进行分类。在信号处理时，信号中混有白噪声的振幅和周期是在一定范围内呈混沌的正态分布的，而信号的波形较为规律，所以本发明也可用于对信号中噪声的识别和剔除。
-
公开(公告)号：CN103646160B
公开(公告)日：2016-08-24
申请号：CN201310486579.2
申请日：2013-10-17
Applicant: 北京工业大学 , 江苏万维艾斯网络智能产业创新中心有限公司
Abstract: 本发明公开了一种fMRI任务态数据预处理中的去噪校正方法。本发明的去噪原理是：呼吸、心跳等因素对大脑产生的噪声效应可以近似看做是均匀分布的，而通常认为白质区不参与认知任务，因此在白质区测得的值可以近似看做是呼吸心跳等因素产生的噪声效应值。本发明通过线性回归运算用白质区得到噪声效应值估测其它脑区的噪声效应值，并用实际测量值减去噪声效应函数估算值，最后再加上被减去的实际测量值均值得到校正值。本发明首次在任务态下根据白质脑区信号进行fMRI数据去噪，去噪过程考虑任务态脑数据与刺激的关联性。与在灰质区采集信号相比，采用白质区采集到的信号进行校正不受实验任务限制，具有很好的通用性。
-
公开(公告)号：CN103876734B
公开(公告)日：2015-09-02
申请号：CN201410112806.X
申请日：2014-03-24
Applicant: 北京工业大学
IPC: A61B5/0476
CPC classification number: A61B5/0484 , A61B5/04012 , A61B5/0476 , A61B5/0478 , A61B5/04842 , A61B5/7267 , G06N99/005
Abstract: 本发明涉及一种基于决策树的脑电信号特征选择方法。首先将采集的多通道脑电信号进行预处理；然后利用主成分分析法对预处理后的脑电信号进行特征提取，得到特征向量；将特征提取后的特征向量输入到决策树中，进行优势特征选择；对决策树选出的优势特征进行重组；最后将重组后的优势特征向量输入到支持向量机中，进行脑电信号分类，得到分类正确率。本发明应用决策树进行优势特征选择，操作简单，无需人工参与，节省时间和人力。应用决策树进行优势特征选择，选择过程中避免了人的主观因素的影响，使选择更客观，分类正确率更高。实验表明，运用本发明方法进行脑电信号分类的平均正确率为89.1%，比运用传统的优势电极重组法提高了0.9%。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.018 seconds)
