-
公开(公告)号：CN103876736A
公开(公告)日：2014-06-25
申请号：CN201410145752.7
申请日：2014-04-11
Applicant: 北京工业大学
IPC: A61B5/0476 , G06F19/00
Abstract: 本发明提出了一种基于功率谱划分的复杂度谱脑电预测和诊断方法，属于脑电信号（EEG）分析和脑精神疾病预测和诊断领域，本发明主要包括：一种基于功率谱划分的脑电信号复杂度谱定义、分析和提取方法和一种非线性罗辑斯蒂（Logistic）复杂度谱参考模型构建方法。首先对脑电信号定义了一个基于功率谱划分的复杂度谱，并给出其计算方法，然后利用本发明对此映射生成的数据序列进行计算，据此建立一个脑电信号的分析复杂度谱参考模型，并分析各结构谱线序列的大小、数量和分布所反映的物理生物意义，画出该映射基于功率谱划分的复杂度谱参考空间分布模型。本发明可以对脑精神疾病作出预测和诊断。
-
公开(公告)号：CN119679413A
公开(公告)日：2025-03-25
申请号：CN202411504137.0
申请日：2024-10-25
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于脑电信号的层次化Mamba模型的情绪识别方法，该方法创造性地采用了从局部至全局的层次化处理模式进行情绪识别，在Mamba网络的基础上融入了双向patch划分机制，显著提升了对复杂空间分布特征的理解能力。该网络通过细粒度信息提取策略，在通道级与局部区域层面进行深入分析。具体而言，采用信道多层感知机先行探索多频带间的关系；随后，结合动态卷积与选择性核网络技术，实现在特定情感状态下的多尺度大脑信息高效学习；更进一步，本发明通过一种创新的双向patch分割法，在不同的大脑连接模式下捕捉全局空间信息。
-
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：CN103876736B
公开(公告)日：2017-01-18
申请号：CN201410145752.7
申请日：2014-04-11
Applicant: 北京工业大学
IPC: A61B5/0476 , G06F19/00
Abstract: 本发明提出了一种基于功率谱划分的复杂度谱的脑电信号分类识别方法，属于脑电信号的模式识别与分类领域。本发明主要包括：一种基于功率谱划分的脑电信号的复杂度谱定义、分析和提取方法和一种非线性罗辑斯蒂(Logistic)复杂度谱参考模型构建方法。首先对脑电信号定义了一个基于功率谱划分的复杂度谱，并给出其计算方法，然后利用本发明对此映射生成的数据序列进行计算，据此建立一个对脑电信号分析复杂度的谱参考模型，并分析各谱线序列的大小、数量和分布所反映的物理意义，画出该映射基于功率谱划分的复杂度谱参考空间分布模型。本发明可以对脑电信号进行模式识别和分类研究。
-
-
-
Search Results
4
records
(took 0.016 seconds)
