-
公开(公告)号:CN119214658A
公开(公告)日:2024-12-31
申请号:CN202411390569.3
申请日:2024-10-08
Applicant: 南京邮电大学
IPC: A61B5/16 , A61B5/369 , A61B5/374 , A61B5/00 , G06F18/2411 , G06F18/10 , G06F18/213 , G06F18/25 , G06F18/2131 , G06F18/211
Abstract: 本发明公开了一种基于脑电信号的负性情绪分类和抑郁症判别方法,属于脑电信号处理技术领域,包括如下步骤:步骤1、通过网络申请获取情绪Deap数据集和HUSM抑郁症数据集,基于情绪VA二维模型对情绪Deap数据集进行处理保留其中的负性情绪;步骤2、对两个数据集中的原始脑电信号进行预处理;步骤3、特征提取和构建多域特征融合矩阵:步骤4、对多域特征融合矩阵进行特征参数筛选降维:步骤5、负性情绪阈值分析:步骤6、训练抑郁症SVM分类器:步骤7、将待分析情绪的脑电信号,根据步骤5中的阈值组合进行负性情绪分类,并按照步骤6中的训练好的抑郁症SVM分类器判断待分析情绪的脑电信号是否为抑郁症。
-
公开(公告)号:CN119184694A
公开(公告)日:2024-12-27
申请号:CN202411275291.5
申请日:2024-09-12
Applicant: 南京邮电大学
IPC: A61B5/16 , G06F18/2411 , G06F18/211 , G06F18/25 , G06F18/10 , A61B5/369 , A61B5/372 , A61B5/00
Abstract: 本发明提供了一种基于脑电特征融合选择的四维注意力识别方法,属于脑电信号处理技术领域。注意力具体包括分配、广度、稳定性、转移四个具体品质,本发明将脑电信号与注意力品质相结合,提取多域脑电特征构建融合向量进行四维注意力识别,提出ReliefF‑SBE‑L1三层混合特征选择模型提高识别准确率和计算效率。本发明能够在显著减少计算复杂度的同时实现高效的四维注意力状态识别。
-
公开(公告)号:CN118948299A
公开(公告)日:2024-11-15
申请号:CN202411282112.0
申请日:2024-09-13
Applicant: 南京邮电大学
IPC: A61B5/369 , G06F18/213 , G06F18/2411 , G06F18/25 , G06N20/10 , A61B5/372 , A61B5/00 , G06F123/02
Abstract: 本发明公开了一种基于脑电信号的脑卒中患者单侧运动想象分类研究方法,具体步骤包括以下:步骤1、设计脑卒中单侧运动想象实验;步骤2、脑电信号采集,采用PN‑NET设备采集原始脑电信号;步骤3、脑电信号的预处理;步骤4、采用滤波器组公共空间模式对预处理的信号提取特征;步骤5、采用模糊熵对相同滤波频段的信号提取特征;步骤6、将信号不同频段的空间特征和模糊熵特征融合作为特征向量传入到SVM中进行分类。本发明基于不同特征提取方法的优势以及精细运动想象的特性,提出了融合空间域中的滤波器组共空间模式算法与熵域中的模糊熵算法的多特征融合方法,通过对信号进行频段划分,进一步提高了分类的准确性。
-
-