-
公开(公告)号：CN119991449A
公开(公告)日：2025-05-13
申请号：CN202510067908.2
申请日：2025-01-16
Applicant: 大连理工大学
Abstract: 基于空间特征的脑功能影像信号增强方法，属于医学图像处理技术领域。该方法通过滑动窗口分割将数据划分为多个时间片段，并对每个片段采用奇异值分解提取空间特征和时间特征；通过在体素、团簇和特征维度上进行信号增强，并采用加权平均方法合并增强后的空间和时间特征，从而生成增强后的fMRI数据。本发明通过精细化处理每个时间片段的空间特征，更准确地提升与神经活动相关的信号；增强各维度的信号特征，引入类团簇增强方法，在保持空间细节的同时提升信号的稳定性和可靠性。在静息态数据处理中提高了大脑网络的准确性和再现性；在任务态数据处理中增强了激活图的统计置信度，并在保证图谱质量的前提下缩短了扫描时间，具有广泛的应用前景。
-
公开(公告)号：CN117064333B
公开(公告)日：2024-03-26
申请号：CN202310957141.1
申请日：2023-08-01
IPC: A61B5/00 , G16H50/70 , G16H50/20 , G06N3/0464 , G06N3/047 , G06N3/08 , G06F18/2415
Abstract: 本发明属于医学信号处理技术领域，公开了一种针对阻塞性睡眠呼吸暂停低通气综合症的初筛装置，包括网络训练模块和OSAHS初筛模块。相较于其他对正常人睡眠数据分析的研究，本发明旨在使用更少的信号导联，对OSAHS患者的PSG记录进行分析，为发展家庭或便携式OSAHS初筛提供计算支持和基础；此外，相较于现有单一任务的睡眠数据分析，本发明结合临床实际工作中多任务协同的实际，使用多任务深度学习方法，把与OSAHS诊断相关的几个任务联合起来，同时分析，促进算法的有效性，从而更精准的实现OSAHS的初步筛查。
-
公开(公告)号：CN116385580A
公开(公告)日：2023-07-04
申请号：CN202310246670.0
申请日：2023-03-15
Applicant: 大连理工大学
IPC: G06T11/00 , G06T5/00 , G06T5/10 , G06V10/764
Abstract: 本发明属于医学图像处理技术领域，提出了基于时空特征的脑功能影像噪声抑制方法。本发明提供了基于时空特征的脑功能影像噪声抑制方法及系统，相比较传统的噪声抑制方法，本发明旨在时间域和空间域的特征各自独立实行针对性的噪声消除和信号增强；且相比较只关注全局变化和整体趋势的现有方法，本发明加入滑动窗口来处理分段的时变特征，并使用无关协变量回归等方法有效对时间和空间特征进行精准噪声识别和去除，从而达到更好的噪声抑制效果。
-
公开(公告)号：CN105912851B
公开(公告)日：2019-04-16
申请号：CN201610218145.8
申请日：2016-04-07
Applicant: 大连理工大学
IPC: G06F17/10
Abstract: 一种利用PCA和非环形特性估计复数fMRI数据模型阶数的方法，属于生物医学信号处理领域。先对复数fMRI数据进行连续主成分数的PCA消噪，再计算消噪数据的非环形度量DOI，得到DOI曲线并进行必要的调整，最后采用SORTE准则检测DOI曲线的拐点，该拐点对应的PCA成分数即为所估计模型阶数。本发明利用了完整的复数fMRI数据，能估计出更高更准确的模型阶数，进而分离更多更好的空时成分。在敲击手指任务下采集的复数fMRI数据的ICA分析中，本发明估计阶数下获取的单被试SM和TC与参考信号的相关系数最大可提高202.42％和51.89％以及123.15％和431.30％(DMN)。
-
公开(公告)号：CN105760700A
公开(公告)日：2016-07-13
申请号：CN201610165248.2
申请日：2016-03-18
Applicant: 大连理工大学
Abstract: 一种适于多被试复数fMRI数据分析的自适应定点IVA算法，属于生物医学信号处理领域。采用基于多维广义高斯分布(MGGD)的非线性函数估计复数fMRI数据的源向量成分(SCV)分布；采用最大似然法自适应地估计MGGD的形状参数，与变化SCV分布自动匹配；在SCV主导子空间更新基于MGGD的非线性函数，实现对复数fMRI数据的消噪；在算法更新过程中加入输入数据的伪协方差阵，直接利用复数fMRI数据的非环形特性，进一步提高IVA分析复数fMRI数据的针对性。本发明能够有效分析高噪声水平但脑功能信息最为全面的多被试复数fMRI数据，在被试间差异性大且信噪比低的不利情况下，能为脑功能研究和脑疾病诊断提供更好的依据。
-
Patent Agency Ranking
公开(公告)号：CN119883002A
公开(公告)日：2025-04-25
申请号：CN202510136071.2
申请日：2025-02-07
Applicant: 大连理工大学
IPC: G06F3/01 , G06F18/213 , G06F18/22
Abstract: 本发明属于视觉认知训练技术领域，公开了一种基于脑电信号神经反馈的视觉认知训练方法。包括：计算机呈现视觉认知训练任务，脑电信号采集设备同步采集用户的脑电信号，并以数据流的形式传输给计算机；计算机根据用户执行所述训练任务时的脑电信号提取脑电信号特征，并计算脑电信号特征数值与个体化脑电信号特征基准值的比值；依据比值与预先设定阈值的比较结果，分别以条形指示器和文字的形式呈现在所述计算机屏幕中反馈给用户；依据所述比值在某一训练小节内的平均值与预先设定阈值的比较结果调整下一训练小节内训练任务的难度。本发明通过结合脑电信号神经反馈技术与传统认知训练方法，同步实现用户大脑响应的调节以及视觉认知能力的增强。
-
公开(公告)号：CN119344671A
公开(公告)日：2025-01-24
申请号：CN202411431008.3
申请日：2024-10-14
Applicant: 大连理工大学附属中心医院(大连市中心医院)
IPC: A61B5/00 , A61B5/369 , A61B5/386 , A61B5/318 , A61B5/257 , A61B5/28 , A61B5/291 , A61B5/1455 , G06F18/25
Abstract: 一种基于脑电‑血氧饱和度‑心电的便携式睡眠呼吸障碍监测设备，其属于睡眠监测设备的技术领域。该监测设备包括无线睡眠监测模块和睡眠呼吸障碍诊断模块；无线睡眠监测模块用于采集睡眠过程中的EEG、SpO2、ECG信号，并将其实时传输至睡眠呼吸障碍诊断模块，以进行信号处理和分析。该设备采集多种与睡眠呼吸障碍准确诊断直接相关的模态，避免单一模态对睡眠呼吸障碍评估造成的巨大偏差。将采集额头脑电和血氧饱和度的传感器集成在柔性电路板上，使设备的集成度和便携性更高。针对设备采集的多模态信号，设计多模态融合算法，实现自动睡眠分期和睡眠呼吸事件的多任务、精准检测。
-
公开(公告)号：CN117708477A
公开(公告)日：2024-03-15
申请号：CN202311678731.7
申请日：2023-12-07
Applicant: 大连理工大学
IPC: G06F17/16 , G06N20/00 , G06F18/2135
Abstract: 本发明公开了一种基于弹性平均联邦框架的耦合张量分解方法及系统，涉及信号处理和分布式计算技术领域，针对不同服务器上的数据，深入考虑张量数据之间的耦合关系，发展基于联邦学习框架的耦合张量分解模型，利用联邦学习的思想建立耦合约束，结合了张量分解在高维度数据表示与分解中的良好辨识性能、耦合张量分解在跨样本张量数据分析中的优势以及联邦学习在分布式服务器中联合建模的特色，解决了跨服务器平台在不共享数据的前提下实现数据联合分析问题，同时使用的弹性平均联邦框架使各个客户端自身探索的有益信息，从而提出一套完整的面向跨服务器高维度EEG数据的高效耦合张量分解的解决方案，深入研究和挖掘不同被试数据的相似性和差异性。
-
公开(公告)号：CN105069307B
公开(公告)日：2018-04-10
申请号：CN201510510622.3
申请日：2015-08-19
Applicant: 大连理工大学
IPC: G06F19/00
Abstract: 一种结合ICA与移不变CPD的多被试fMRI数据分析方法，属于医学信号处理领域。采用以CPD为中心，以ICA为预处理环节的主辅结合方式；ICA预处理为移不变CPD提供联合混合矩阵；移不变CPD采用秩一估计方法，从联合混合矩阵中逐一分解出多被试共享TC、与共享TC相对应的各被试时延以及各被试强度；利用移不变CPD的输出重构联合混合矩阵，采用最小二乘法估计多被试共享SM。本发明能够对多被试任务态fMRI数据进行稳定而更为有效的分析，而且当被试间SM差异性和TC差异性较大时，优势更为明显，所估计的共享SM成分和共享TC成分与先验参考信号有着更高的相关性，TC大时延的估计精度高，且计算量小。
-
公开(公告)号：CN103870710B
公开(公告)日：2017-01-18
申请号：CN201410126455.8
申请日：2014-03-30
Applicant: 大连理工大学
IPC: G06F19/00
Abstract: 本发明公开了一种用于多被试fMRI数据分析的分组张量方法，属于fMRI数据分析领域。其特征在于，以最小化被试间差异性为原则，将原来构建一个大张量的所有被试fMRI数据以被试为单位分成多个子组，使得每个子组中各被试的时间过程成分间及脑空间激活区成分间具有最大的互相关。较之原始的大张量，由子组fMRI数据构建的子组张量与张量分解的CP模型更为匹配，故能分解得到性能提升的多被试共有的时间过程成分和脑空间激活区成分，如任务相关时间过程成分与先验任务刺激过程的相关系数可提高约0.1，任务相关脑空间激活区成分的噪声体素数可下降约23%，期望激活体素数则基本不变。本发明对解决其他类型高维数据与CP模型的失配问题具有参考作用。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.021 seconds)
