公开(公告)号：CN117113269A

公开(公告)日：2023-11-24

申请号：CN202310965817.1

申请日：2023-08-02

Applicant: 安徽大学

Inventor： 刘磊 ,  范存航 ,  吕钊 ,  杨帆 ,  陈振 ,  宋逊 ,  张云海

IPC: G06F18/25 ,  G06F18/10 ,  G06F18/24 ,  G06N3/0464 ,  G06F3/01

Abstract: 本发明属于脑电信号技术领域，具体涉及一种基于多尺度卷积和Transformer的运动想象识别方法、系统，以及运动想象脑电信号的解码设备。该识别方法包括如下步骤：S1：对原始脑电信号进行带通滤波和z‑score标准化。S2：通过CSP空域滤波器提取空域特征。S3：构建空间自注意力机制并实现特征通道加权。S4：利用通道卷积和多尺度卷积对加权后的数据进行处理。S5：采用平均池化层将融合特征划分为多个特征切片。S6：构建多头注意力机制提取全局特征。S7：对自注意力模块的输出进行全局平均池化得到精炼特征。S8：对输出进行层归一化后连接到全连接层，通过Softmax函数得到不同类别的预测概率。本发明解决了现有运动想象脑电信号解码的精度较低，实时性不足的问题。

公开(公告)号：CN118916788B

公开(公告)日：2024-12-10

申请号：CN202411405827.0

申请日：2024-10-10

Applicant: 安徽大学

Inventor： 占黄涛 ,  马计生 ,  宋逊 ,  李心慧 ,  吕钊 ,  李平 ,  张磊

IPC: G06F18/2415 ,  G06F18/214

Abstract: 本发明公开了一种跨被试小样本学习的运动想象识别方法，其特征在于，包括以下步骤：S1：获取多个受试者的脑电信号，划分为训练集和目标域数据并进行数据预处理；S2：将训练集和目标域数据合称为支持集，对训练集和支持集使用数据增强技术生成混合集；S3:通过预训练阶段利用大量标注数据训练初始模型；S4：利用混合集和支持集通过双重损失函数对所述预训练模型进行微调；S5：通过迭代训练使总损失函数值收敛，得到一个针对目标受试者准确率高的运动想象跨被试识别模型。还公开了一种跨被试小样本学习的运动想象识别系统。本发明通过生成具有代表性的合成数据，结合目标域数据进行训练，能够显著提升运动想象跨被试的分类准确率。

公开(公告)号：CN118916788A

公开(公告)日：2024-11-08

申请号：CN202411405827.0

申请日：2024-10-10

Applicant: 安徽大学

Inventor： 占黄涛 ,  马计生 ,  宋逊 ,  李心慧 ,  吕钊 ,  李平 ,  张磊

IPC: G06F18/2415 ,  G06F18/214

Abstract: 本发明公开了一种跨被试小样本学习的运动想象识别方法，其特征在于，包括以下步骤：S1：获取多个受试者的脑电信号，划分为训练集和目标域数据并进行数据预处理；S2：将训练集和目标域数据合称为支持集，对训练集和支持集使用数据增强技术生成混合集；S3:通过预训练阶段利用大量标注数据训练初始模型；S4：利用混合集和支持集通过双重损失函数对所述预训练模型进行微调；S5：通过迭代训练使总损失函数值收敛，得到一个针对目标受试者准确率高的运动想象跨被试识别模型。还公开了一种跨被试小样本学习的运动想象识别系统。本发明通过生成具有代表性的合成数据，结合目标域数据进行训练，能够显著提升运动想象跨被试的分类准确率。