公开(公告)号：CN109222966A

公开(公告)日：2019-01-18

申请号：CN201811173603.6

申请日：2018-10-09

Applicant: 山东大学

Inventor： 吴强 ,  侯晓莹 ,  刘琚 ,  李荣琳

IPC: A61B5/0476 ,  A61B5/16

Abstract: 本发明公开了一种基于变分自编码网络VAE的情感分类的方法。该方法利用提取的脑电信号，首先进行去噪、滤波、分割等预处理，然后提取脑电信号的功率密度谱，将所求得的时频谱特征进行归一化，然后将其作为输入放入到七层VAE神经网络模型中进行训练，输入层神经元的个数为160，隐藏层神经元的个数为100，输出层神经元的个数为50，训练标签通过V-A模型的大小来划分，计算得出其特征，然后将所得到的特征送入分类器进行分类，有效的利用了脑电信号经过变分自编码后的潜在特征，提高了情感分类的准确度。

公开(公告)号：CN108717535A

公开(公告)日：2018-10-30

申请号：CN201810516139.X

申请日：2018-05-25

Applicant: 山东大学

Inventor： 吴强 ,  辛雨航 ,  刘琚 ,  侯晓莹 ,  李荣琳

IPC: G06K9/00

Abstract: 本发明公开了一种基于混合特征和长短时记忆网络LSTM的麻醉深度估计方法。该方法利用提取的脑电信号，首先进行去噪处理，然后提取脑电信号的熵特征以及频谱特征，再将熵特征与频谱特征混合并归一化后作为LSTM的输入，通过一个三层的网络进行训练，训练标签由呼吸末浓度以及药代药效动力学获得。本发明借助LSTM对前一时刻的特征信息进行了利用，并与当前时刻的特征进行结合，有效的利用了脑电信号本身所具有的时序特征，提高了麻醉深度估计的准确度。

公开(公告)号：CN108717535B

公开(公告)日：2021-06-01

申请号：CN201810516139.X

申请日：2018-05-25

Applicant: 山东大学

Inventor： 吴强 ,  辛雨航 ,  刘琚 ,  侯晓莹 ,  李荣琳

IPC: G06K9/00

Abstract: 本发明公开了一种基于混合特征和长短时记忆网络LSTM的麻醉深度估计方法。该方法利用提取的脑电信号，首先进行去噪处理，然后提取脑电信号的熵特征以及频谱特征，再将熵特征与频谱特征混合并归一化后作为LSTM的输入，通过一个三层的网络进行训练，训练标签由呼吸末浓度以及药代药效动力学获得。本发明借助LSTM对前一时刻的特征信息进行了利用，并与当前时刻的特征进行结合，有效的利用了脑电信号本身所具有的时序特征，提高了麻醉深度估计的准确度。