公开(公告)号：CN115631371A

公开(公告)日：2023-01-20

申请号：CN202211266313.2

申请日：2022-10-17

Applicant: 杭州电子科技大学

Inventor： 杨昆 ,  姚振宁 ,  张建海 ,  朱莉 ,  程世超 ,  杨锡亮

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V40/10 ,  G06F3/01

Abstract: 本发明提出一种脑电信号核心网络提取方法。本发明通过对脑电信号进行分析和特征提取，使用注意力图卷积神经网络(A‑GCN)训练获取到脑网络的核心节点，同时也获取了核心网络，使得多种分类预测模型在测试集上只需要计算少量的节点或边特征(网络)就能够获得更高的识别准确率。本发明提供的方法只需要采集被试少量的通道数据，提升了BCI应用中的实用性。

公开(公告)号：CN115553781A

公开(公告)日：2023-01-03

申请号：CN202211190514.9

申请日：2022-09-28

Applicant: 杭州电子科技大学

Inventor： 杨昆 ,  杨锡亮 ,  张建海 ,  朱莉 ,  程世超 ,  姚振宁

IPC: A61B5/18 ,  A61B5/369 ,  A61B5/372 ,  A61B5/00

Abstract: 本发明公开一种基于核心脑网络和张量分解的驾驶疲劳状态检测方法。本发明创新性的结合相关性分析和图论中心性原理为判断节点重要性的依据，考虑功能网络随精神状态的变化，通过保留关键节点和相应边来确定影响精神状态的核心脑网络。针对多层脑网络不同频带的脑网络特征之间的关联无法被有效挖掘的问题，本发明将脑网络数据作为高阶张量，使用连续低秩非负塔克分解算法，使用张量分解的方法保留不同频带脑网络之间的相互联系，快速高效的提取多层核心脑网络的分类特征。