-
公开(公告)号：CN118134898A
公开(公告)日：2024-06-04
申请号：CN202410396643.6
申请日：2024-04-03
Applicant: 杭州电子科技大学
IPC: G06T7/00 , G06T7/10 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种全局融合的双通道视网膜血管分割方法，该方法首先获取视网膜血管图像数据集，对原始图片和标签预处理。其次将预处理后的图片重采样为多个不同尺寸的图片。然后将重采样后的多个不同尺寸的图片，分多阶段分别输入到并行的细小血管增强网络和分割网络中，得到网膜血管分割结果图。最后设计损失函数，将网膜血管分割结果图与标签计算损失，进行训练，并测试。本发明可以有效的分割视网膜血管并取得了与常见视网膜血管分割网络更好的准确率和敏感性。
-
公开(公告)号：CN114305456B
公开(公告)日：2024-05-03
申请号：CN202111639377.8
申请日：2021-12-29
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于稳态视觉诱发电位脑电信号的通道选择方法，包括如下步骤：S1、使用脑电采集设备采集稳态视觉诱发电位脑电信号并制作数据集；S2、将数据集中的脑电信号进行预处理；S3、针对预处理后的每组新脑电信号分别进行任务相关成分分析，得到各trial下对应通道的相关系数；S4、根据相关系数选取通道。通过空间滤波的方式抑制每个通道内的自发脑电活动，最大化通道内的任务相关成分；空间滤波后由计算得出的每个通道内对应的相关系数即可确定哪些通道可以更为明显地诱发出SSVEP响应；进而降低特征数据的维度，尽可能的减少通道数，简化了计算难度，提高系统效率和系统识别的性能，使得脑电信号识别系统更加普遍性。
-
公开(公告)号：CN116204817A
公开(公告)日：2023-06-02
申请号：CN202310232535.0
申请日：2023-03-03
Applicant: 杭州电子科技大学
IPC: G06F18/24 , G06F18/213 , G06F18/214
Abstract: 本发明涉及一种融合时空特征的情绪脑电数据增强方法，针对现有技术的问题，首先不同情绪的EEG数据被提取为五个频带下的微分熵特征；然后在此基础上将数据进行分段，每隔1秒取一组数据，每组数据处理成相互对应的时序形式数据和按电极位置分布的空间形式数据；最后设计双编码器引入VAE‑GAN以学习这两种形式数据特征，融合成潜在变量用于生成人工样本。本发明在生成人工脑电特征样本时，综合考虑了时序特征和空间分布特征，生成的样本在分类任务中表现出良好的性能。
-
公开(公告)号：CN116010782A
公开(公告)日：2023-04-25
申请号：CN202211682883.X
申请日：2022-12-27
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于双向回溯最大信息系数的脑肌耦合分析方法。本发明首先进行脑电和表面肌电信号的同步采集并进行预处理，其次用切比雪夫II型带通滤波器得到特定频段，再用双向回溯最大信息系数值对特定频段的脑肌电信号进行计算，最后进行不同特征频段上的双向脑肌耦合分析。本发明为探究运动功能控制机制提供有效的方法，具有良好的应用前景。
-
公开(公告)号：CN114343680A
公开(公告)日：2022-04-15
申请号：CN202111600196.4
申请日：2021-12-24
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种动态表面肌电信号(sEMG)实时分解方法。针对之前的方法没有考虑到识别许多错误瞬间对后续MU发射瞬间提取的影响，也没有研究精确提取发射瞬间的方法等种种限制。本发明采用预判和补漏结合的策略实时分解动态sEMG信号。本发明首先采用肌电采集设备采集受试者sEMG信号，进行预处理以及信道扩展；再使用KmCKC得到初始的MU信息：包括MU的放电时刻集合，权向量以及初始化的协方差逆矩阵；再通过设备不断采集sEMG信号，并将预判和补漏的策略相结合实时分解出MU。本发明与以往的方法相比大大提高了MU的分解产量，分解精度，并且在高噪声的环境下也能取得很好的分解结果，具有很强的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN114041807A
公开(公告)日：2022-02-15
申请号：CN202111560361.8
申请日：2021-12-20
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于小波包‑Copula传递熵的肌间耦合分析方法。本发明首先进行多通道肌电信号的同步采集与预处理，其次用小波包分解方法对肌电信号进行分解，再对分解得到的肌电信号进行Copula传递熵的计算，最后定量分析了上肢运动中相关肌肉在不同特征频段上的肌间双向耦合特性。本发明为探究运动功能控制机制提供有效的方法，具有良好的应用前景。
-
公开(公告)号：CN119206776A
公开(公告)日：2024-12-27
申请号：CN202411223213.0
申请日：2024-09-03
Applicant: 杭州电子科技大学
IPC: G06V40/10 , G06V20/52 , G06V10/62 , G06V10/776 , G06V10/774 , G06V10/44 , G06V10/771 , G06V10/52 , G06N3/045 , G06N3/0464
Abstract: 本发明公开了一种多细粒度特征融合的行人重识别方法，该方法首先获取行人重识别图像数据集，对数据集中原始图片和标签进行预处理。其次构建的行人重识别网络模型，将预处理后的图片送入行人重识别网络模型，得到重识别结果。最后设计损失函数，并采用warmup策略对行人重识别网络模型进行训练；将待识别图像输入训练后的行人重识别网络模型，进行行人重识别测试。本发明多细粒度特征提取网络在行人重识别中通过捕捉从局部到全局的丰富特征，增强了模型的泛化性和鲁棒性，显著提升了行人识别的准确性。
-
公开(公告)号：CN113288181B
公开(公告)日：2022-09-27
申请号：CN202110687040.8
申请日：2021-06-21
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于稳态视觉诱发电位脑电信号识别的个体模板重构方法。本发明首先采集大脑皮层枕区上对应电极通道的稳态视觉诱发电位脑电信号数据并预处理；构建人工正‑余弦参考信号，分别选择两种信号质量评价指标，和两种计算方式，计算各训练数据的权重系数，重构包含受试者个体信息的模板信号；分别对脑电信号、人工正‑余弦参考信号和个体模板信号两两之间进行典型相关分析，计算得到的空间滤波器映射到信号上可以得到多种特征；针对本数据集重新选择系数特征组合，与标准扩展典型相关分析相比，重构后的个体模板信号包含了更多的SSVEP响应，提升了算法的识别性能，降低了算法的计算消耗时间。
-
公开(公告)号：CN114343680B
公开(公告)日：2024-04-19
申请号：CN202111600196.4
申请日：2021-12-24
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种动态表面肌电信号(sEMG)实时分解方法。针对之前的方法没有考虑到识别许多错误瞬间对后续MU发射瞬间提取的影响，也没有研究精确提取发射瞬间的方法等种种限制。本发明采用预判和补漏结合的策略实时分解动态sEMG信号。本发明首先采用肌电采集设备采集受试者sEMG信号，进行预处理以及信道扩展；再使用KmCKC得到初始的MU信息：包括MU的放电时刻集合，权向量以及初始化的协方差逆矩阵；再通过设备不断采集sEMG信号，并将预判和补漏的策略相结合实时分解出MU。本发明与以往的方法相比大大提高了MU的分解产量，分解精度，并且在高噪声的环境下也能取得很好的分解结果，具有很强的鲁棒性。
-
公开(公告)号：CN115034296A
公开(公告)日：2022-09-09
申请号：CN202210620691.X
申请日：2022-06-02
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于域相似性脑电跨被试源域选择方法。针对现有技术的问题，提出的技术方案为：首先根据改进的MMD公式求出每一被试内的类间间距MMD(xi)并给出置信度；通过计算选择出的Copula函数Kendall秩相关系数并叠加前者的置信度，设置阈值选取大致1/3的源域作为迁移对象进行迁移学习；再通过对分布平衡进行自适应调节以平衡条件分布和边缘分布；最后更新目标域软标签最后返回分类器进行三分类输出分类准确度。本发明使用了源域选择提高了基于流形嵌入分布对齐的效率，最终使用适合迁移学习的源域进行学习，相比传统方法提高了准确度并极大降低了运算时间。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.027 seconds)
