公开(公告)号：CN119782928A

公开(公告)日：2025-04-08

申请号：CN202411714443.7

申请日：2024-11-27

Applicant: 杭州电子科技大学

Inventor： 张可泽 ,  杨昆 ,  胡昱彬 ,  郑仁剑 ,  李昀霏

IPC: G06F18/2415 ,  A61B5/374 ,  A61B5/18 ,  A61B5/00 ,  G06F18/25 ,  G06F18/213 ,  G06N3/0464 ,  G06N3/047

Abstract: 本发明公开了一种基于双源多尺度特征融合网络的疲劳驾驶检测方法，其针对采集的脑电信号进行分频滤波并提取微分熵作为通道特征，斯皮尔曼等级相关系数作为脑网络特征；对滤波后提取的通道特征进行映射和堆叠，使其转换为三维特征后输入不同核大小的VSCM得到不同尺度的特征信息，与传统技术中按通道顺序一维排列的方式相比，本发明较好地考虑了电极通道在人脑空间中的实际分布，解决了原本在人脑空间中相邻的电极通道在卷积的过程中无法被正常使用的问题；同时，本发明利用上采样层对不同级的逐点卷积进行融合，并通过卷积层对融合后的特征经过一系列卷积再叠加得到更加全面的多尺度特征，适用于通道数量较少的情况，提高了疲劳驾驶检测率。

公开(公告)号：CN119357826A

公开(公告)日：2025-01-24

申请号：CN202411503476.7

申请日：2024-10-25

Applicant: 杭州电子科技大学

Inventor： 杨昆 ,  李若尘 ,  张可泽 ,  张彦斌

IPC: G06F18/2415 ,  G06F18/10 ,  G06F18/213 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048 ,  A61B5/369 ,  A61B5/00

Abstract: 本发明公开一种基于通道自适应卷积核与信息融合网络的手指运动想象解码方法。本发明引入通道自适应核模块CAK来应对卷积核的通道差异问题，采用两个分支来解决不同的电极通道间存在差异问题，一个是以原始EEG信号为输入的EEG‑CAK分支，另一个是以协方差矩阵作为输入的COV‑CAK分支。EEG‑CAK和COV‑CAK分支输出的特征向量拼接为一个特征向量；特征向量通过两个全连接层，第二层中神经元等于手指运动想象的类别数量。CAK模块在CNN的框架内巧妙地同时为所有的通道确定有效的卷积核，并融合他们提取的信息。另外，CAK是一个通用模块可以应用于其他的EEG任务。本发明公开的手指运动想象的解码方案取得了目前最佳的解码准确率。