-
公开(公告)号：CN117392168B
公开(公告)日：2024-06-04
申请号：CN202311052111.2
申请日：2023-08-21
Applicant: 浙江大学
IPC: G06T7/194 , H04N19/436 , H04N19/44 , G06T5/50 , G06T5/60 , G06T5/70 , G06T1/20 , G06N3/045 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种利用单光子钙成像图像数据进行神经解码的方法，首先通过使用各向异性滤波及形态学开运算对单光子钙成像图像数据进行背景移除，接着，利用一种由三维卷积神经网络和多头自注意力机制复合构建的解码器，实现从钙成像图像数据中直接解码神经信号对应的行为信息。本发明省略了从图像数据中提取神经元集群活动的步骤，简化了基于钙成像的神经解码流程，本发明在运行耗时方面具有显著优势，可用于实时在线解码实验。此外，本发明充分利用了钙成像数据中的时间和空间信息，信息利用率远高于传统流程，为解码器提供了比传统方法更多更丰富的数据量，提高了解码的准确性。
-
公开(公告)号：CN119909316A
公开(公告)日：2025-05-02
申请号：CN202510399941.5
申请日：2025-04-01
Abstract: 本发明公开了一种减轻皮肤反应的经颅电刺激系统及方法，属于医疗辅助设备领域。本发明将单电极的刺激信号分解为多电极刺激信号输出，使其形成的空间治疗场分布等效于单电极刺激信号形成的空间治疗场分布，从而减轻刺激电极下方的皮肤反应，其中电刺激的刺激参数是由真实数据建立的头部模型电场仿真求解而得。本发明可用于减轻接受经颅电刺激干预治疗的患者的皮肤反应，从而提高治疗干预个体的耐受度。
-
公开(公告)号：CN119896469A
公开(公告)日：2025-04-29
申请号：CN202510399861.X
申请日：2025-04-01
IPC: A61B5/055 , G16H50/50 , A61B5/0536 , A61B5/053 , A61B5/00
Abstract: 本发明公开了一种个体头部组织电导率模型构建方法及系统。本发明采用基于含水量的电导率模型构建方法得到非均匀的颅内组织电导率值，同时通过改进的电阻抗成像技术测量头皮和头骨的电导率，解决了基于含水量的电导率模型构建方法在测量头皮和头骨电导率时的缺陷。本发明充分考虑了个体组织电导率的差异，可以单独测量每位患者的头部组织电导率分布，能够在神经调控的电刺激和肿瘤电场治疗等领域提供更加精确的仿真建模和优化方案。
-
公开(公告)号：CN117392168A
公开(公告)日：2024-01-12
申请号：CN202311052111.2
申请日：2023-08-21
Applicant: 浙江大学
IPC: G06T7/194 , H04N19/436 , H04N19/44 , G06T5/50 , G06T5/60 , G06T5/70 , G06T1/20 , G06N3/045 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种利用单光子钙成像图像数据进行神经解码的方法，首先通过使用各向异性滤波及形态学开运算对单光子钙成像图像数据进行背景移除，接着，利用一种由三维卷积神经网络和多头自注意力机制复合构建的解码器，实现从钙成像图像数据中直接解码神经信号对应的行为信息。本发明省略了从图像数据中提取神经元集群活动的步骤，简化了基于钙成像的神经解码流程，本发明在运行耗时方面具有显著优势，可用于实时在线解码实验。此外，本发明充分利用了钙成像数据中的时间和空间信息，信息利用率远高于传统流程，为解码器提供了比传统方法更多更丰富的数据量，提高了解码的准确性。
-
公开(公告)号：CN115105101A
公开(公告)日：2022-09-27
申请号：CN202210546937.3
申请日：2022-05-19
Applicant: 香港理工大学深圳研究院 , 浙江大学
Abstract: 本发明公开了个性化肌肉疲劳等级检测方法、装置、终端及存储介质，所述方法通过获取待检测肌电信号，其中，待检测肌电信号为目标用户的目标肌肉在训练开始后生成的肌电信号，目标肌肉为基于训练任务类型确定的疲劳等级最高的肌肉；根据待检测肌电信号，确定目标肌肉对应的疲劳特征值；获取参考疲劳特征值，根据疲劳特征值和参考疲劳特征值确定目标肌肉对应的疲劳等级，其中，参考疲劳特征值基于目标肌肉在训练开始前生成的肌电信号确定。本发明可以针对不同用户，个性化地确定用于进行疲劳监测的目标肌肉，通过采集目标肌肉的肌电信号，实时监测用户肌肉的疲劳程度，避免用户运动过度。解决了现有技术中用户自身难以及时察觉肌肉疲劳，容易造成运动过度，导致运动损伤的问题。
-
Patent Agency Ranking
公开(公告)号：CN119028348A
公开(公告)日：2024-11-26
申请号：CN202411114776.6
申请日：2024-08-14
Applicant: 浙江大学
IPC: G10L15/25 , G10L15/16 , G10L15/06 , G10L15/02 , G10L15/14 , G06V40/16 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于面部动态捕捉的中文唇语识别方法，具体步骤为：使用深度相机采集面部连续像；对连续图像进行三维面部关键点估计，并计算面部动态特征；将面部动态特征输入到唇语识别模型中，得到拼音类别的概率分布；使用大语言模型根据拼音类别的概率分布进行文字序列预测，生成中文唇语识别结果。本发明创新性地引入了深度摄像头进行数据采集，提供了深度信息作为输入，有效增强了模型在低光照环境下的表现。同时，模型训练数据覆盖了更加多样化的生活场景，更贴合实际应用需求。因为直接利用面部动态数据，模型省掉了复杂的3D卷积预处理网络，使得模型能够快速高效处理数据。因此该技术具有广泛应用于智能手机/智能移动设备的潜力。
-
公开(公告)号：CN119733174A
公开(公告)日：2025-04-01
申请号：CN202510254440.8
申请日：2025-03-05
Applicant: 浙江大学
Abstract: 本发明公开了一种应用于脊髓康复的无创深部时域干涉电刺激系统及方法，属于医疗器械技术领域。本发明通过连接于电刺激器本体上的两组电极对输出差频电流，进而针对脊柱产生时域干涉刺激，在人体组织内部产生差频包络。而且，本发明在电极所连接的导联线上设置了自带的长度刻度，因此可以方便地在脊柱表面的皮肤上进行测量，快速地确定电极在背部皮肤表面的放置位置。本发明还提供了一种电刺激参数优化方法，可以快速地针对目标对象生成最优的电极放置方案，大大简化了临床上利用无创深部时域干涉电刺激进行脊髓康复的难度。
-
公开(公告)号：CN117195040A
公开(公告)日：2023-12-08
申请号：CN202311080441.2
申请日：2023-08-25
Applicant: 浙江大学
IPC: G06F18/24 , G06F18/213 , G06F3/01 , G06N20/00
Abstract: 本发明公开了一种基于静息态脑电数据校准的脑机接口迁移学习方法，属于脑电解码领域，包括以下步骤：计算源域数据和目标域数据的黎曼均值；采用平行移动算法，根据源域数据的黎曼均值计算源域PT变化矩阵，通过源域PT变化矩阵估计目标域测试数据的黎曼均值，对源域数据和目标域数据做域混合，估计全局总黎曼均值；采用平行移动算法，将源域数据和目标域数据移动到全局总黎曼均值的切空间并做投影，分别得到各自的切向量；将切向量化的目标域测试数据带入切向量化的源域数据训练好的分类器中得到分类结果。避免了利用测试数据对分类器进行基于目标类的重复训练，且能够实现对测试数据的在线实时目标类分类，在跨试次、跨被试方面有巨大潜力。
-
公开(公告)号：CN119939344A
公开(公告)日：2025-05-06
申请号：CN202510023244.X
申请日：2025-01-07
Applicant: 浙江大学
IPC: G06F18/241 , G06F18/213 , G06N3/096 , G06N3/088
Abstract: 本发明公开了一种基于指向目标域的模板学习的无监督域适应方法，包括：获取有标签的源域数据和无标签的目标域数据，通过域适应分类模型中的特征提取器分别获得源域特征、目标域特征，并构建一个源域和目标域共用的类别模板；根据源域特征和类别模板计算交叉熵损失，根据目标域特征和类别模板计算基于黎曼距离的最小类混淆损失，将交叉熵损失和最小类混淆损失之和作为总损失函数；通过源域数据和总损失函数训练域适应分类模型，将训练后的域适应分类模型应用于目标域数据，实现无监督域适应。本发明通过可学习类别模板基于黎曼距离的类混淆最小损失，达到降低目标域数据上类混淆程度，提高模型对目标域数据的预测精度。
-
公开(公告)号：CN117195040B
公开(公告)日：2024-05-17
申请号：CN202311080441.2
申请日：2023-08-25
Applicant: 浙江大学
IPC: G06F18/24 , G06F18/213 , G06F3/01 , G06N20/00
Abstract: 本发明公开了一种基于静息态脑电数据校准的脑机接口迁移学习方法，属于脑电解码领域，包括以下步骤：计算源域数据和目标域数据的黎曼均值；采用平行移动算法，根据源域数据的黎曼均值计算源域PT变化矩阵，通过源域PT变化矩阵估计目标域测试数据的黎曼均值，对源域数据和目标域数据做域混合，估计全局总黎曼均值；采用平行移动算法，将源域数据和目标域数据移动到全局总黎曼均值的切空间并做投影，分别得到各自的切向量；将切向量化的目标域测试数据带入切向量化的源域数据训练好的分类器中得到分类结果。避免了利用测试数据对分类器进行基于目标类的重复训练，且能够实现对测试数据的在线实时目标类分类，在跨试次、跨被试方面有巨大潜力。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.017 seconds)
