-
公开(公告)号：CN111259741B
公开(公告)日：2023-04-07
申请号：CN202010021322.X
申请日：2020-01-09
Applicant: 燕山大学
IPC: G06F18/24 , G06F3/01 , G06F18/2411
Abstract: 本发明涉及一种脑电信号分类方法及系统。该分类方法包括：获取原始脑电信号数据；所述原始脑电信号数据为用户想象运动时采集的脑电信号数据；利用工空间模式算法对所述原始脑电信号数据进行特征提取，得到所述原始脑电信号数据对应的脑电特征；计算所述脑电特征中单次试验脑电信号对应的判别分数；获取分类器模型；所述分类器模型利用广义二次判别分析算法构建；判断所述判别分数是否大于或等于所述分类器模型中的分类标准；如果是，将所述判别分数对应的脑电信号数据确定为第一运动类别；如果否，将所述判别分数对应的脑电信号数据确定为第二运动类别。本发明可以提高脑电信号分类准确度。
-
公开(公告)号：CN115644893A
公开(公告)日：2023-01-31
申请号：CN202211184196.5
申请日：2022-09-27
Applicant: 燕山大学
IPC: A61B5/372 , A61B5/374 , G06F18/2321 , G06F18/24
Abstract: 本发明公开了一种分区域脑电建模和对角块模型脑电通道社团分类方法，属于生物电信号处理和聚类领域，包括以下步骤：S1、数据生成：建立多通道耦合神经元群脑电模型，并利用多通道耦合神经元群脑电模型生成多通道脑电数据；S2、判断聚类数：基于轮廓系数对生成的多通道耦合神经元群脑电模型选择聚类超参数；S3、寻找社团结构：使用块混合模型方法对生成的脑电数据通道进行社团结构分类。本发明通过寻找脑电通道之间的社团结构，能够反应不同大脑区域的脑电信号之间的关系。
-
公开(公告)号：CN115500790A
公开(公告)日：2022-12-23
申请号：CN202211167114.6
申请日：2022-09-23
Applicant: 燕山大学
Abstract: 本发明公开了一种基于BI‑LSTM网络的癫痫发作预测分析的方法，属于脑电信号处理领域，包括以下步骤，步骤1、癫痫脑电信号预处理：利用小波变换对癫痫数据进行降噪处理，提取出有效的EEG信号；步骤2、特征提取阶段，基于PLV的脑功能网络的特征提取；步骤3、特征分类阶段，利用BI‑LSTM网络进行特征分类；步骤4、参数优化阶段，将不同参数经过讨论分析后得出最佳参数组合使得分类效率变高的同时减少算力。结果表明，该方法在所有受试者中均取得了良好的效果，癫痫预测提供了有效特征为治疗和预测癫痫提供了新的视角。
-
公开(公告)号：CN115456022A
公开(公告)日：2022-12-09
申请号：CN202211117053.2
申请日：2022-09-14
Applicant: 燕山大学
Abstract: 本发明公开了一种基于多元变分模态分解与黎曼几何的脑电意图识别方法，首先对所采集的多通道脑电信号进行预处理；然后利用多元变分模态分解算法将多通道脑电信号分解为多个本征模态函数分量，根据所分解的本征模态函数分量的中心频率选择合适的分量，并将所选择的本征模态函数分量相加，获得重构脑电信号；随后利用重构后的脑电信号构建样本协方差矩阵，并基于特征缩减技术估计对称正定矩阵；最后利用所估计的对称正定矩阵在黎曼流行中提取黎曼几何特征，利用线性判别分类器对所提取的黎曼几何特征进行分类，从而实现对脑电意图的识别。该方法结构简单，易于建立与实现，能够有效识别脑电意图，具有科学合理，适用性强，效果佳的优点。
-
公开(公告)号：CN111191509A
公开(公告)日：2020-05-22
申请号：CN201911194962.4
申请日：2019-11-28
Applicant: 燕山大学
Abstract: 本发明提出一种基于SCSP-LDA的脑电信号特征提取与分类方法，该方法首先，将脑电数据进行特征值分解，对其进行搜索并筛选得到新的特征空间，然后利用CSP提取其特征，最后，利用LDA对特征提取后的数据进行特征优化和数据分类，实现运动想象EEG信号解码。本发明将CSP算法转化为广义特征值的求解问题，并由广义特征值的求解问题结合稀疏搜索算法寻找最佳空间滤波器，引出一种稀疏共空间模式(Sparse Common Spatial Pattern,SCSP)算法，该SCSP是算法可以有效地提取特征最为明显的通道，从而实现通道稀疏，再结合特征分类算法LDA，可以完整地实现EEG的解码。
-
Patent Agency Ranking
公开(公告)号：CN111012335A
公开(公告)日：2020-04-17
申请号：CN201911194961.X
申请日：2019-11-28
Applicant: 燕山大学
IPC: A61B5/0476 , A61B5/00 , G06K9/62
Abstract: 本发明提供一种基于非负CP分解模型的脑电意图解码方法，该方法提取了边界规避任务中不同受试者脑电的时间组分特征，利用2-DPCA对特征维度进行优化，并使用支持向量机对特征进行分类，能够反应出受试者不同状态下的脑电的差异，单个受试者的脑电分类准确率高；并且该方法利用脑电各模式间的相互作用，利用通道组分和频率组分获得脑电的时间组分特征，获取的脑电时间组分的特征可分性好，通过对其维度进行优化，可以有效的对边界规避任务中左、右手二类运动的脑电意图进行解码。
-
公开(公告)号：CN111012337B
公开(公告)日：2024-06-04
申请号：CN201911282373.1
申请日：2019-12-13
Applicant: 燕山大学
Abstract: 本发明提出一种基于脑网络和正则化判别分析的脑电分析方法，该方法使用脑网络方法，进行脑电信号的特征提取，根据得到的邻接矩阵来对脑网络进行构建，通过将每个节点的度信息绘制在脑地形图中，令大脑的活动状态变得可视化，可以更直观的观察到大脑活动的神经机制，再通过正则化判别分析最终得到分类结果，具有更高的分类识别率。
-
公开(公告)号：CN115644893B
公开(公告)日：2024-05-17
申请号：CN202211184196.5
申请日：2022-09-27
Applicant: 燕山大学
IPC: A61B5/372 , A61B5/374 , G06F18/2321 , G06F18/24
Abstract: 本发明公开了一种分区域脑电建模和对角块模型脑电通道社团分类方法，属于生物电信号处理和聚类领域，包括以下步骤：S1、数据生成：建立多通道耦合神经元群脑电模型，并利用多通道耦合神经元群脑电模型生成多通道脑电数据；S2、判断聚类数：基于轮廓系数对生成的多通道耦合神经元群脑电模型选择聚类超参数；S3、寻找社团结构：使用块混合模型方法对生成的脑电数据通道进行社团结构分类。本发明通过寻找脑电通道之间的社团结构，能够反应不同大脑区域的脑电信号之间的关系。
-
公开(公告)号：CN113486794A
公开(公告)日：2021-10-08
申请号：CN202110763496.8
申请日：2021-07-06
Applicant: 燕山大学
Abstract: 本发明提供一种基于混合模型的运动想象脑电信号分类方法，其包括如下步骤：S1、数据提取：从数据库中采集两组数据作为脑电数据库；S2、数据重构：将脑电数据库中的脑电数据进行规范化，并以四维张量的结构储存；S3、特征优化：利用ODV‑CSSD算法对脑电数据进行优化获得最优脑电特征；S4、利用先验信息形成可解释的聚类，建立决策边界，得到最终类别归属结果。本发明针对共空间模式对异常数据过于敏感导致容易过拟合的问，提出一种新的运动想象脑电信号分类方法，提出新的特征优化算法ODV‑CSSD并进行研究，该方法可以获取最优的脑电特征，同时可以达到最佳脑电特征的维数，实现左右手运动想象脑电信号的提取和分类，并提高了识别准确率。
-
公开(公告)号：CN107908595B
公开(公告)日：2021-02-23
申请号：CN201711034478.6
申请日：2017-10-30
Applicant: 燕山大学
Abstract: 本发明公开了一种基于卷积神经网络和数据驱动的非线性动态系统辨识方法，其内容包括：以Lorenz非线性系统生成观测数据及其微分值，并进行归一化处理；由归一化后的观测数据中各个状态量构建非线性状态函数字典，并对其进行张量化扩展；取该张量中的一半数据和其所对应的输出微分值训练卷积神经网络，深度挖掘期望输出微分值与输入之间的内在回归关系；将张量中剩下一半数据作为测试数据输入到卷积神经网络中，比较测试数据的卷积神经网络输出微分值与实际期望输出微分值，给出非线性动态系统辨识结果。本发明针对非线性动态系统辨识问题，在不需要先验信息的情况直接从测量数据实现非线性动态系统的辨识。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.02 seconds)
