-
公开(公告)号：CN114693964A
公开(公告)日：2022-07-01
申请号：CN202210223210.1
申请日：2022-03-09
Applicant: 电子科技大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06K9/62 , G06N3/08
Abstract: 本发明公开了一种基于人工神经网络的MRI数据特征提取和分类识别方法，属于数据分类领域。本发明结合sMRI与rs‑fMRI同时利用图论的方式提取、融合、选择关键特征，并利用人工神经网络进行分类，人工神经网络的各层权值通过对MRI数据进行迭代学习，以取得最优的MRI数据分类表现。可有效提取MRI数据的关键特征，降低MRI数据特征空间的维度，减少模型训练的计算量，让模型能够更高效的学习MRI数据之间的差异，提高分类表现。
-
公开(公告)号：CN111366111B
公开(公告)日：2021-12-03
申请号：CN202010239329.9
申请日：2020-03-30
Applicant: 电子科技大学
Abstract: 本发明属于声表面波传感器的设计领域，具体涉及一种利用三个LGS声表面波谐振器组成的应变传感器及测量方法。首先利用三个LGS声表面波谐振器建立三个谐振频率随温度变化和应变变化的关系式；然后根据声表面波谐振器在同一温度环境中，具有相同温度系数和不同应变系数的特点，消除温度及温度变化与应变变化耦合引起的谐振频率的变化；最后得到谐振频率与应变变化之间的关系式，通过该关系式即可求出待测物体应变变化的大小Δε。本发明完全消除了温度对于应变测试的影响，同时提高了应变测试的准确性。可用于任何温度环境中，且简单易操作。
-
公开(公告)号：CN109506808B
公开(公告)日：2020-12-18
申请号：CN201811601602.7
申请日：2018-12-26
Applicant: 电子科技大学
IPC: G01K11/22
Abstract: 一种具有单调和线性输出特性的SAW温度传感器及其设计方法，属于声表面波传感器技术领域。本发明通过在同一压电基片上设计两个除平行外位置任意的SAW谐振器并进行连接作为SAW温度传感器使用，在设计两个SAW谐振器的结构参数使得二者谐振频率满足TCF21f01＝TCF22f02，进而设计得到一种具有单调线性输出特性的SAW温度传感器。本发明提供的SAW温度传感器在测试时只需两个标定参数，并且其输出随温度变化呈现单调线性变化。相比传统SAW温度传感器，在实现全范围测温的同时明显简化了测试的标定过程，降低了计算复杂度。
-
公开(公告)号：CN107909117B
公开(公告)日：2020-06-16
申请号：CN201711291115.0
申请日：2017-12-08
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于脑功能网络特征对早晚期轻度认知障碍的分类方法及装置，属于医学影像图像处理技术领域。本发明首先对样本数据进行预处理和提取多个脑区时间序列，采用皮尔逊相关计算脑区时间序列之间的相关系数构建脑功能网络，计算脑网络参数。其次采用逐步分析方法提取特征，并训练二分分类器，对待分类的静息态功能磁共振数据提取对应的特征向量并输入训练好的二分分类器，得到对医学影像图像分类结果。与现有方法相比，本发明的分类准确率、敏感性和特异性更好。
-
公开(公告)号：CN105748067B
公开(公告)日：2018-11-13
申请号：CN201610082340.2
申请日：2016-02-05
Applicant: 电子科技大学
IPC: A61B5/0476 , A61B5/00
Abstract: 本发明公开了一种基于随机梯度自适应滤波的诱发脑电提取方法，通过多道脑电测量系统采集多次重复刺激的脑电信号，其包含自发脑电、刺激施加后的自发脑电与诱发脑电的混合信号，并对各次混合信号叠加求平均，得到平均混合信号；以刺激施加时刻作为提取时间计数的起点，从平均混合信号中提取长度为N的一段信号作为第一主信号、对第一主信号延时一个时间间隔的信号作为第一参考信号，并输入LMS自适应滤波器，得到各通道的第一输出信号；再将第一输出信号作为第二参考信号、长度为N的一段自发脑电作为第二主信号，并输入LMS自适应滤波器，得到各通道的诱发脑电。本发明在没有足够先验知识的背景下，获得较高质量的诱发脑电，有效降低重复刺激次数。
-
Patent Agency Ranking
公开(公告)号：CN107657278A
公开(公告)日：2018-02-02
申请号：CN201710880020.6
申请日：2017-09-26
Applicant: 电子科技大学
IPC: G06K9/62 , A61B5/0484
Abstract: 本发明公开了一种脑电信号模式多分类的优选样本数抽样方法，本发明首先采集对不同颜色的视觉刺激图像的脑电信号，并提取特征向量，以及降维处理，得到待分类的特征数据，然后基于设置的分类方法，取值为0.5～1的等间隔的多个抽样率，获取每个抽样率的颜色分类准确率，基于颜色分类准确率最高的抽样率或前Mc个颜色分类准确最高的抽样率中的最小者得到当前分类方法的优选样本数。本发明通过对分类样本数的抽样分析，可以寻找脑电多分类问题中更适合的样本数，减小训练样本数对分类效果的影响，在结果分析上，避免因为样本数的差异导致对不同分类器分类性能的错误评估。
-
公开(公告)号：CN106344011A
公开(公告)日：2017-01-25
申请号：CN201610918415.6
申请日：2016-10-21
Applicant: 电子科技大学
IPC: A61B5/0484 , A61B5/00
Abstract: 本发明属于神经信息技术领域，提供一种基于因子分析的诱发脑电信号提取方法，用以提高微弱诱发脑电信号的效率和精度。本发明首先进行多次重复刺激实验，记录多道测量信号，获得二维信号；然后将其转化为二维矩阵并进行因子分解X＝AF，得到X的因子矩阵F；再然后确定诱发脑电因子，并将除诱发脑电因子的其他所有因子置零，得到新的因子矩阵F′，利用载荷矩阵A还原得到脑电信号N′；最后对N′进行叠加平均获得诱发脑电信号。本发明通过多道诱发脑电信号间的统计相关性及自发脑电信号间的无关性进行潜在因子的提取，利用统计方法获得诱发脑电因子，大大减少实验次数、缩短实验时间和成本；且进一步提高诱发脑电信号提取的效率和鲁棒性。
-
公开(公告)号：CN105726026A
公开(公告)日：2016-07-06
申请号：CN201610058578.1
申请日：2016-01-28
Applicant: 电子科技大学
CPC classification number: A61B5/4088 , A61B5/055 , A61B5/7264
Abstract: 一种基于脑网络与脑结构信息的轻度认知障碍疾病分类方法，属于医学影像疾病分类领域。本发明首先计算个体皮层特征，并利用特定核函数计算个体皮层差异以构建结构脑网络；然后在网络特征和原始MRI数据中选取任意个数的参数类型进行组合，采用逐步判别法在每一个组合数据中选出特征，将出现次数最多的前十个特征作为分类特征；最后采用基于径向基核函数的支持向量机进行分类。本发明方法中充分考虑了皮层特征和网络特征的不同组合方式对特征选取的干扰，保证了特征选取的健壮性和平稳性；本发明方法可快速有效地选取具有高敏感性的特征，提高了分类精度。
-
公开(公告)号：CN103405229A
公开(公告)日：2013-11-27
申请号：CN201310291690.6
申请日：2013-07-12
Applicant: 电子科技大学
IPC: A61B5/0476
Abstract: 本发明公开了一种基于靴带抽样的诱发脑电提取方法，通过多道脑电测量系统获取测量的脑电信号，其中包含自发脑电和与刺激相关的诱发脑电，为了提取微弱的诱发脑电，传统需要100-2000次的重复刺激才能叠加获得诱发脑电。本发明方法包括以下步骤：A.进行较少重复刺激，获得较少个重复刺激的多道测量信号；B.相对于刺激出现的每个潜伏期的信号进行靴带抽样多次；C.利用正态曲线拟合方法求出靴带抽样后样本的统计特性；D.依次获得每个潜伏期的统计特性，最后根据统计特征值获得诱发脑电。本发明的有益效果：利用靴带抽样方法可以极大地降低重复刺激的数量，且获得高质量的诱发脑电信号，提高临床应用的可行性。
-
公开(公告)号：CN119250146A
公开(公告)日：2025-01-03
申请号：CN202411401953.9
申请日：2024-10-09
Applicant: 电子科技大学
IPC: G06N3/08 , G06N3/084 , G06N3/044 , G06F18/10 , G06F123/02
Abstract: 本发明属于人工智能和神经生物学领域，具体涉及到一种深度神经网络拓扑结构约束学习方法。本发明首先采集被试rs‑fMRI数据并预处理，计算不同脑区之间的相关系数从而得到生物脑拓扑矩阵，并构建深度神经网络模型；然后使用生物脑拓扑结构约束神经网络的学习过程进而训练模型，并采用反向传播算法更新神经网络参数，而反向传播算法的损失函数同时包含负对数似然损失与拓扑矩阵相似度损失，因此模型训练后会使神经网络的拓扑矩阵偏向于生物拓扑矩阵，从而实现将神经生理学记录直接整合到人工神经网络的技术。本发明填补了将神经生理学记录直接转化为人工神经网络改进的技术空白，从而提升神经网络的工程性能。
-
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.036 seconds)
