-
公开(公告)号：CN112656372A
公开(公告)日：2021-04-16
申请号：CN202011495718.4
申请日：2020-12-17
Applicant: 苏州大学
Abstract: 本发明涉及一种基于脑网络拓扑规律的脑力疲劳检测方法及系统,包括：采集大脑中的血红蛋白信息，并记录实验前后的主观评价量表和行为学数据；对采集的血红蛋白信息进行预处理；根据所述主观评价量表和行为学测试结果对预处理后的血红蛋白信息按脑力疲劳等级进行分类，分析各脑区之间的相关性，建立跨任务下不同脑疲劳等级的网络连接拓扑规律，其中所述网络连接拓扑规律是各种任务诱发疲劳对应的共性表征；根据网络连接拓扑规律构建两两对应疲劳等级之间具有统计性差异的网络连接变化图。本发明的计算复杂度低，脑机接口系统的实时性能好。
-
公开(公告)号：CN115687898B
公开(公告)日：2023-07-11
申请号：CN202211717061.0
申请日：2022-12-30
Applicant: 苏州大学
IPC: G06F18/10 , G06F18/213 , G06N3/0442 , G06N3/08 , A61B5/11 , A61B5/145 , A61B5/389
Abstract: 本发明涉及一种基于多模态信号的步态参数自适应拟合方法，方法包括获取脑皮层血红蛋白信号、下肢表面肌电信号和步态参数；对其进行数据预处理，对脑皮层血红蛋白信号和下肢表面肌电信号进行数据同步处理；对信号进行特征提取和特征筛选；利用特征对LSTM模型进行训练，建立拟合步态参数的最优回归模型，其中拟合的步态参数包括步速参数和步长参数。本发明通过融合大脑血红蛋白信息和下肢表面肌电信息，建立拟合连续步态参数的LSTM回归模型，步态参数拟合的均方误差小于6%，决定系数结果高于86%，实现基于脑血氧信息和肌电信息的连续运动参数解码，有利于助力助行设备在医疗康复领域得到广泛应用。
-
Patent Agency Ranking
公开(公告)号：CN113647938A
公开(公告)日：2021-11-16
申请号：CN202110950905.5
申请日：2021-08-18
Applicant: 苏州大学
IPC: A61B5/11 , A61B5/145 , A61B5/1455 , A61B5/389 , A61B5/00
Abstract: 本发明公开了一种基于生理信号的超前检测运动状态变化的方法及系统，其方法包括：S1、采集三种生理信号；所述三种生理信号包括大脑血红蛋白信号、下肢表面肌电信号和下肢步态参数；S2、对采集的三种生理信号进行预处理；S3、对预处理后的三种生理信号计算特征参数；S4、对三种生理信号计算的特征参数进行同步观察，统计三种生理信号检测到的运动状态发生变化的初始时刻的先后顺序。本发明通过多元数据融合分析更有利于提取表征运动意图的关键信息，提高系统的判别性能；同时，确立了信号处理、识别以及控制指令传输允许的时间范围，并能够减少脑机接口系统输出控制指令的时间延迟，而且计算复杂度低。
-
公开(公告)号：CN112656373B
公开(公告)日：2022-12-16
申请号：CN202011495740.9
申请日：2020-12-17
Applicant: 苏州大学
Abstract: 本发明涉及一种基于脑网络拓扑规律的体力疲劳检测方法及系统,包括：采集大脑中的血红蛋白信息，记录被试疲劳诱发实验前后的主观评价量表和行为学测试结果；对采集的大脑血红蛋白信息进行预处理；根据所述主观评价量表和行为学测试结果对预处理后的大脑血红蛋白信息按体力疲劳等级进行分类，计算各脑区之间的相关性，分别统计对应各体力疲劳等级的脑网络连接拓扑规律，其中所述脑网络连接拓扑规律是各种任务诱发疲劳对应的共性表征；根据所述脑网络连接拓扑规律，构建对应两两体力疲劳等级之间、脑区连接相关性的具体的统计性差异变化图。本发明可以实时检测出疲劳的具体状态，有利于提前预警。
-
公开(公告)号：CN112656372B
公开(公告)日：2022-02-15
申请号：CN202011495718.4
申请日：2020-12-17
Applicant: 苏州大学
Abstract: 本发明涉及一种基于脑网络拓扑规律的脑力疲劳检测方法及系统,包括：采集大脑中的血红蛋白信息，并记录实验前后的主观评价量表和行为学数据；对采集的血红蛋白信息进行预处理；根据所述主观评价量表和行为学测试结果对预处理后的血红蛋白信息按脑力疲劳等级进行分类，分析各脑区之间的相关性，建立跨任务下不同脑疲劳等级的网络连接拓扑规律，其中所述网络连接拓扑规律是各种任务诱发疲劳对应的共性表征；根据网络连接拓扑规律构建两两对应疲劳等级之间具有统计性差异的网络连接变化图。本发明的计算复杂度低，脑机接口系统的实时性能好。
-
公开(公告)号：CN115687898A
公开(公告)日：2023-02-03
申请号：CN202211717061.0
申请日：2022-12-30
Applicant: 苏州大学
IPC: G06F18/10 , G06F18/213 , G06N3/0442 , G06N3/08 , A61B5/11 , A61B5/145 , A61B5/389
Abstract: 本发明涉及一种基于多模态信号的步态参数自适应拟合方法，方法包括获取脑皮层血红蛋白信号、下肢表面肌电信号和步态参数；对其进行数据预处理，对脑皮层血红蛋白信号和下肢表面肌电信号进行数据同步处理；对信号进行特征提取和特征筛选；利用特征对LSTM模型进行训练，建立拟合步态参数的最优回归模型，其中拟合的步态参数包括步速参数和步长参数。本发明通过融合大脑血红蛋白信息和下肢表面肌电信息，建立拟合连续步态参数的LSTM回归模型，步态参数拟合的均方误差小于6%，决定系数结果高于86%，实现基于脑血氧信息和肌电信息的连续运动参数解码，有利于助力助行设备在医疗康复领域得到广泛应用。
-
公开(公告)号：CN112656373A
公开(公告)日：2021-04-16
申请号：CN202011495740.9
申请日：2020-12-17
Applicant: 苏州大学
Abstract: 本发明涉及一种基于脑网络拓扑规律的体力疲劳检测方法及系统,包括：采集大脑中的血红蛋白信息，记录被试疲劳诱发实验前后的主观评价量表和行为学测试结果；对采集的大脑血红蛋白信息进行预处理；根据所述主观评价量表和行为学测试结果对预处理后的大脑血红蛋白信息按体力疲劳等级进行分类，计算各脑区之间的相关性，分别统计对应各体力疲劳等级的脑网络连接拓扑规律，其中所述脑网络连接拓扑规律是各种任务诱发疲劳对应的共性表征；根据所述脑网络连接拓扑规律，构建对应两两体力疲劳等级之间、脑区连接相关性的具体的统计性差异变化图。本发明可以实时检测出疲劳的具体状态，有利于提前预警。
-
-
-
-
-
-
Search Results
7
records
(took 0.016 seconds)
