结合人口学注意力机制的便携式脑电抑郁检测系统

    公开(公告)号:CN111568446A

    公开(公告)日:2020-08-25

    申请号:CN202010469004.X

    申请日:2020-05-28

    申请人: 兰州大学

    摘要: 本发明提出一种结合人口学注意力机制的便携式脑电抑郁检测系统,一方面通过使用卷积神经网络来提升脑电信号序列学习和建模的准确性,另一方面结合注意力机制引入个体的人口学信息,实现更为有效的抑郁障碍检测。包括脑电数据采集模块、数据预处理模块、抑郁障碍检测模块;所述脑电数据采集模块用于采集被试的静息态脑电原始数据;所述数据预处理模块用于对采集的原始数据进行数据预处理;所述抑郁障碍检测模块用于基于数据预处理后的脑电数据完成抑郁障碍检测,采用人工神经网络构建并训练模型对脑电信号进行分类,联合使用卷积操作和注意力机制将人口学信息融合到脑电信号的建模过程中。

    用于估计患者的脑血容量和/或脑血流量和/或麻醉深度的系统和方法

    公开(公告)号:CN110740681A

    公开(公告)日:2020-01-31

    申请号:CN201880039646.7

    申请日:2018-05-29

    摘要: 一种用于估计患者的脑血容量和/或脑血流量和/或麻醉深度的系统(1),包括:至少一个激励电极(110E),其被放置在患者(2)的头部(20)上以用于施加激励信号;至少一个感测电极(110S),其被放置在患者(2)的头部(20)上以用于感测由激励信号引起的测量信号;以及处理器装置(12),其用于处理由至少一个感测电极(110S)感测到的所述测量信号(VC)以用于确定指示脑血容量和/或脑血流量的输出。在此,处理器装置(12)被构成为:通过应用非线性噪声降低算法来降低测量信号(VC)中的噪声。以此方式,提供了一种用于估计患者的脑血容量和/或脑血流量的系统,该系统可以得到提高的精确度并且因此得到更准确的估计。

    为脑波特定波段分析的脑电波测定装置

    公开(公告)号:CN110279396A

    公开(公告)日:2019-09-27

    申请号:CN201910444249.4

    申请日:2019-05-27

    IPC分类号: A61B5/00 A61B5/04 A61B5/048

    摘要: 本发明的脑电波测定装置,包括:测量放大器(instrument amplifier),其放大输出脑电波信号;高通滤波器,其通过测量放大器的输出中的高频;固定带宽电荷-时间变换器,其接收高通滤波器的输出,通过低频后并以数字信号输出;可变带宽电荷-时间变换器,其接收高通滤波器的输出,通过低频后并以数字信号输出;以及脑电波分析部,其接收固定带宽电荷-时间变换器和可变带宽电荷-时间变换器输出的数字信号并计算放松指标,并控制可变带宽电荷-时间变换器的截止频率。本发明提供能够利用全新放松指标更加明确地确认冥想状态与非冥想状态。

    基于CQT多分辨率的被试的脑电信号自适应频谱分析方法

    公开(公告)号:CN104515905B

    公开(公告)日:2019-09-10

    申请号:CN201310450516.1

    申请日:2013-09-29

    摘要: 本发明公开了一种基于CQT多分辨率的被试的脑电信号自适应频谱分析方法,依次经过对原始EEG信号进行预处理、通过EEG信号的谐波成分和精细结构特性自动地找到被试的差异、基于CQT多分辨率的分析和计算各频带采样带宽。本发明可以根据原始脑波信号自适应的找到被试差异特征,能够更准确地提取脑电信号的频谱特异性特征;基于多分辨率的频谱分析方法,考虑了脑电信号频带长度差别的影响,提高了实用性;与经典的CQT频谱分析方法相比,降低了计算次数,效率显著提高;本发明中采用可变分辨率则灵活得多,提高了特征提取的准确度和速度。

    基于VR系统的脑电信号恐惧度分级特征研究

    公开(公告)号:CN108814595A

    公开(公告)日:2018-11-16

    申请号:CN201810215214.9

    申请日:2018-03-15

    发明人: 徐欣 陈玉娇

    摘要: 本发明公开了基于VR系统的脑电信号恐惧度分级特征方法。随着社会的发展进步,恐惧症在当今越来越普遍,恐惧的分级有利于判断恐惧程度,让那些潜在患者能够及时治疗。本发明通过使用VR设备观看一段恐惧视频,诱发不同程度的恐惧脑电,使用沈民奋小波包分解和Lempel-Ziv复杂度(LZC)算法,对不同级别的恐惧脑电进行特征分析。实验结果表明:随着恐惧等级的增加,脑电中的δ节律的能量会减少,而α节律、θ节律和β节律的能量会升高。在三种不同的恐惧等级下,一级恐惧的LZC值最低,二级恐惧的LZC值其次,三级恐惧的LZC值最高。因此,参数LZC可以作为衡量恐惧等级的潜在指标,而且VR的使用为后续研究脑电信号的研究提供了新的思路。