-
Patent Agency Ranking
公开(公告)号：CN114081506B
公开(公告)日：2024-08-23
申请号：CN202111111589.9
申请日：2021-09-23
Applicant: 西安交通大学
Abstract: 一种基于长短期记忆网络的稳态视觉诱发电位分类方法，首先，在液晶显示屏上刺激频闪的诱发下，采集被试枕叶9通道脑电信号；其次，对采集到的脑电信号通过降采样、带通滤波、陷波进行预处理；然后，对预处理后的脑电信号使用三层长短期记忆神经网络进行预测；最后，使用滤波器组典型相关分析算法对预测延长后的脑电信号进行特征提取与分类；本发明计算所需数据长度较短，可避免被试视觉疲劳，同时，特征提取更有效，分类准确率更高；此外，还提供了一种脑电预测的方法，兼顾了脑电数据的时序性和非线性特征，可以有效地预测脑电数据的变化趋势。
-
公开(公告)号：CN116849679A
公开(公告)日：2023-10-10
申请号：CN202310647873.0
申请日：2023-06-01
Applicant: 西安交通大学
IPC: A61B5/369 , A61B5/372 , A61B5/389 , A61B5/397 , A61B5/11 , A61B5/00 , G06N3/0464 , G06N3/042 , G06N3/08
Abstract: 一种跨模态手部动作评估方法，包括获取多通道运动执行脑肌电信号并对脑肌电信号进行预处理；通过脑电独立分量分析和皮层肌肉相干性分析提取出动作相关脑电信号；脑电源成像，对脑电信号进行计算以求得其在脑电源空间的映射，并根据Brodmann分区计算各脑区活动分布；通过动态图卷积神经网络建立源空间动作相关脑电与动作模式的关系模型，提取脑电时间序列特征和脑电位置空间特征；建立源空间动作相关脑电信号和肌电信号之间的信息融合模型完成四种动作模式的识别；本发明对脑肌电信号两种模态信号进行分析，利用融合信息模型进行识别分类，降低了脑电信号数据量，提高了分析准确率，提高了计算效率和分类精度。
-
公开(公告)号：CN113642528B
公开(公告)日：2022-12-09
申请号：CN202111075444.8
申请日：2021-09-14
Applicant: 西安交通大学
Abstract: 一种基于卷积神经网络的手部运动意图分类方法，该方法将多元经验模态分解算法和卷积神经网络进行结合，通过动作执行的过程中同步采集到的肌电信号对动作发生的时刻进行判断，选择动作执行前的数据为主要对象，结合卷积神经网络，确定网络参数之后，采用序列前向搜索算法对经过多元经验模态分解之后的本征模态函数进行选择，得出可以使得识别准确率最高的本征模态函数的最优组合，能够有效地对基于运动执行前的脑电信号的手部动作进行多分类。
-
公开(公告)号：CN114081506A
公开(公告)日：2022-02-25
申请号：CN202111111589.9
申请日：2021-09-23
Applicant: 西安交通大学
Abstract: 一种基于长短期记忆网络的稳态视觉诱发电位分类方法，首先，在液晶显示屏上刺激频闪的诱发下，采集被试枕叶9通道脑电信号；其次，对采集到的脑电信号通过降采样、带通滤波、陷波进行预处理；然后，对预处理后的脑电信号使用三层长短期记忆神经网络进行预测；最后，使用滤波器组典型相关分析算法对预测延长后的脑电信号进行特征提取与分类；本发明计算所需数据长度较短，可避免被试视觉疲劳，同时，特征提取更有效，分类准确率更高；此外，还提供了一种脑电预测的方法，兼顾了脑电数据的时序性和非线性特征，可以有效地预测脑电数据的变化趋势。
-
公开(公告)号：CN113642528A
公开(公告)日：2021-11-12
申请号：CN202111075444.8
申请日：2021-09-14
Applicant: 西安交通大学
Abstract: 一种基于卷积神经网络的手部运动意图分类方法，该方法将多元经验模态分解算法和卷积神经网络进行结合，通过动作执行的过程中同步采集到的肌电信号对动作发生的时刻进行判断，选择动作执行前的数据为主要对象，结合卷积神经网络，确定网络参数之后，采用序列前向搜索算法对经过多元经验模态分解之后的本征模态函数进行选择，得出可以使得识别准确率最高的本征模态函数的最优组合，能够有效地对基于运动执行前的脑电信号的手部动作进行多分类。
-
-
-
-
Search Results
5
records
(took 0.031 seconds)
