-
公开(公告)号：CN112735595A
公开(公告)日：2021-04-30
申请号：CN202011609523.8
申请日：2020-12-30
Applicant: 杭州电子科技大学
Abstract: 本发明提出了一种工作记忆能力的综合评定方法。首先让被试执行工作记忆任务范式，从不同记忆负载的角度测试工作记忆能力并采集行为学数据与多通道脑电数据。其次提取行为学数据中的反应时长T与准确率AC作为特征，计算得到工作记忆能力的行为学评价指标。再次对采集得到的脑电数据进行处理，利用通道间的互相关系数构建出全脑功能网络，提取节点度、聚类系数和全局效率作为特征计算得到工作记忆能力的脑网络特征评价指标。最后综合行为学评价指标和脑网络特征评价指标，通过组合得到更全面更科学客观的综合评估指标，为经颅直流电刺激提升工作记忆能力的参数调节方式提供了思路。
-
公开(公告)号：CN111931078A
公开(公告)日：2020-11-13
申请号：CN202010645826.9
申请日：2020-07-07
Applicant: 杭州电子科技大学
IPC: G06F16/9537 , G06F16/9538 , H04W4/02
Abstract: 本发明公开了一种基于地图场景的信息交互系统和方法，其中信息交互系统包括移动终端和服务器端两个组成部分，移动终端收集互动信息并发送给服务器端，服务器端接收信息后进行数据的融合处理并将处理结果返回移动终端，最终移动终端将互动信息进行场景化的动态展示。本发明提供一种全新的信息交互方式，可以有效解决现有交互系统的架构局限性和场景单调性，提高信息的检索效率和交互体验。
-
公开(公告)号：CN111708978A
公开(公告)日：2020-09-25
申请号：CN202010727716.7
申请日：2020-07-23
Applicant: 杭州电子科技大学
IPC: G06F17/14 , G06F17/18 , A61B5/0488 , A61B5/04
Abstract: 本发明公开了一种多尺度时频肌间耦合分析方法。本发明首先进行多通道表面肌电信号同步采集并进行预处理；并对预处理后的数据进行噪声辅助的多元经验模态分解，得到有用的IMF尺度分量。其次对IMF尺度分量进行同步提取变换；具体为：对每个IMF尺度分量进行短时傅里叶变换，再乘以一个相位因子后进行同步压缩变换。然后计算时频互信息、时频归一化互信息和时频条件互信息；最后将上述计算结果进行多尺度时频肌间耦合统计分析。本发明为定量研究脑卒中患者上肢康复运动过程中不同时频尺度下的肌间非线性耦合强度特性提供了一种新方法。
-
公开(公告)号：CN110732082A
公开(公告)日：2020-01-31
申请号：CN201910923310.3
申请日：2019-09-27
Applicant: 杭州电子科技大学
IPC: A61N1/20 , A61N1/36 , A61B5/0484
Abstract: 本发明提出了一种采用经颅直流电刺激和功能性电刺激的运动功能闭环康复方法。首先对大脑皮层区域进行tDCS刺激，改善皮层活性并且促进神经重塑，提高MI-BCI的准确性。在此基础上采集多通道运动想象的脑电信号，构建通道重要性测度，获得通道特征权值矩阵，为各通道特征向量加权，构造特征加权logistic分类机。最后利用logistic分类机进行运动想象识别，根据识别结果进行FES刺激完成上肢动作，促进本体感觉上行反馈至中枢，与tDCS刺激引发重塑和运动控制的神经冲动下行一起，构成双刺激干预，塑造了“控制下行-感觉上行”的运动功能闭环康复回路，促使患者自然和全面的康复。
-
公开(公告)号：CN110717390A
公开(公告)日：2020-01-21
申请号：CN201910835899.1
申请日：2019-09-05
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于图半监督宽度学习分类方法。本发明通过图扩展方法将有标签样本的标签扩展至无标签样本，从而将有标签样本和无标签样本送入分类器进行训练，实现半监督算法。本发明首先通过构造一个基于样本数据间相似性的图，同时在构图中加入样本间差异性正则项，使之构造的用于标签扩展的图更准确。接着将有标签和无标签样本送入分类器进行训练，得到半监督分类器模型并进行优化求解，主要是获得从输入层到输出层的权重矩阵，这样在测试集进行测试时输入的样本通过权重矩阵就可得到相应的标签。本发明在脑电信号处理、脑机接口系统中具有广阔的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN110495880A
公开(公告)日：2019-11-26
申请号：CN201910758648.8
申请日：2019-08-16
Applicant: 杭州电子科技大学
IPC: A61B5/0476 , A61B5/0488 , A61B5/00 , A61N1/36 , G06Q10/06 , G16H20/30
Abstract: 本发明提出了一种基于经颅电刺激脑肌耦合的运动障碍皮层可塑性管理方法。本发明首先分析功能脑区多导联EEG信号，采用脑功能网络建模方法计算出连通率、小世界特性的脑功能网络指标，对tDCS刺激前后的脑功能网络特性做出比较，揭示运动活动期间受激半球的功能前区、功能区和功能感知区的功能连接和神经重塑规律。然后采用基于动态回归模型因果测度的多层次神经肌肉耦合分析的方法，提取脑-脑、脑-肌和肌-肌耦合特征指标，从不同侧面描述了上肢运动功能的康复效果。最后研究脑肌电耦合特征与tDCS对神经可塑性的影响规律之间的相关性，为进一步tDCS的刺激方式和参数改进提供依据，实现运动功能皮层神经重塑的有效引导和管理。
-
公开(公告)号：CN106503733B
公开(公告)日：2019-07-26
申请号：CN201610893229.1
申请日：2016-10-13
Applicant: 杭州电子科技大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于NA‑MEMD和GMM聚类的有用信号识别方法。目前经验模式分解方法将多变量信号分解出若干尺度上的内蕴模式函数分量之后，如何在各个尺度上准确地识别出包含有用信息的IMF分量仍然存在依赖于先验知识、识别率较低等问题。本发明首先采用NA‑MEMD算法分解多变量信号以得到不同尺度上的IMF分量，其次采用谱回归降维算法将各个尺度上的IMF分量映射到一个低维子空间以抽取出对应的低维特征向量，然后在每个尺度上采用GMM聚类算法对低维特征向量进行聚类分析，最后根据聚类结果识别出包含有用信息的IMF分量。该方法在脑电信号处理、神经数据分析中具有广阔的应用前景。
-
公开(公告)号：CN109948640A
公开(公告)日：2019-06-28
申请号：CN201811603034.4
申请日：2018-12-26
Applicant: 杭州电子科技大学
IPC: G06K9/62 , A61B5/0488
Abstract: 本发明公开了一种基于双参数核优化型极限学习机的肌电识别方法，本发明首先提取了4路肌电信号并提取了相应的平均幅值，方差，威尔逊振幅，小波能量系数，然后把这些特征进行融合，最后把融合后的特征输送到双参数优化型极限学习机。双参数优化型极限学习机在极限学习机的基础上，引入了高斯核函数，通过对输出权重矩阵的最小化来设置优化各个参数，构建神经网络结构，并将极限学习机最小化输出误差的问题转变为最小化输出权重的问题。该方法具有比传统极限学习机更为强大的函数逼近能力，同时处理非线性分类的能力也更强，相比于其他常见分类器算法也有更高的准确率和更少的运算时间。
-
公开(公告)号：CN109886097A
公开(公告)日：2019-06-14
申请号：CN201910023261.8
申请日：2019-01-10
Applicant: 杭州电子科技大学
IPC: G06K9/00 , G06N3/00 , G06N3/08 , A61B5/0476 , A61B5/00
Abstract: 本发明公开了一种基于人工鱼群优化H-ELM的疲劳驾驶检测方法；具体为：1、使用32导脑电采集设备获取驾驶脑电信号；2、对原始脑电信号进行预处理，包括降频、滤波；3、对预处理后的进行短时傅里叶变换再获取其功率谱密度，并根据脑电信号的频带进行频带划分，以各频带的功率作为特征；4、对提取的特征使用多层感知超限学习机进行分类学习、识别；5、通过人工鱼群算法对超限学习机的分类、识别效果进行优化。本发明使用AFSA优化后的H-ELM分类器对疲劳驾驶脑电信号进行检测，可有效的提高分类检测准确率。
-
公开(公告)号：CN109657651A
公开(公告)日：2019-04-19
申请号：CN201910038173.5
申请日：2019-01-16
Applicant: 杭州电子科技大学
Abstract: 本发明涉及到一种基于肌电信号的下肢膝关节连续运动估计方法。首先采集人体下肢膝关节在慢速、中速、快速运动模式下股二头肌，股四头肌，股外侧肌，股内侧肌，半腱肌，股薄肌的肌电信号和实时角度，然后提取信号的小波系数、均方根与排序熵等特征作为输入，再将三种特征结合成一种新的特征作为输入，并对特征数据进行归一化处理，并通过不同方法的比较，最终使用最小二乘支持向量机回归模型进行预测。实验结果表明，不同的特征在不同运动模式下具有不同的相对预测性能，结合三种特征的预测结果明显优于单独采用其中任何一种，且通过最小二乘支持向量机模型的预测非常准确，最终得到了一种较为理想的预测模型。
-
-
-
-
-
-
-
-
-
Search Results
143
records
(took 0.05 seconds)
