-
公开(公告)号：CN115337027A
公开(公告)日：2022-11-15
申请号：CN202210936931.7
申请日：2022-08-05
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于脑电样本熵的针刺脑卒中康复评估方法，包括如下步骤：S1、采集信号，分阶段采集接受针刺治疗和未接受针刺治疗的脑卒中患者脑电信号；S2、脑电信号预处理；S3、计算样本熵，计算完成预处理的脑电信号的脑电样本熵；S4、康复评估，对比分析样本熵得到针刺对脑卒中患者大脑神经元活跃度得影响。该方法使用样本熵，很好的弥补了近似熵具有自匹配偏差的缺陷，除了能够消除偏差外，计算效率也得到了极大提升。这种基于脑电样本熵的针刺脑卒中康复评估方法为患者的康复治疗提供了新的视角，为进一步探索康复过程中的神经功能评价方法提供了依据。
-
公开(公告)号：CN113208613B
公开(公告)日：2022-10-21
申请号：CN202110428754.7
申请日：2021-04-21
Applicant: 杭州电子科技大学
IPC: A61B5/369 , A61B5/372 , A61B5/1455 , A61B5/00
Abstract: 本发明公开了基于FHLS特征选择的多模态BCI时序优化方法。首先划分每个EEG与fNIRS样本获得多个时间段，然后将不同时间段交叉融合，形成联合时间窗。特征分别由FBCSP与统计方法从每个联合时间窗中提取，形成一个新的特征集。然后计算对应的互信息值，使用互信息值高的特征，最后根据FHLS特征选择方法选择最佳特征子集，并采用LDA分类来评估任务分类精度。本发明选出来的时间组合能有效地避免不同个体以及不同模态多时间段间的差异性，且时间段选取合理，减少多模态信号在时间段之间的冗余信息，一定程度上提高了多模态BCI系统的分类性能，为脑电‑近红外信号的特征提取提供了新的思路。
-
公开(公告)号：CN115191943A
公开(公告)日：2022-10-18
申请号：CN202210808381.0
申请日：2022-07-11
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于脑电时频最大信息数网络的针刺脑卒中康复评估方法，包括如下步骤：S1、同步采集针刺治疗后的受试者的脑电信号和肌电信号；S2、处理脑电信号和肌电信号；S3、得到小波平均功率时间序列，再将其用最大信息系数来计算新的序列之间的耦合；S4、构建针刺组和对照组在3个治疗阶段下的脑功能网络；S5、分析脑功能网络节点度、平均节点度以及全局效率，将其作为针刺治疗脑卒中后功能恢复指标，进而评估针刺脑卒中患者康复状况。基于脑电时频最大信息系数网络，可以利用脑网络节点度以及网络的全局效率分析判断耦合情况，更加清晰判断出针刺方法作为辅助治疗手段对于改善患者脑网络连接数目以及信息的传递效率有着更加突出的作用。
-
公开(公告)号：CN111931078B
公开(公告)日：2021-11-16
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 , H04L12/58 , 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：CN113208613A
公开(公告)日：2021-08-06
申请号：CN202110428754.7
申请日：2021-04-21
Applicant: 杭州电子科技大学
IPC: A61B5/369 , A61B5/372 , A61B5/1455 , A61B5/00
Abstract: 本发明公开了基于FHLS特征选择的多模态BCI时序优化方法。首先划分每个EEG与fNIRS样本获得多个时间段，然后将不同时间段交叉融合，形成联合时间窗。特征分别由FBCSP与统计方法从每个联合时间窗中提取，形成一个新的特征集。然后计算对应的互信息值，使用互信息值高的特征，最后根据FHLS特征选择方法选择最佳特征子集，并采用LDA分类来评估任务分类精度。本发明选出来的时间组合能有效地避免不同个体以及不同模态多时间段间的差异性，且时间段选取合理，减少多模态信号在时间段之间的冗余信息，一定程度上提高了多模态BCI系统的分类性能，为脑电‑近红外信号的特征提取提供了新的思路。
-
Patent Agency Ranking
公开(公告)号：CN112617858A
公开(公告)日：2021-04-09
申请号：CN202011383022.2
申请日：2020-12-01
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种多尺度补偿传递熵的皮层肌肉功能耦合方法。本发明首先采用APIT‑MEMD方法对同步采集的脑电和肌电信号进行时‑频尺度化，然后计算不同尺度上的多尺度补偿传递熵值，分析各个尺度不同耦合方向上的耦合特征。结果表明在恒定握力下，beta频段间的耦合强度最为显著。不同耦合方向的耦合强度随握力的增加会呈现出一定的变化规律。本发明可以定量描述脑肌电信号在不同的耦合方向、多尺度间的皮层功能耦合强度及信息传递量，为探究手部运动控制及患者评价提供一定的理论依据。
-
公开(公告)号：CN111931578A
公开(公告)日：2020-11-13
申请号：CN202010646364.2
申请日：2020-07-07
Applicant: 杭州电子科技大学
Abstract: 本发明提出了一种基于最小生成树和区域双层网络的脑电识别方法。本发明针对不同运动动作想象的脑电信号，分别对每一类动作想象构建最小生成树，并计算最小生成树的直径和平均离心率特征。在不同动作想象的最小生成树基础上构建区域网络，并计算区域网络的平均节点度、平均聚类系数和平均路径长度特征。最后将最小生成树特征和区域网络特征相结合，输入到支持向量机分类器中，实现对运动脑电信号的分类。本发明可实时、准确识别出人体多种模式运动想象动作，识别结果可用于辅助康复训练的人机交互系统。
-
公开(公告)号：CN111832416A
公开(公告)日：2020-10-27
申请号：CN202010547741.7
申请日：2020-06-16
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于增强卷积神经网络的运动想象脑电信号识别方法。本发明首先采集大脑皮层上对应电极通道的运动想象脑电信号数据并预处理；将预处理信号进行时序切片，增加训练数据量，提高CNN模型的泛化能力，减少不同受试者的运动想象特征提前或是滞后的影响；采用STFT对信号进行时频分析，将时序信号转化为具有时、频、空域特征的二维图像数据；构建CNN模型，加入改进的Adaboost算法，将参数训练后的多个CNN模型作为Adaboost模块基学习器，模型会根据基学习器分类误差率自动更新基学习器，进一步增强CNN模型的泛化能力，减少各时间片之间的信息冗余影响，使测试分类准确率偏差减小，分类准确率提高。
-
公开(公告)号：CN111616701A
公开(公告)日：2020-09-04
申请号：CN202010332794.7
申请日：2020-04-24
Applicant: 杭州电子科技大学
IPC: A61B5/0476
Abstract: 本发明公开了一种基于多元变分模态分解的脑电多域特征提取方法，本发明首先利用MVMD对原始脑电多通道数据进行自适应分解，然后从分解得到的固有模态函数(IMF)分量提取信号的时域特征以及非线性动力学特征，同时将IMF分量合并构造新的信号矩阵，并采用共空间模式(CSP)法对重构信号提取空间特征，进行时域、非线性动力学以及空域特征的结合，最后通过支持向量机(SVM)对此特征集分类。本发明能有效判别与特定任务相关的重要信息成分，为脑电信号的特征提取提供了新的思路。
-
公开(公告)号：CN111184509A
公开(公告)日：2020-05-22
申请号：CN201911196894.5
申请日：2019-11-29
Applicant: 杭州电子科技大学
IPC: A61B5/0476 , A61B5/00
Abstract: 本发明公开了一种基于传递熵的情绪诱导脑电信号分类方法，首先采集在不同情绪类型的视听觉刺激时的多通道脑电信号，并对其进行预处理。然后选择Fp1，Fp2，P3，P4，C3，C4，O1，O2，F3，F4这10个通道的脑电信号使用传递熵的相关算法构建通道之间的传递熵关系矩阵图，通过方向梯度直方图对生成的传递熵矩阵关系图进行特征提取。最后使用核函数为径向基函数的支持向量机对提取的特征进行训练和分类，根据不同的情感状态对脑电信号进行分析和分类。本发明可以全面、准确、快速的反映在情绪刺激时不同通道之间的信息交互，成为之后的分类和分析的基础，减少了特征冗余，提高了分类准确率并减少分析时间。
-
-
-
-
-
-
-
-
-
Search Results
151
records
(took 0.033 seconds)
