-
公开(公告)号:CN105266804B
公开(公告)日:2017-10-17
申请号:CN201510771113.6
申请日:2015-11-12
Applicant: 杭州电子科技大学
IPC: A61B5/0476
Abstract: 本发明公开了一种基于低秩和稀疏矩阵分解的脑电信号处理方法。本发包括如下步骤:步骤1、被试者根据提示执行运动想象任务,使用多通道脑电信号采集设备采集被试者的脑电信号数据,完成被试者信息录入和脑电数据采集;步骤2、对步骤1中采集到的脑电数据进行数据预处理,预处理过程包括带通滤波、去公共平均参考方法;步骤3、对步骤2预处理后得到的脑电数据X进行分解;步骤4、计算噪声部分;步骤5、计算运动想象任务执行正确率。本发明能有效的表达脑电信号的组成部分,便于不同脑机系统应用场合的特征提取和分析。
-
公开(公告)号:CN103300850A
公开(公告)日:2013-09-18
申请号:CN201310137847.X
申请日:2013-04-19
Applicant: 杭州电子科技大学
IPC: A61B5/0476
Abstract: 本发明涉及一种中风病人脑电信号采集与处理的方法。本发明首先加载多种不同类型的脑电采集设备,其次加载算法链,然后脑电信号处理,最后控制康复器械。其中脑电信号处理包括信号预处理、信号特征提取和信号分类。本发明采用设备驱动注册机制,可加载多种不同类型的信号采集设备,方便不同医院使用不同设备开展康复训练。
-
公开(公告)号:CN103268149A
公开(公告)日:2013-08-28
申请号:CN201310138896.5
申请日:2013-04-19
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于脑机接口的实时主动式系统控制方法。本发明包括EEG信号采集阶段、信号处理阶段和控制器械工作。其中信号处理阶段包括EEG信号特征离线分析、脑电信号特征实时提取和分类决策。控制器械工作包括脑电信号采集系统和计算机软件系统。本发明通过相应的信号处理机制以及综合分类决策实现了实时性,通过在传统机械的基础上改装串口通信设备实现了主动性。
-
公开(公告)号:CN103258120A
公开(公告)日:2013-08-21
申请号:CN201310137455.3
申请日:2013-04-19
Applicant: 杭州电子科技大学
IPC: G06F19/00 , A61B5/0476
Abstract: 本发明涉及一种基于脑电信号的中风康复程度指标计算方法。本发明首选被试根据提示执行左/右手运动想象任务,使用多通道脑电信号采集设备采集被试执行运动想象任务时的脑电信号。然后使用去公共平均参考方法降低公共噪声的水平,使用独立成分分析方法消除眼电伪迹,提高脑电信号的信噪比,使用巴特沃斯滤波器提取与运动想象任务密切相关的频段的数据用于以后的分析。最后计算脑功能网络的聚合系数、全局效率属性;计算运动想象任务执行的正确率;使用脑功能网络属性和运动想象任务正确率作为康复程度指标,把计算结果保存到专用数据库。本发明具有不受意志干扰,客观性强的优点。通过该方法可以获得一个客观的评估依据。
-
公开(公告)号:CN116597824B
公开(公告)日:2025-05-16
申请号:CN202310580969.X
申请日:2023-05-19
Applicant: 杭州电子科技大学
Abstract: 本发明公开一种基于注意力引导张量网络的想象语音分类方法及系统。获取意念想象语音脑电数据,以及其对应的标签label;对上述意念想象语音脑电数据进行数据增强,构建训练数据集;构建注意力引导张量网络,利用数据集中的数据增强后训练集进行训练,并采用数据集中未增强的测试集进行测试;利用训练并验证好的注意力引导张量网络实现脑电的想象语音分类。本发明方法将数据增强以及注意力机制的分类标识位引导的张量网络技术结合起来,实现高精度的想象语音脑电分类性能。
-
公开(公告)号:CN118734248A
公开(公告)日:2024-10-01
申请号:CN202410859676.X
申请日:2024-06-28
Applicant: 杭州电子科技大学
IPC: G06F18/25 , G06F18/241 , G06V10/80 , G06V20/70 , G06V10/82 , G06V10/764 , G06V10/74 , G06N3/0442 , G06N3/0455 , G06N3/08
Abstract: 本发明公开一种跨样本模态动态轮转的情感识别方法及其系统。首先获取多模态数据及情感分类注释,再进行对应的模态编码器预处理,得到对应初步模态特征信息。然后,使用门控残差自注意力机制捕获更深层次的模态注意力特征,并从模态情感语义信息丰富程度考量,将单模态独立情感注释与其结合共同计算出集成后的模态分数序列,进而该轮转周期下确定的模态轮转顺序。最后,使用基于跨模态门控残差注意力机制的多模态融合手段,依照该轮转顺序进行融合。本发明提出了使模态自身依据独立情感注释动态调整融合顺序的思想,着重考虑了模态之间的情感语义信息不平衡问题,探究模态主次问题对多模态情感检测领域的影响,突破了传统的主次模式。
-
公开(公告)号:CN118656779A
公开(公告)日:2024-09-17
申请号:CN202410708534.3
申请日:2024-06-03
Applicant: 杭州电子科技大学
IPC: G06F18/25 , A61B5/378 , A61B5/00 , A61B3/113 , G06F18/213 , G06F18/241 , G06F18/2415 , G06N3/045 , G06N3/0442 , G06N3/0895
Abstract: 本发明公开了一种基于注意力机制的双模态双向融合网络目标检测方法。该方法首先针对双模态数据分布进行特征提取以及样本对间的对比学习,然后在两个模态的特征层面采用一种相互指导的双向模态融合方法,运用注意力机制进行模态间的特征对齐融合,使脑电信号和眼动信号各自寻找对方与自身特征相耦合的特征,力求最大限度地保留模态内部的本质特征和挖掘模态间相关联的特征。最后使用融合后的特征进行分类预测。这种方法解决了两个模态由于时段不一致带来的不良影响,同时利用解耦对比学习方法消除类不平衡的影响,并捕获各个模态内部类别之间的特征差异,从而提高模型的目标检测性能。
-
公开(公告)号:CN118470300A
公开(公告)日:2024-08-09
申请号:CN202410568120.5
申请日:2024-05-09
Applicant: 杭州电子科技大学
IPC: G06V10/25 , G06V20/40 , G06V10/80 , G06V10/44 , G06V10/82 , G06V10/771 , G06T7/246 , G06N3/045 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种基于脑眼融合的多模态视频流目标检测方法。该方法采集被试观看步复杂视频内容时的脑电数据与眼动数据,制作脑电正负样本对、眼动正负样本对,以及在通道维度拼接的脑电—眼动拼接样本。然后将正负样本对输入特征提取模型中,进行对比学习,训练模型参数。再将脑电样本、眼动样本以及拼接样本输入分类器中进行学习。最后将未知样本输入训练好的分类器中,并将预测为目标的对应样本眼动数据取出,根据注视点和注视时间绘制注视区域,生成热点图,获得目标的运动轨迹,实现目标检测。该方法利用多模态信息搜索同类别相似信息,实现了信息的互补,在较高的识别率下揭示了目标的移动轨迹,提高了识别的可靠性。
-
公开(公告)号:CN112488081B
公开(公告)日:2024-08-09
申请号:CN202011541187.8
申请日:2020-12-23
Applicant: 杭州电子科技大学
IPC: G06F18/241 , G06F18/10 , G06F18/213 , G06N3/096 , G06F17/16 , G06F17/18
Abstract: 本发明公开基于DDADSM跨被试迁移学习脑电精神状态检测方法。本发明采用先进行双子空间特征空间映射再动态分布对齐的迁移学习方法对脑电数据进行分类检测的方法。是脑电迁移学习检测方法的重大创新与尝试,能够减少传统单一子空间迁移学习方法的空间漂移问题以及忽略条件分布和边缘分布重要性定量计算造成的精确性不足、迁移能力有限等问题。该方法在疲劳驾驶脑电数据的分类问题上能够取得很好的效果,能够为复杂脑电数据的处理提高新的研究手段。
-
公开(公告)号:CN118378212A
公开(公告)日:2024-07-23
申请号:CN202410490885.1
申请日:2024-04-23
Applicant: 杭州电子科技大学
IPC: G06F18/25 , G06F40/30 , G06N3/045 , G06N3/0442 , G06N3/0499 , G06N3/09 , G06F18/21
Abstract: 本发明提出基于细粒度语义分解网络的多模态情感分析方法及其系统,多模态数据通过细粒度语义分解网络利用模态内语义解纠缠过程是分析同一模态内隐性语义线索,模态间语义解纠缠被用来同时检测跨模态的共同和内在语义线索。在此基础上,基于跨语义空间语义交互网络,从全局的角度探讨了语言和非语言语义空间之间的长距离跨语义空间的语义联系。上述具有局部和全局视图的语义解纠缠过程显著地增强情感检测模型的鲁棒性和性能,即使对于由多个语义线索组成的情感情况。
-
-
-
-
-
-
-
-
-