-
公开(公告)号：CN103156620A
公开(公告)日：2013-06-19
申请号：CN201310102595.7
申请日：2013-03-27
Applicant: 中国科学院自动化研究所
IPC: A61B5/1455
Abstract: 本发明公开一种多通道并行近红外光谱成像系统，采用多波长LED完成近红外光的发射，雪崩光电二极管进行微弱光信号的检测，采用模拟锁定放大器技术实现信号放大，并可以采用中国专利申请CN200520002784.8中公开的近红外光谱脑功能成像头盔来改善自适应头部部分设计的不合理。本发明的多通道并行近红外光谱成像系统可实现对大脑血氧信号持续快速准确的检测和采集，解决了现有功能近红外系统的不足，真正发挥了功能近红外光谱成像技术相对于其他脑功能成像技术的优势。
-
公开(公告)号：CN101876992A
公开(公告)日：2010-11-03
申请号：CN200910237783.4
申请日：2009-11-17
Applicant: 中国科学院自动化研究所
IPC: G06F17/30
Abstract: 本发明公开一种图像数据仓库管理方法，是利用基于文本的图像数据描述信息，对图像数据仓库进行高效管理，该管理过程包括图像数据索引文件的生成、上传、关键词检索及图像数据的下载；该方法分成图像数据上传和下载两路工作，客户端用户在对图像数据仓库的上传操作中，利用加锁的方式使该用户在当前时间成为对该仓库具有唯一更改性操作权限的用户。整个上传及下载操作都是通过数据描述文件进行，该描述文件记录了所有图像数据的分字段编号、存储路径及各种属性的详细信息。客户端与服务器端保持同样的图像数据描述文件，使得用户对图像数据进行的检索操作都能在客户端进行，从而减轻网络以及服务器端的压力，从根本上提高了数据仓库管理的效率。
-
公开(公告)号：CN115105076B
公开(公告)日：2024-11-15
申请号：CN202210556070.X
申请日：2022-05-20
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于脑电情绪识别领域，具体涉及了一种基于动态卷积残差多源迁移学习的脑电情绪识别方法及系统，旨在解决现有脑电情绪识别无法克服脑电信号非平稳性和个体时间差异带来的预测精度不足的问题。本发明包括：基于静态网络和动态卷积残差块构建基于注意力机制的特征提取器，并分别提取源域和目标域的脑电信号的高维特征；结合边缘分布域适应方法和条件分布域适应方法，度量目标域和源域的差异性，并基于差异性进行源域和目标域的高维特征对齐；通过分类器进行对齐的高维特征的分类，获得源域和目标域的脑电信号的情绪识别结果。本发明克服了脑电信号非平稳性和个体时间差异带来的不足，预测精度高、效率高，模型应用价值更高。
-
公开(公告)号：CN114944229B
公开(公告)日：2024-08-02
申请号：CN202210566742.5
申请日：2022-05-23
Applicant: 中国科学院自动化研究所
IPC: G16H50/30 , G06N3/0464 , G06N3/084 , G06N3/048 , G06N3/08 , G06V10/764 , G06V10/82
Abstract: 本发明属于神经科学和深度学习领域，具体涉及一种基于深度学习和磁共振结构脑影像的脑龄预测方法、系统、设备，旨在解决现有的脑龄预测方法以传统的监督学习范式为主，导致参数量、占用空间较大且预测精度低的问题。本方法包括：获取被测对象的磁共振T1结构图像，作为输入图像；对输入图像进行预处理，得到预处理后的图像；基于预处理后的图像，通过训练好的深度学习预测模型，得到脑龄预测结果。本发明实现了高精度的脑龄预测，并大幅度地减少了模型的参数量和占用空间。
-
公开(公告)号：CN114944229A
公开(公告)日：2022-08-26
申请号：CN202210566742.5
申请日：2022-05-23
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于神经科学和深度学习领域，具体涉及一种基于深度学习和磁共振结构脑影像的脑龄预测方法、系统、设备，旨在解决现有的脑龄预测方法以传统的监督学习范式为主，导致参数量、占用空间较大且预测精度低的问题。本方法包括：获取被测对象的磁共振T1结构图像，作为输入图像；对输入图像进行预处理，得到预处理后的图像；基于预处理后的图像，通过训练好的深度学习预测模型，得到脑龄预测结果。本发明实现了高精度的脑龄预测，并大幅度地减少了模型的参数量和占用空间。
-
Patent Agency Ranking
公开(公告)号：CN114916939A
公开(公告)日：2022-08-19
申请号：CN202210841852.8
申请日：2022-07-18
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于智能医学、脑机接口技术领域，具体涉及一种穿戴式脑认知检测和调控无线闭环设备及方法，旨在解决开环刺激调控的局限性。本发明提供的穿戴式脑认知检测和调控无线闭环设备包括设备主体和总控中心，设备主体包括多个触头，总控中心包括脑电检测模块和电流调控模块；脑电检测模块，用于检测多个触头的多个脑电信号并将多个脑电信号传输至电流调控模块；电流调控模块，与脑电检测模块信号连接，根据多个脑电信号分析识别各个脑电信号是否超出阈值，在脑电信号超出阈值后，生成补偿电流或抑制电流并作用至对应触头。通过检测和反馈尽心闭环刺激，使得调控效果可重复，实现了在特定的时刻、特定的脑区以特定的电流进行神经调控。
-
公开(公告)号：CN114912492A
公开(公告)日：2022-08-16
申请号：CN202210557181.2
申请日：2022-05-20
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于跨时间维度脑电信号识别领域，具体涉及了一种基于脑电信号深度学习的跨时间个体识别方法、系统及设备，旨在解决的问题。本发明包括：分别获取源域的带标签脑电信号和目标域的不带标签的脑电信号，并进行信号预处理，获得源域差分熵和目标域差分熵；输入联合域适应个体识别网络，并迭代进行网络训练；获取目标域的待识别脑电信号，并进行信号预处理，获得待识别目标域差分熵；通过训练好的联合域适应个体识别网络，获取目标域的待识别脑电信号的个体识别结果。本发明克服依靠传统方式进行个体身份识别的不安全性以及脑电信号采集时间不同带来的差异性，同时也可以保证个体识别精度，并提高识别效率。
-
公开(公告)号：CN114886383A
公开(公告)日：2022-08-12
申请号：CN202210526697.0
申请日：2022-05-16
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于医疗人工智能、情感脑机交互领域，具体涉及一种基于迁移学习的针对脑电信号情感特征分类方法、系统、设备，旨在解决现有的基于脑电情感特征分类方法无法克服不同个体脑电数据分布不一致所导致的在跨个体脑电情绪分类上分类的准确性较差的问题。本方法包括：获取待分类的情感脑电信号数据，作为输入数据；提取输入数据的微分熵特征，并将微分熵特征输入脑电信号情感分类模型的多层感知机，得到深度特征；基于深度特征，通过脑电信号情感分类模型的分类器，得到输入数据对应的分类结果。本发明不仅克服了不同个体脑电波数据分布不一致的问题，而且在跨个体脑电情绪分类上具有良好的分类效果，同时也保证必要的泛化性和鲁棒性。
-
公开(公告)号：CN109858513A
公开(公告)日：2019-06-07
申请号：CN201811573452.3
申请日：2018-12-21
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于脑认知能力测量领域，具体涉及一种基于脑灰质白质形态特征多重降维的脑认知能力测量方法，旨在为了解决即为了解决脑认知能力测量的智能化与便捷化问题。本发明方法包括：对输入的磁共振图像进行特征提取，获得体素层面计算得到的灰质、白质的局部特征；对获得的灰质、白质的局部特征进行正交投影降维；基于预先构建的认知能力-局部特征对应关系，对降维后的局部特征进行认知能力的测量，并输出测量结果。本发明通过磁共振图像进行认知能力测量是实现了脑认知能力测量的自动化、智能化与便捷化。
-
公开(公告)号：CN104363983B
公开(公告)日：2017-03-01
申请号：CN201480000701.3
申请日：2014-08-06
Applicant: 中国科学院自动化研究所
IPC: A61B5/0476 , A61B5/1455
CPC classification number: A61B5/0476 , A61B5/14553 , A61B5/6803 , A61B5/7225 , A61B5/7246 , A61B2562/066
Abstract: 本发明涉及一种脑活动检测方法和系统。所述方法为：同时进行脑电信号和脑皮层血氧信号的多路同步采集，在通道间保证采集信号的同步性，同一个时刻采集到所有位置的脑电信号和脑皮层血氧信号。所述系统包括：功能近红外光源发射模块采用频分复用技术，光源经过不同频率的载波调制，此信号通过传输光纤从多功能联合采集头盔接入，照射头皮，经过颅脑的散射和吸收作用后，衰减的光信号再由功能近红外检测模块进行处理；功能近红外检测模块用于头皮微弱光信号的探测；脑电检测模块用于头皮微弱电信号的探测；中央控制单元用于数据流的同步和融合、向各个功能模块下发控制命令、向上位计算机上传数据。本发明干扰可以控制到最小，时间尺度一致性好。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.03 seconds)
