-
公开(公告)号：CN112971781A
公开(公告)日：2021-06-18
申请号：CN202011609522.3
申请日：2020-12-30
Applicant: 杭州电子科技大学
Abstract: 本发明提出了一种基于脑功能网络抑郁对比方法。首先采集正常人和抑郁症患者静息听歌状态下的多通道脑电EEG。然后采用脑功能网络建模方法，建立关联矩阵，提取反映神经活动特点的脑功能网络特征。在此基础上，分析研究平均聚类系数、平均路径长度、度分布等脑功能网络特征与抑郁机制之间的相关性，利用序关系分析法确定相关特征权重，得出抑郁对比结果。
-
公开(公告)号：CN109858511B
公开(公告)日：2021-04-30
申请号：CN201811453638.5
申请日：2018-11-30
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于协同表示的安全半监督超限学习机分类方法，首先定义出无标记样本的风险项，并利用未标记样本重构前后输出预测标签一致性和重构误差来评判样本的风险性。本发明采用协同表示的方法分析半监督学习中无标签样本的风险性，通过实验证实样本风险的存在，将风险项加入到半监督超限学习机的损失函数中，从而使模型自带样本安全风险策略，最后在脑电信号数据集下进行测试，结果显示在传统的半监督超限学习机性能劣于有监督超限学习机时，本发明的安全半监督超限学习方法性能仍然优于有监督学习方法，这也证实了本文方法具有一定的无标记样本的安全性。
-
公开(公告)号：CN112617859A
公开(公告)日：2021-04-09
申请号：CN202011613825.2
申请日：2020-12-30
Applicant: 杭州电子科技大学
Abstract: 本发明提出了一种基于平衡脑功能网络特征的平衡能力评估方法。首先设置了2种对比评估范式以采集人体应激场景下的平衡脑电信号，然后根据脑‑肌耦合相干规律进行带通滤波，提取到平衡相关最密切的脑电频段。在此基础上构建了人体平衡调节时的脑功能网络，依据复杂网络分析规则计算了功能网络的局部聚类系数，由此定义了一种新的脑功能网络平衡评估指标，该指标融合了信息获取和信息整合能力，把视觉与本体觉统一在了相同当量的信息整合能力平台之上。将该指标加入到分类特征当中，获得了一个有效的人体平衡分类框架，同时结合传统COP综合特征确定了一套人体应急平衡能力等级分类标准，实验表明结合该标准后实施的脑功能网络平衡等级分类方法具有较高的分类准确性。
-
公开(公告)号：CN109009091B
公开(公告)日：2021-02-19
申请号：CN201810462011.X
申请日：2018-05-15
Applicant: 杭州电子科技大学
IPC: A61B5/372
Abstract: 本发明提出了一种基于EEMD与DSS‑ApEn的脑电信号消噪方法。利用EEMD分解算法将含噪脑电信号分解为若干个内蕴模态函数IMF(Intrinsic Mode Functions)分量，滤除最高频分量后的IMF分量应用DSS分离出各独立源信号，再选择频谱近似熵最大的独立源信号作为去噪信号。本发明提出的消噪方法消噪后的脑电信号波形相对清晰，更重要的是原始信号的细节特征也被很好地保留下来。
-
公开(公告)号：CN111931129A
公开(公告)日：2020-11-13
申请号：CN202010715620.9
申请日：2020-07-23
Applicant: 杭州电子科技大学
IPC: G06F17/18 , G06F17/15 , A61B5/0488 , A61B5/04
Abstract: 本发明公开了一种基于高斯Copula传递熵的肌间耦合网络分析方法。本发明首先采用高斯Copula函数估计传递熵，然后采集了8名健康被试和5名卒中患者执行及物运动任务时5通道的表面肌电信号，利用快速傅里叶变换提取出α、β和γ频段信息，进而采用高斯Copula传递熵作为测度建立肌间耦合网络，最后通过网络拓扑参数分析肌间特征频段的功能耦合和信息流向特征。本发明避免了对联合概率密度的估计，能更好地推断出复杂网络中因果关系，对于挖掘潜在的运动控制机制和运动功能康复评估具有良好的应用价值。
-
Patent Agency Ranking
公开(公告)号：CN111258426A
公开(公告)日：2020-06-09
申请号：CN202010051096.X
申请日：2020-01-17
Applicant: 杭州电子科技大学
IPC: G06F3/01
Abstract: 本发明涉及到一种基于肌电肌音模型和无迹粒子滤波的关节运动估计方法，首先采集人体上肢肩关节和肘关节在同步连续运动状态下肱二头肌、肱三头肌、肱桡肌、斜方肌、小圆肌、前三角肌、侧三角肌和胸大肌的表面肌电和肌音信号，分别对其进行带通滤波处理；然后提取表面肌电和肌音信号的威尔逊幅值和模糊熵特征；通过参数替代和化简将生理肌肉模型和关节运动学相结合组成关节运动模型，并将提取到的特征组成测量方程作为关节运动模型的反馈，得到肌电肌音状态空间模型；最终通过无迹粒子滤波算法对肩关节和肘关节的同步连续运动进行估计。该方法与传统的多关节同步连续运动估计方法相比，在预测精度和实时性方面有了明显的提高。
-
公开(公告)号：CN110969108A
公开(公告)日：2020-04-07
申请号：CN201911168627.7
申请日：2019-11-25
Applicant: 杭州电子科技大学
IPC: G06K9/00 , G06K9/62 , A61B5/0476 , A61B5/00
Abstract: 本发明是一种基于自主运动想象脑电的肢体动作识别方法，调查数据表明，当人做同一个动作时，大脑会产生类似的脑电信号，因此可以提取这些特征信号来实现机械臂的运动，进而辅助残疾人运动。本发明通过建立脑网络进行动作的分类，这种方法加强了大脑各个区域之间相关性的考虑，展现了EEG信号及其相关节律特征背后的工作机制。之后通过一种全新的基于非线性部分定向相干方法的脑因效性网络分析法，利用随机森林进行进行上肢运动分类，分类准确度高，根据脑电信号判断相应的动作，从而使得机械臂运动，达到残疾人辅助运动的目的。
-
公开(公告)号：CN109885159A
公开(公告)日：2019-06-14
申请号：CN201910038188.1
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正向动力学与希尔模型的状态空间肌电模型构建方法，首先采集关节在连续运动状态下相关肌肉的肌电信号，并对其进行带通滤波处理，然后由神经激活求出相关肌肉激活，并将其代入希尔肌肉模型，然后对希尔肌肉模型进行化简及参数替代，再将替代后的简化模型与关节正向动力学结合，得出离散时间状态下的预测模型，最后通过对采集到的相关肌电信号进行均方根和小波系数的特征提取，组成测量方程作为状态反馈，并通过拟合方程与关节运动拟合，得到最终的状态空间肌电模型。该模型与传统的角度估计方法相比，在预测精度和实时性等方面都有了明显的改进。
-
公开(公告)号：CN109858511A
公开(公告)日：2019-06-07
申请号：CN201811453638.5
申请日：2018-11-30
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于协同表示的安全半监督超限学习机分类方法，首先定义出无标记样本的风险项，并利用未标记样本重构前后输出预测标签一致性和重构误差来评判样本的风险性。本发明采用协同表示的方法分析半监督学习中无标签样本的风险性，通过实验证实样本风险的存在，将风险项加入到半监督超限学习机的损失函数中，从而使模型自带样本安全风险策略，最后在脑电信号数据集下进行测试，结果显示在传统的半监督超限学习机性能劣于有监督超限学习机时，本发明的安全半监督超限学习方法性能仍然优于有监督学习方法，这也证实了本文方法具有一定的无标记样本的安全性。
-
公开(公告)号：CN109800651A
公开(公告)日：2019-05-24
申请号：CN201811577681.2
申请日：2018-12-20
Applicant: 杭州电子科技大学
Abstract: 本发明提出了一种基于双规则主动超限学习机的多类脑电分类方法。本发明方法采用主动学习核心思想，首先依据超限学习机分类器评价无标签样本的不确定性，其次根据余弦相似规则剔除了相似性高的无标签样本，得到最有价值的少量无标签样本进行标注，然后利用这些筛选出的数据对超限学习机进行训练，最大化利用有标签脑电信号内部信息，从而减少对有标签脑电数据的依赖，并获得较高的运动想象任务多分类的准确性。该方法在脑-机接口领域具有广阔的应用前景。
-
-
-
-
-
-
-
-
-
Search Results
143
records
(took 0.04 seconds)
