公开(公告)号：CN117789249A

公开(公告)日：2024-03-29

申请号：CN202311781458.0

申请日：2023-12-22

Applicant: 东北电力大学

Inventor： 奚洋 ,  石鹏 ,  李奇 ,  孟天宇 ,  曲朝阳 ,  曹杰

IPC: G06V40/10 ,  G06V10/764 ,  G06V10/774 ,  G06V10/26 ,  G06V10/40 ,  G06V10/82 ,  G06V10/80 ,  G06N3/0464

Abstract: 本发明公开了一种基于多通道fNIRS的运动想象分类方法，属于脑电波技术领域。包括以下步骤：近红外数据的图像生成，通过数据获取、数据处理生成近红外数据的图像；左右手运动想象分类，基于格拉姆角场图像，通过SwinTransformer设计简化模型、ScConv取代标准卷积和SC‑SwinTransformerblocks提取重要特征，实现左右手运动想象分类。本发明采用上述的一种基于多通道fNIRS的运动想象分类方法，提出了一个视觉fNIRS框架，结合了ScConv和Swin Transformer，并且引入了通道注意力机制，有助于获得带有通道注意力的特征图，使模型能更有效地聚焦于通道信。能够充分利用Swin Transformer在图像分类领域的优势，将最新的计算机视觉模型应用于近红外信号分类问题，为解决近红外分类问题提供了深度学习技术的可能性。

公开(公告)号：CN117909786A

公开(公告)日：2024-04-19

申请号：CN202311781452.3

申请日：2023-12-22

Applicant: 东北电力大学

Inventor： 奚洋 ,  石鹏 ,  孟天宇 ,  王文静 ,  李奇

IPC: G06F18/24 ,  G06F18/214 ,  G06F18/25 ,  G06V10/26 ,  G06V10/40 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明公开了一种基于EEG的左右手运动想象识别方法，属于脑电波技术领域。包括以下步骤：SwinTransformer；ScConv；SC‑SwinTransformerblocks。本发明采用上述的一种基于EEG的左右手运动想象识别方法，通过提取关键特征，显著提高了分类准确率，表现优于其他先进的深度学习模型。其他基于CNN的解决方案的研究相比，SC‑Swin的性能更高。利用通道组合方法重构脑电数据，使用3个通道(左右对称通道+中央线通道)通过小波变换转换为时频图作为网络的输入，大大减少了数据量的同时也避免了多通道数据输入相互干扰而导致的网络训练不稳定，使得模型更专注于时间特征和局部空间特征的学习。