-
公开(公告)号：CN112084896A
公开(公告)日：2020-12-15
申请号：CN202010862276.6
申请日：2020-08-25
Applicant: 东南大学
Abstract: 本发明公开了一种基于Lp/q‑混合范数的联合递归加权空间滤波方法，该方法引入了脑电信号在局部时间上的联合递归率，并使用不同的范数来对目标函数进行建模，从而能够从数据中提取具有更多判别信息的特征。本发明方法提供了一种有效的特征提取方法，对异常值的干扰具有一定的抵御效果，所提方法与传统的方法相比能得到更优的分类结果，且具有鲁棒性与稳定性。
-
公开(公告)号：CN120032051A
公开(公告)日：2025-05-23
申请号：CN202510108374.3
申请日：2025-01-23
Applicant: 东南大学
IPC: G06T17/00 , A61B5/055 , A61B5/00 , G06N3/045 , G06V10/80 , G06V20/64 , G06V10/774 , G06V10/82 , G06N3/084
Abstract: 本发明公开了一种基于ViT3D模型改进的脑龄评估及可视化方法与系统。本发明构建的脑龄评估模型在ViT3D模型基础上通过引入脑区划分模块、特征关系学习模块及特征正交约束模块，能够精准评估个体脑龄，同时提升样本间特征差异关系的捕获能力和模块间特征的独立性。此外，配套的可视化方法能够通过对模型不同层次的注意力分布进行逐步叠加，并结合脑区激活分析，提供全局性可视化结果。本发明具有脑龄评估精度高、跨源测试鲁棒性高、可解释性强、计算效率高的优点，可广泛应用于脑科学研究及临床诊断中。
-
公开(公告)号：CN106073767B
公开(公告)日：2018-09-21
申请号：CN201610356552.5
申请日：2016-05-26
Applicant: 东南大学
IPC: A61B5/0476
Abstract: 本发明公开了一种EEG信号的相位同步度量方法，从统计学的角度进行EEG信号相位同步特征的提取，进一步公开了一种EEG信号耦合特征的提取方法，使用CSP算法提取的幅值特征和PLSR算法提取的相位特征，得到超向量串行耦合的幅值‑相位特征，更进一步公开了一种基于耦合特征的EEG信号识别方法，使用这种耦合特征作为EEG信号特征分类识别的依据，从而得到更稳定和高识别率的运动想象分类识别结果。在神经活动过程中，大脑各个区域间存在相互耦合的现象，本发明方法具有削弱小相位差样本点的影响来抑制噪声影响的作用。
-
公开(公告)号：CN103955706B
公开(公告)日：2017-03-22
申请号：CN201410179380.X
申请日：2014-04-29
Applicant: 东南大学
Abstract: 本发明公开了一种基于直接双侧二维主成分分析的图像识别和图像重建方法，包括以下步骤：步骤一、对图像进行二维主成分分析；步骤二、对图像进行替代的二维主成分分析；步骤三、将测试样本投影到步骤一和步骤二得到的主成分方向上，分别得到二维主成分分析和替代的二维主成分分析对应的投影结果，然后将这两个结果分别进行列向量操作，再合并成一个列向量，作为直接双侧二维主成分分析的投影结果；步骤四、将二维主成分分析和替代的二维主成分分析的重建结果取平均作为重建结果。本发明方法增强了两种单侧结果中共同的成分，抵消了两种单侧结果的误差，从而使得重建结果更接近原始图像。本发明有效地提高了图像识别准确率，降低了图像重建误差。
-
公开(公告)号：CN119693688A
公开(公告)日：2025-03-25
申请号：CN202411736321.8
申请日：2024-11-29
Applicant: 东南大学
IPC: G06V10/764 , G06V10/44 , G06V10/82 , G06F18/211 , G06F18/10 , G06N3/0442 , G06N3/092
Abstract: 本发明公开了一种基于深度强化学习的视觉刺激多分类方法与系统，本发明从EEG信号角度，以EEG信号为样本，通过深层长短时记忆网络编码时变视觉特征，并将时间段的选择刻画为一个马尔科夫决策过程，通过深度强化学习算法实现时间段的自主选择，聚合特征的时域信息并输入到分类器中用于刺激图像的分类。本发明可以有效捕捉EEG信号中的时间动态信息，与现有方法相比能得到更优的视觉刺激分类结果。
-
Patent Agency Ranking
公开(公告)号：CN112084896B
公开(公告)日：2024-05-03
申请号：CN202010862276.6
申请日：2020-08-25
Applicant: 东南大学
IPC: G06F18/213 , G06F18/24 , G06F18/214
Abstract: 本发明公开了一种基于Lp/q‑混合范数的联合递归加权空间滤波方法，该方法引入了脑电信号在局部时间上的联合递归率，并使用不同的范数来对目标函数进行建模，从而能够从数据中提取具有更多判别信息的特征。本发明方法提供了一种有效的特征提取方法，对异常值的干扰具有一定的抵御效果，所提方法与传统的方法相比能得到更优的分类结果，且具有鲁棒性与稳定性。
-
公开(公告)号：CN110859614A
公开(公告)日：2020-03-06
申请号：CN201911155264.3
申请日：2019-11-22
Applicant: 东南大学
IPC: A61B5/0476 , A61B5/00 , G06K9/62
Abstract: 本发明公开了一种基于加权相位滞后指数的数学天分青少年脑网络分析方法：基于任务态EEG信号，采用基于加权相位滞后指数的算法，构建相位同步性网络，并转化成功能连接性网络。进而利用图论指标对连接网络进行度量，刻画数学天分青少年的连接网络特征，包括活跃脑区、图论指标。与现有技术相比，本发明中提供的方法有如下优势：基于任务态EEG信号刻画数学超常青少年的连接网络特征，采用加权相位滞后指数，构建相位同步性网络，并转化成功能连接性网络。这降低了在容积传导的噪声源间相位差为零时检测到“假阳性”的概率，并且增加了检测相位同步的灵敏度。
-
公开(公告)号：CN104143089B
公开(公告)日：2017-07-07
申请号：CN201410364346.X
申请日：2014-07-28
Applicant: 东南大学
Abstract: 本发明公开了一种人体动作识别中的基于空时能量分解的关键点检测方法，包括以下步骤：步骤一、对人体动作视频进行空时能量分解，计算空时能量分解矩阵；步骤二、计算空时能量矩阵中每一点邻域内的和值，并设置阈值因子α，邻域内能量和值大于该阈值的点就被选入关键点的候选集合；步骤三、将候选集中的点按能量和值从大到小排列，然后依次将候选集中空时距离过近的点去除；步骤四、设置关键点数目k，选取步骤三所确定的点集中前k个点作为最终的关键点。本发明所提取关键点相比与经典方法包含更丰富的相应于HOE特征的有效信息并且有较低的冗余度，它的关键点选取结果也更加具有稳定性和可重复性。
-
公开(公告)号：CN103955706A
公开(公告)日：2014-07-30
申请号：CN201410179380.X
申请日：2014-04-29
Applicant: 东南大学
Abstract: 本发明公开了一种基于直接双侧二维主成分分析的图像识别和图像重建方法，包括以下步骤：步骤一、对图像进行二维主成分分析；步骤二、对图像进行替代的二维主成分分析；步骤三、将测试样本投影到步骤一和步骤二得到的主成分方向上，分别得到二维主成分分析和替代的二维主成分分析对应的投影结果，然后将这两个结果分别进行列向量操作，再合并成一个列向量，作为直接双侧二维主成分分析的投影结果；步骤四、将二维主成分分析和替代的二维主成分分析的重建结果取平均作为重建结果。本发明方法增强了两种单侧结果中共同的成分，抵消了两种单侧结果的误差，从而使得重建结果更接近原始图像。本发明有效地提高了图像识别准确率，降低了图像重建误差。
-
公开(公告)号：CN119939247A
公开(公告)日：2025-05-06
申请号：CN202510001999.X
申请日：2025-01-02
Applicant: 东南大学
IPC: G06F18/214 , G06F18/24 , G06F18/213 , G06F18/2415
Abstract: 本发明公开了一种基于自适应剪枝的多分支多对象脑电数据训练方法，该方法在传统的单分支脑电深度模型的深层网络上构建了加权多分支结构，每一分支用于拟合目标对象和源对象的数据，而自适应权重衡量分支对目标对象的重要程度；进一步，为了防止分支数过多造成学习负担，本发明基于自适应权重在网络训练时灵活地对分支进行剪枝。所提方法能有效减少多对象的分布差异，提高模型对多对象数据的解码能力，最终提高目标对象的分类准确率。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.017 seconds)
