-
公开(公告)号：CN119818025A
公开(公告)日：2025-04-15
申请号：CN202411871484.7
申请日：2024-12-18
Applicant: 东南大学
Abstract: 本发明专利公开了一种基于多维认知功能超图的多模态认知障碍评测系统，包括多模态信号采集系统、认知功能评测范式设计、各模态通用特征提取框架与基于多维认知功能的在线超图学习。系统基于多模态生理与行为信号，构建了包含认知功能维度评测范式，从而实现对老年认知功能的全面评估。首先通过融合脑电、心电、语音和面部表情等多模态信号，实时记录和分析用户在不同任务和情境下的生理和行为反应。然后挖掘多模态信号之间的融合表征，生成统一的特征表示，并引入了临床知识的在线超图，捕捉复杂的多模态数据关系，提供包含认知功能评估的分析结果。最终，结合上述技术手段，系统能够实现对认知障碍的早期检测。
-
公开(公告)号：CN118925078A
公开(公告)日：2024-11-12
申请号：CN202411200222.8
申请日：2024-08-29
Applicant: 东南大学
Abstract: 本发明公开了一种基于γ波多感官刺激和闭环神经调控的认知训练系统及方法，其中系统包括中央控制模块、生物电生理监测模块、光闪烁刺激模块和声音刺激模块。中央控制模块为一段计算机程序，包括了用户交互界面和数据分析反馈算法；脑电检测模块配有脑电传感器，通过蓝牙与中央控制模块连接；光闪烁刺激模块通过蓝牙与中央控制模块连接；声音刺激模块通过蓝牙与中央控制模块连接；光闪烁刺激模块与声音刺激模块电性连接。该认知训练系统允许使用者在中央控制模块处监测整个模块的运作状态，发送指令控制整个模块的运作；并且可以根据生物电生理监测模块的实时反馈数据，自适应地调整刺激的参数，以达到最佳干预效果。
-
公开(公告)号：CN114366104A
公开(公告)日：2022-04-19
申请号：CN202210044333.9
申请日：2022-01-14
Applicant: 东南大学
Abstract: 本发明公开了一种基于前额少数导联脑电监测的抑郁状态评估方法，具体包括以下步骤：通过可穿戴脑电设备采集前额两导脑电信号，将信号进行预处理后，提取额叶alpha波段，计算基于近似熵的不对称指标，利用支持向量机分类模型得到抑郁程度评估结果。本发明中可穿戴脑电设备由柔性织物电极、模拟前端芯片、蓝牙Soc芯片、电池及稳压模块组成，能够实现舒适准确的脑电数据采集。本发明提出了一种alpha波段不对称的评估指标，能够准确检测使用者的抑郁状态。
-
公开(公告)号：CN118986363A
公开(公告)日：2024-11-22
申请号：CN202411090263.6
申请日：2024-08-09
Applicant: 东南大学
Abstract: 本发明公开了一种基于硬件加速端侧高效计算的穿戴式心电质量实时评估方法，通过提取心电信号时域、频域和熵域的特征构成特征向量，将特征向量输入到机器学习分类器中，进行心电信号质量评估，特征计算和分类器模块均被部署在高效的端侧硬件上，硬件电路根据特征向量生成需求进行设计，实现对信号质量的实时分析，保证了数据的隐私性。本发明能够提高心电质量评估的效率，方便快捷，对于心血管疾病的诊断有积极意义。
-
Patent Agency Ranking
公开(公告)号：CN118865463A
公开(公告)日：2024-10-29
申请号：CN202410835740.0
申请日：2024-06-26
Applicant: 东南大学
IPC: G06V40/16 , G06V10/82 , G06N3/0464 , G06N3/045 , G06V10/766 , G16H50/20
Abstract: 本发明公开了一种基于面部运动单元的抑郁症检测系统，包括MTCNN模型、PLFD模型、AU R‑CNN模型与逻辑回归神经网络，本发明设计一种新的损失函数算法，解决在深度学习中由几何约束与数据不平衡问题限制的图片识别准确性问题，扩大人脸图像识别范围，并通过设置AU划分规则将MTCNN模型与PLFD模型输出的结果编码到AU R‑CNN模型中，将每张人脸图像视为一组独立的区域，对人脸进行区域划分并获取人脸图像中的关键点，能够做到在更细的粒度上对人脸的局部区域进行神经运动单元的识别，从而达到更高的精度，提高抑郁症检测的准确性。
-
公开(公告)号：CN117257321A
公开(公告)日：2023-12-22
申请号：CN202311160586.3
申请日：2023-09-08
Applicant: 东南大学
IPC: A61B5/318 , A61B5/346 , A61B5/366 , A61B5/355 , A61B5/353 , A61B5/358 , A61B5/352 , A61B5/36 , A61B5/00
Abstract: 本发明属于信号识别技术领域，提供基于机器学习与高频心电的心肌缺血检测方法及装置。方法包括如下步骤：采集被测试者的高频心电信号数据；定位高频心电信号的Q、R、S、T、P波，并提取高频QRS段、ST段、P波段以及单个心拍；提取包括QTc间期、T波峰末间期、HFMI、高频QRS均方根、SKNA指标、高频心电信号熵指标的反映心肌缺血的指标特征；将上述特征输入到预先训练好的心肌缺血程度检测模型中，获取心肌缺血程度分类结果。装置包括：数据采集模块、数据传输模块、处理模块、特征提取模块、缺血程度检测模块、显示模块。本发明可以快速便捷地对心肌缺血程度进行检测，不受检测场地的限制，为心肌缺血的排查提供新的方法，减少恶性心脏疾病的发生率。
-
公开(公告)号：CN116312643A
公开(公告)日：2023-06-23
申请号：CN202310244687.2
申请日：2023-03-14
Applicant: 东南大学
Abstract: 本发明提供了一种基于语音特征的抑郁情绪检测方法，包括分别采集多位个体的语音数据，以及对应的抑郁指标量表得分，构建语音抑郁数据集；对采集的语音信号依次进行预加重、分帧加窗和端点检测处理；对预处理后的语音信号进行分帧，得到多个帧片段，计算每个帧片段的声学特征及统计学特征；将所述声学特征和抑郁量表的判断结果输入到长短时记忆网络模型中，训练语音抑郁状态识别模型；搭建基于安卓系统的APP，将数据预处理、特征提取和语音抑郁状态识别模型进行封装，部署到安卓系统后端程序中，形成基于语音特征的抑郁状态识别系统，应用于智能设备终端。本发明利用智能终端APP对抑郁状态判断结果进行管理，帮助佩戴者实时了解自身的身心健康状况。
-
公开(公告)号：CN118969257A
公开(公告)日：2024-11-15
申请号：CN202411200221.3
申请日：2024-08-29
Applicant: 东南大学
IPC: G16H50/20 , A61B5/00 , G16H10/20 , G06V40/16 , G06V10/764 , G06V10/82 , G06N3/0464
Abstract: 本发明公开了一种基于PHQ‑9量表评测和面部表情识别的早期抑郁诊断系统，包括数据采集与处理模块，表情识别模块，综合诊断模块。数据采集与处理模块包括获取被试者PHQ‑9量表评测结果、采集被试者测试过程中面部表情视频。表情识别模块通过对采集所得视频进行分析，识别每帧被试者面孔表情。综合诊断模块用于计算被试者的情绪得分，并集成量表分数与情绪分数，输出诊断结果。本发明能够基于PHQ‑9量表评测与表情识别对早期抑郁状态进行实时判断，具有较好的鲁棒性，能够为医生提供更为精确的诊断依据。
-
公开(公告)号：CN118830854A
公开(公告)日：2024-10-25
申请号：CN202410856214.2
申请日：2024-06-28
Applicant: 东南大学
IPC: A61B5/346 , A61B5/318 , A61B5/00 , G06F18/2431
Abstract: 本发明提供了一种基于非接触心电的信号质量评估系统及方法，方法包括：通过电容耦合式非接触心电信号采集模块，使用非接触式的方式采集非接触心电信号；由非接触心电信号预处理模块对采集到的非接触心电信号进行滤波、滑窗分割等预处理，去除部分干扰信号，提高心电信号信噪比；采用非接触心电信号特征提取与优化模块，根据信号特点进行特征提取，并用于所提取特征的进一步优化以及构建分类模型；使用非接触心电高质量信号选择模块，将采集到的非接触心电信号进行自动评估与分类，并用于筛选出高质量的非接触心电信号。本发明针对非接触心电采集场景，基于非接触心电的干扰特征，能实现非接触心电信号的高准确度的高效评估。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.023 seconds)
