-
公开(公告)号：CN117503163B
公开(公告)日：2025-03-11
申请号：CN202311635333.7
申请日：2023-11-30
Applicant: 中国医学科学院北京协和医院 , 网易传媒科技(北京)有限公司
Abstract: 本公开实施方式涉及一种人脑异常放电检测方法、装置、存储介质与电子设备，涉及人工智能与多模态技术领域。该方法包括：获取受测对象的生物医学特征数据；获取所述受测对象的人脸视频数据，根据所述人脸视频数据提取人脸特征数据；获取由绑定于所述受测对象的身体的动作捕捉设备采集的所述受测对象的身体关键点数据，根据所述身体关键点数据得到身体特征数据；利用预先训练的异常放电检测模型对所述生物医学特征数据、所述人脸特征数据、所述身体特征数据进行处理，得到所述受测对象的异常放电检测结果。本公开实现了人脑异常放电的自动化检测并能够提升检测准确性。
-
公开(公告)号：CN118787372B
公开(公告)日：2024-12-24
申请号：CN202411281798.1
申请日：2024-09-12
Applicant: 杭州网之易创新科技有限公司 , 中国医学科学院北京协和医院
IPC: A61B5/374 , A61B5/00 , G06F18/213 , G06F18/214
Abstract: 本申请的实施例提供了一种癫痫样放电确定方法、装置、电子设备及计算机存储介质，涉及计算机技术领域。该方法包括：获取受测对象的脑电特征数据；获取受测对象的监测视频；将脑电特征数据以及监测视频输入至训练好的癫痫样放电模型中，以通过癫痫样放电模型确定出受测对象是否处于脑电异常放电状态。可见，实施本申请实施例可以通过将脑电特征数据以及监测视频输入至训练好的癫痫样放电模型中，以通过癫痫样放电模型确定出受测对象当前是否处于脑电异常放电状态，提高了确定出的受测对象当前是否处于脑电异常放电状态的准确率以及效率。
-
公开(公告)号：CN117598713A
公开(公告)日：2024-02-27
申请号：CN202311635642.4
申请日：2023-11-30
Applicant: 网易传媒科技(北京)有限公司 , 中国医学科学院北京协和医院
IPC: A61B5/369 , A61B5/372 , A61B5/00 , A61B5/346 , A61B5/318 , A61B5/397 , A61B5/389 , G06F18/2131 , G06F18/214 , G06F18/2415 , G06N3/047
Abstract: 本公开实施方式涉及一种癫痫发作间期的异常放电检测方法、装置、存储介质与电子设备，涉及生物医学检测技术领域。所述方法包括：获取目标用户的待测电信号；将待测电信号输入已训练神经网络模型进行处理，输出待测电信号存在异常放电的预测概率；已训练神经网络模型由训练集训练得到；训练集包括多个训练样本；训练样本包括癫痫患者发作间期存在异常放电的电信号及对应的标签、癫痫患者发作间期不存在异常放电的电信号及对应的标签、非癫痫患者的电信号及对应的标签；癫痫患者发作间期存在异常放电的电信号为排除了由心电信号和/或肌电信号引起的脑电信号中出现疑似异常放电的电信号。如此，能够提高阳性识别的准确率。
-
公开(公告)号：CN116350437A
公开(公告)日：2023-06-30
申请号：CN202310236877.X
申请日：2023-03-13
Applicant: 中国医学科学院北京协和医院 , 北京姬械机科技有限公司
IPC: A61G5/04 , A61G5/10 , A61B5/374 , A61B5/291 , A61B5/256 , A61B5/00 , G06F3/01 , G06F18/10 , G06F18/2131 , G06F18/241 , G06F18/2431 , G06N20/00 , G06N3/08
Abstract: 本发明涉及一种基于脑机接口设备控制的ALS患者使用智能移动装置及控制方法，利用脑机接口BCI信号采集设备采用渐冻症ALS患者群体用户的脑电信号；利用主计算单元用于人工智能模式识别计算，实现对采集后的脑电信号数据进行特征提取及信号分析；获得大脑行动指令的识别分类结果；根据大脑不同的行动指令状态对智能移动装置中的电机驱动控制系统进行指令编码。本发明基于可穿戴便携式BCI设备，通过对大脑神经信号的采集和监测，采用人工智能算法自动化识别分类用户的行走意图，并且将大脑信号转变为移动装置的行走指令，从而实现ALS不能自主行走的问题。
-
公开(公告)号：CN103956171A
公开(公告)日：2014-07-30
申请号：CN201410128613.3
申请日：2014-04-01
Applicant: 中国科学院软件研究所 , 中国医学科学院北京协和医院
IPC: G10L25/63
Abstract: 本发明公开了一种多通道简易精神状态(MMSE)检测系统。本发明利用平板电脑、数字化输入板和语音的多通道输入，建立一种基于多通道信息融合的简易精神状态（MMSE）新型电子化检测系统，从而能有效的提高MMSE的检查速度、量化认知与手部运动功能数据、量化构音及发音数据，提高检查的效率、综合性和客观性。该方法融合了电子化检查量表、数字化输入板的多通道输入、发音信息的分析。通过电子化的系统来提高检查的效率，多通道融合的方法来建立认知与运动、发音信息的数据模型，建立客观定量的MMSE分析系统。
-
Patent Agency Ranking
公开(公告)号：CN119112211A
公开(公告)日：2024-12-13
申请号：CN202411170960.2
申请日：2024-08-23
Applicant: 中国医学科学院北京协和医院 , 网易传媒科技(北京)有限公司
Abstract: 本公开涉及脑电检测领域，具体涉及一种大脑异常放电检测方法、装置、存储介质及电子设备。该大脑异常放电检测方法包括：采集检测对象的脑电信号数据，并同时采集所述检测对象的状态视频；识别所述状态视频中所述检测对象的姿态信息和面部信息，以得到关键点空间轨迹数据；将所述脑电信号数据和所述关键点空间轨迹数据输入预先训练完成的异常预测模型中，以得到所述异常预测模型输出的脑电信息异常预测结果作为大脑异常放电检测结果。本公开提供的大脑异常放电检测方法能够提高大脑异常放电检测结果的准确率和效率。
-
公开(公告)号：CN119033382A
公开(公告)日：2024-11-29
申请号：CN202411162441.1
申请日：2024-08-22
Applicant: 网易传媒科技(北京)有限公司 , 中国医学科学院北京协和医院
Abstract: 本申请的实施例提供了一种多模态脑放电异常检测方法、多模态脑放电异常检测装置、电子设备以及计算机可读存储介质，涉及计算机技术领域。该方法包括：能够采集被测对象的多通道脑电信号，以及面部视频数据，并输入脑放电异常检测模型获取其输出的脑放电异常检测结果；其中，脑放电异常检测模型分别提取多通道脑电信号的第一注意力特征以及面部视频数据的第二注意力特征融合获得融合特征，进而基于融合特征预测脑放电异常检测结果。该方法采集了多通道脑电信号能够提高信息完整性，而且通过模型自动化地提取注意力特征融合预测，能够更充分、深入地获取特征信息，作出更全面、准确的脑放电异常检测，避免人工复检。
-
公开(公告)号：CN117530702A
公开(公告)日：2024-02-09
申请号：CN202311597629.4
申请日：2023-11-27
Applicant: 中国医学科学院北京协和医院 , 网易传媒科技(北京)有限公司
Abstract: 本申请的实施例提供了一种致痫灶定位方法、致痫灶定位装置、电子设备以及计算机可读存储介质，涉及计算机技术领域。该方法包括：获取受测对象的头皮脑电特征数据；获取受测对象的监测视频；将头皮脑电特征数据以及监测视频输入至训练好的目标致痫灶定位模型中，以通过目标致痫灶定位模型定位出受测对象对应的目标致痫灶。可见，实施本申请实施例可以通过将头皮脑电特征数据以及监测视频输入至训练好的目标致痫灶定位模型中，以通过目标致痫灶定位模型定位出受测对象的目标致痫灶，提高了目标致痫灶的定位准确率以及效率。
-
公开(公告)号：CN117503163A
公开(公告)日：2024-02-06
申请号：CN202311635333.7
申请日：2023-11-30
Applicant: 中国医学科学院北京协和医院 , 网易传媒科技(北京)有限公司
Abstract: 本公开实施方式涉及一种人脑异常放电检测方法、装置、存储介质与电子设备，涉及人工智能与多模态技术领域。该方法包括：获取受测对象的生物医学特征数据；获取所述受测对象的人脸视频数据，根据所述人脸视频数据提取人脸特征数据；获取由绑定于所述受测对象的身体的动作捕捉设备采集的所述受测对象的身体关键点数据，根据所述身体关键点数据得到身体特征数据；利用预先训练的异常放电检测模型对所述生物医学特征数据、所述人脸特征数据、所述身体特征数据进行处理，得到所述受测对象的异常放电检测结果。本公开实现了人脑异常放电的自动化检测并能够提升检测准确性。
-
公开(公告)号：CN117462146A
公开(公告)日：2024-01-30
申请号：CN202311630555.X
申请日：2023-11-30
Applicant: 网易传媒科技(北京)有限公司 , 中国医学科学院北京协和医院
Abstract: 本公开实施方式涉及一种人脑异常放电检测方法、装置、存储介质与电子设备，涉及人工智能与多模态技术领域。该方法包括：获取受测对象的生物医学特征数据；获取所述受测对象的视频监测数据；根据所述视频监测数据检测所述受测对象的动作信息；从所述视频监测数据中提取用于对所述受测对象的动作进行表征的感兴趣图像序列；利用预先训练的异常放电检测模型对所述生物医学特征数据、所述动作信息、所述感兴趣图像序列进行处理，得到所述受测对象的异常放电检测结果。本公开能够实现人脑异常放电的自动化检测并提升检测的准确性。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.028 seconds)
