-
公开(公告)号：CN118094277B
公开(公告)日：2024-07-02
申请号：CN202410502575.7
申请日：2024-04-25
Applicant: 之江实验室
IPC: G06F18/23213 , G06F18/10 , G06N3/0464 , G06N3/0455 , G06F17/15 , G16H50/70 , A61B5/38 , A61B5/378 , A61B5/16 , A61B5/00
Abstract: 本发明公开了一种基于动态功能脑网络的大脑视听融合机制探索方法和装置，包括：获取每个被试在视听刺激下的EEG数据，对EEG数据进行预处理并划分为若干个epoch；对于每个被试，获取每个epoch中若干个ROI的时序数据；对于每个被试，通过计算两两ROI的epochs之间的相位锁相值PLV，并对所有被试中相同ROI之间的PLV值求平均，得到功能连接脑网络；获取功能连接脑网络的隐含层特征，并与自身进行特征拼接；选取聚类类别数K，对拼接后的特征进行聚类，得到K个聚类质心；计算两两相邻聚类质心对应的功能连接脑网络的差值绝对值，筛选出大于第一预设阈值的差值绝对值对应的功能连接脑网络，用于探索大脑视听融合功能状态变化，更好地表征功能连接脑网络的定量的动态变化。
-
公开(公告)号：CN118141391A
公开(公告)日：2024-06-07
申请号：CN202410560673.6
申请日：2024-05-08
Applicant: 之江实验室
IPC: A61B5/372 , G06N3/0464 , G06N3/08 , G06F18/241 , A61B5/369 , A61B5/00 , A61B5/18 , A61B5/16
Abstract: 本发明公开了一种基于熵优化神经网络的跨库脑电疲劳识别方法和系统，该方法包括：获取源域数据库和目标域数据库，并对其中的数据进行预处理；使用可解释性卷积神经网络建立熵优化神经网络模型；使用源域数据库和目标域数据库对模型进行加权熵最小化联合优化训练；再进行动态阈值自训练，即在目标域数据库中根据自适应熵阈值动态选择和增加低熵样本，并结合其伪标签通过交叉熵损失进行自训练，得到最终的熵优化神经网络模型；将待识别的脑电信号输入到最终模型中得到疲劳分类概率。本发明通过新颖的两步策略将目标域数据库中未标记的样本分离，跨库脑电疲劳识别上达到了更高的分类准确率，有效减少了不同领域之间的差异，能够提高疲劳识别性能。
-
公开(公告)号：CN118121215A
公开(公告)日：2024-06-04
申请号：CN202410560610.0
申请日：2024-05-08
Applicant: 之江实验室
IPC: A61B5/372 , A61B5/369 , A61B5/00 , A61B5/18 , A61B5/16 , G06F18/213 , G06F18/214 , G06F18/2415 , G06F18/243 , G06N3/045 , G06N3/0464 , G06N3/082 , G06N3/084 , G06N3/0985 , G06N5/045 , G06N20/20 , G06F123/02
Abstract: 本发明公开了一种基于EGRF模型的跨库脑电疲劳识别方法及装置，该方法包括：获取两个的脑电疲劳数据库，分别作为源域数据库和目标域数据库；建立EGRF网络，该网络包括特征提取模块和分类器模块，所述特征提取模块用于提取脑电信号的特征，所述分类器模块用于输出疲劳识别的概率值；将源域数据库和目标域数据库的处理后的脑电信号输入神经网络进行训练，训练的损失函数包括三部分：目标域数据的熵损失、源域数据的分类损失、主分类器和辅助分类器的差异损失；将目标域数据库待预测的脑电信号输入训练好的网络得到疲劳分类概率。该方法能够提取更加鲁棒的特征，同时借鉴了集成学习的方法，识别效果更好。
-
公开(公告)号：CN118013352A
公开(公告)日：2024-05-10
申请号：CN202410005945.6
申请日：2024-01-03
Applicant: 之江实验室
IPC: G06F18/241 , G06F18/214 , G06F18/213 , G06F18/2134 , G06N3/0464 , G06N3/045 , G06N3/084
Abstract: 本发明公开了一种基于异构图网络的EEG‑fNIRS运动想象识别方法和装置，该方法包括：同步采集EEG和fNIRS运动想象数据及其标签，并进行预处理；构建运动想象识别网络，运动想象识别网络包括用于提取EEG和fNIRS运动想象数据时间特征的时间特征提取模块、用于提取空间特征的异构图卷积模块和用于预测运动想象类别的分类器；将预处理后的运动想象数据作为样本输入运动想象识别网络进行训练，使用交叉熵作为损失函数，采用反向传播方法更新参数，获取训练好的运动想象识别网络；将待识别的运动想象数据输入训练好的运动想象识别网络，获取运动想象类别。本发明能够更好地融合两种模态信号，有效提高运动想象任务的识别性能。
-
公开(公告)号：CN118152819B
公开(公告)日：2024-08-23
申请号：CN202410505604.5
申请日：2024-04-25
Applicant: 之江实验室
IPC: G06F18/22 , G06F18/21 , G06V10/44 , G10L25/30 , G06N3/045 , G06N3/0464 , G06N3/09 , A61B5/378 , A61B5/38 , A61B5/372
Abstract: 本发明公开了一种视听刺激下的大脑编码方法、装置及介质，包括：从图片和音频数据中分别提取特征，并分别作为视听刺激表征；获取每个被试在视听刺激下的EEG数据，对所述EEG数据进行预处理并划分为若干个epoch；对于每个被试，获取每个epoch中若干个ROI的时序数据；对于每个被试，通过计算两两ROI的epochs之间的相位锁相值PLV，并对所有被试中相同ROI之间的PLV值求平均，得到功能连接脑网络；采用基于线性回归的神经编码器进行视听刺激下的大脑编码，分别得到视听刺激下的大脑编码的时间分布和空间分布。本发明能够在高时间分辨率和较高空间分辨率的情况下，更好地编码大脑功能连接，以更好地探索大脑对视听刺激的处理机制。
-
Patent Agency Ranking
公开(公告)号：CN118121215B
公开(公告)日：2024-07-30
申请号：CN202410560610.0
申请日：2024-05-08
Applicant: 之江实验室
IPC: A61B5/372 , A61B5/369 , A61B5/00 , A61B5/18 , A61B5/16 , G06F18/213 , G06F18/214 , G06F18/2415 , G06F18/243 , G06N3/045 , G06N3/0464 , G06N3/082 , G06N3/084 , G06N3/0985 , G06N5/045 , G06N20/20 , G06F123/02
Abstract: 本发明公开了一种基于EGRF模型的跨库脑电疲劳识别方法及装置，该方法包括：获取两个的脑电疲劳数据库，分别作为源域数据库和目标域数据库；建立EGRF网络，该网络包括特征提取模块和分类器模块，所述特征提取模块用于提取脑电信号的特征，所述分类器模块用于输出疲劳识别的概率值；将源域数据库和目标域数据库的处理后的脑电信号输入神经网络进行训练，训练的损失函数包括三部分：目标域数据的熵损失、源域数据的分类损失、主分类器和辅助分类器的差异损失；将目标域数据库待预测的脑电信号输入训练好的网络得到疲劳分类概率。该方法能够提取更加鲁棒的特征，同时借鉴了集成学习的方法，识别效果更好。
-
公开(公告)号：CN118141391B
公开(公告)日：2024-07-26
申请号：CN202410560673.6
申请日：2024-05-08
Applicant: 之江实验室
IPC: A61B5/372 , G06N3/0464 , G06N3/08 , G06F18/241 , A61B5/369 , A61B5/00 , A61B5/18 , A61B5/16
Abstract: 本发明公开了一种基于熵优化神经网络的跨库脑电疲劳识别方法和系统，该方法包括：获取源域数据库和目标域数据库，并对其中的数据进行预处理；使用可解释性卷积神经网络建立熵优化神经网络模型；使用源域数据库和目标域数据库对模型进行加权熵最小化联合优化训练；再进行动态阈值自训练，即在目标域数据库中根据自适应熵阈值动态选择和增加低熵样本，并结合其伪标签通过交叉熵损失进行自训练，得到最终的熵优化神经网络模型；将待识别的脑电信号输入到最终模型中得到疲劳分类概率。本发明通过新颖的两步策略将目标域数据库中未标记的样本分离，跨库脑电疲劳识别上达到了更高的分类准确率，有效减少了不同领域之间的差异，能够提高疲劳识别性能。
-
公开(公告)号：CN118013352B
公开(公告)日：2024-07-26
申请号：CN202410005945.6
申请日：2024-01-03
Applicant: 之江实验室
IPC: G06F18/241 , G06F18/214 , G06F18/213 , G06F18/2134 , G06N3/0464 , G06N3/045 , G06N3/084
Abstract: 本发明公开了一种基于异构图网络的EEG‑fNIRS运动想象识别方法和装置，该方法包括：同步采集EEG和fNIRS运动想象数据及其标签，并进行预处理；构建运动想象识别网络，运动想象识别网络包括用于提取EEG和fNIRS运动想象数据时间特征的时间特征提取模块、用于提取空间特征的异构图卷积模块和用于预测运动想象类别的分类器；将预处理后的运动想象数据作为样本输入运动想象识别网络进行训练，使用交叉熵作为损失函数，采用反向传播方法更新参数，获取训练好的运动想象识别网络；将待识别的运动想象数据输入训练好的运动想象识别网络，获取运动想象类别。本发明能够更好地融合两种模态信号，有效提高运动想象任务的识别性能。
-
公开(公告)号：CN118094277A
公开(公告)日：2024-05-28
申请号：CN202410502575.7
申请日：2024-04-25
Applicant: 之江实验室
IPC: G06F18/23213 , G06F18/10 , G06N3/0464 , G06N3/0455 , G06F17/15 , G16H50/70 , A61B5/38 , A61B5/378 , A61B5/16 , A61B5/00
Abstract: 本发明公开了一种基于动态功能脑网络的大脑视听融合机制探索方法和装置，包括：获取每个被试在视听刺激下的EEG数据，对EEG数据进行预处理并划分为若干个epoch；对于每个被试，获取每个epoch中若干个ROI的时序数据；对于每个被试，通过计算两两ROI的epochs之间的相位锁相值PLV，并对所有被试中相同ROI之间的PLV值求平均，得到功能连接脑网络；获取功能连接脑网络的隐含层特征，并与自身进行特征拼接；选取聚类类别数K，对拼接后的特征进行聚类，得到K个聚类质心；计算两两相邻聚类质心对应的功能连接脑网络的差值绝对值，筛选出大于第一预设阈值的差值绝对值对应的功能连接脑网络，用于探索大脑视听融合功能状态变化，更好地表征功能连接脑网络的定量的动态变化。
-
公开(公告)号：CN118152819A
公开(公告)日：2024-06-07
申请号：CN202410505604.5
申请日：2024-04-25
Applicant: 之江实验室
IPC: G06F18/22 , G06F18/21 , G06V10/44 , G10L25/30 , G06N3/045 , G06N3/0464 , G06N3/09 , A61B5/378 , A61B5/38 , A61B5/372
Abstract: 本发明公开了一种视听刺激下的大脑编码方法、装置及介质，包括：从图片和音频数据中分别提取特征，并分别作为视听刺激表征；获取每个被试在视听刺激下的EEG数据，对所述EEG数据进行预处理并划分为若干个epoch；对于每个被试，获取每个epoch中若干个ROI的时序数据；对于每个被试，通过计算两两ROI的epochs之间的相位锁相值PLV，并对所有被试中相同ROI之间的PLV值求平均，得到功能连接脑网络；采用基于线性回归的神经编码器进行视听刺激下的大脑编码，分别得到视听刺激下的大脑编码的时间分布和空间分布。本发明能够在高时间分辨率和较高空间分辨率的情况下，更好地编码大脑功能连接，以更好地探索大脑对视听刺激的处理机制。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.031 seconds)
