-
公开(公告)号：CN109924990A
公开(公告)日：2019-06-25
申请号：CN201910241797.7
申请日：2019-03-27
Applicant: 兰州大学
IPC: A61B5/16 , A61B5/0476 , A61B5/00
Abstract: 本发明提供一种基于EMD算法的脑电信号抑郁症识别系统，将脑电信号电极通道中隐含的空间信息与时域、频域信息相结合，提高分类准确率，对抑郁症的临床诊断起到辅助作用。所述系统包括脑电数据预处理模块、图像构建模块、特征提取和分类识别模块；脑电数据预处理模块用于将原始的脑电信号进行预处理，自动去除工频噪声、肌电、眼电伪迹；图像构建模块用于采用EMD算法将脑电信号分解成不同频域的IMF分量，提取主要IMF分量的功率谱密度时间帧；将脑电信号电极通道的空间位置与IMF分量的功率谱密度时间帧相结合，生成对应于每个IMF分量的二维图像；特征提取和分类识别模块用于构造卷积神经网络模型对生成的二维图像进行特征提取和分类识别。
-
公开(公告)号：CN106407733A
公开(公告)日：2017-02-15
申请号：CN201611141740.2
申请日：2016-12-12
Applicant: 兰州大学
IPC: G06F19/00
CPC classification number: G16H50/30
Abstract: 本发明提供一种基于虚拟现实场景脑电信号的抑郁症风险筛查系统和方法，在虚拟现实场景刺激下，通过脑电采集系统，对脑电信号进行数据的实时采集、处理、分析，最后通过数据挖掘的方法对抑郁症风险进行筛查。本发明的系统包括虚拟现实诱发系统、脑电信号采集系统、数据分析系统；虚拟现实诱发系统用于建立不同的虚拟现实场景，脑电信号采集系统用于采集人脑在虚拟现实场景刺激下发生连续变化的脑电信号，输出处理后的脑电信号及提取的实时特征信息；数据分析系统具有由已贴标签的健康人群和抑郁症风险人群所训练出来的分类判别模型，将抑郁症筛查中所要求的特征信息与分类判别模型特征参数进行比较，区分判别健康人群和抑郁症风险人群。
-
公开(公告)号：CN110599442B
公开(公告)日：2022-08-12
申请号：CN201910587047.5
申请日：2019-07-01
Applicant: 兰州大学
IPC: G06T7/00 , G06T7/11 , G06T7/33 , G06T5/00 , G06T9/00 , G06V10/44 , G06V10/764 , G06V10/77 , G06V10/80 , G06K9/62 , G16H20/70 , G16H50/20
Abstract: 本发明提出的一种脑融合皮质厚度和边缘系统形态特征的抑郁识别系统，融合大脑的皮质厚度特征与边缘系统的海马体、杏仁核的形态特征进行特异特征选择，并采用深度神经网络(DNN)进行特征融合和分类，显著提高了利用MRI图像对抑郁症识别的准确率。包括(a)MRI图像获取模块，用于获取被试者大脑MRI数据；(b)特征选择模块，用于根据获取的MRI数据，获取大脑皮质厚度特征及边缘系统的海马体、杏仁核的形态特征，进而选择识别抑郁的特异特征；(c)分类识别模块，采用深度神经网络(DNN)将大脑皮质厚度特征与边缘系统形态特征进行融合，并进行分类，识别抑郁患者和正常被试。
-
公开(公告)号：CN111068159A
公开(公告)日：2020-04-28
申请号：CN201911376716.0
申请日：2019-12-27
Applicant: 兰州大学
IPC: A61M21/00 , A61B5/0476 , A61B5/0484
Abstract: 本发明提出的一种基于脑电信号的音乐反馈抑郁情绪调节系统，通过分析脑电信号与音乐信号的映射关系，对受训者进行相应的反馈音乐训练，达到改善抑郁患者情绪的目的。包括：脑电信号采集模块，用于获取受训者静息态脑电信号；脑电信号数据处理模块，用于对获取的脑电信号进行预处理，反馈音乐生成模块，用于对预处理后的脑电信号进行分割、整合，得出脑电信号与音乐信号的映射关系，在构建的反馈音乐类型参考库中进行比对，得出用于音乐反馈训练的反馈音乐类型；反馈训练调节模块，用于采用与所述反馈音乐类型相适应的反馈音乐对受训者进行反馈训练，实现抑郁情绪的调节；数据存储分析模块，用于存储和分析受训者情绪调节的过程和结果。
-
公开(公告)号：CN110599442A
公开(公告)日：2019-12-20
申请号：CN201910587047.5
申请日：2019-07-01
Applicant: 兰州大学
IPC: G06T7/00 , G06T7/11 , G06T7/33 , G06T5/00 , G06T9/00 , G06K9/46 , G06K9/62 , G16H20/70 , G16H50/20
Abstract: 本发明提出的一种脑融合皮质厚度和边缘系统形态特征的抑郁识别系统，融合大脑的皮质厚度特征与边缘系统的海马体、杏仁核的形态特征进行特异特征选择，并采用深度神经网络(DNN)进行特征融合和分类，显著提高了利用MRI图像对抑郁症识别的准确率。包括(a)MRI图像获取模块，用于获取被试者大脑MRI数据；(b)特征选择模块，用于根据获取的MRI数据，获取大脑皮质厚度特征及边缘系统的海马体、杏仁核的形态特征，进而选择识别抑郁的特异特征；(c)分类识别模块，采用深度神经网络(DNN)将大脑皮质厚度特征与边缘系统形态特征进行融合，并进行分类，识别抑郁患者和正常被试。
-
Patent Agency Ranking
公开(公告)号：CN106725462B
公开(公告)日：2017-11-24
申请号：CN201710023334.4
申请日：2017-01-12
Applicant: 兰州大学
IPC: A61B5/0476 , A61M21/02
Abstract: 本发明提供一种基于脑电信号的声光睡眠干预系统和方法，通过普适化脑电采集系统，对睡眠时脑电信号进行实时采集、处理和分析，通过数据挖掘的方法对睡眠进行分期，最后通过声音和光在睡眠的REM期和浅睡期进行干预，以达到改善睡眠状况的目的。本发明的系统包括睡眠脑电采集模块、睡眠脑电分期模块和睡眠干预模块；睡眠脑电采集模块用于实时采集受试者在睡眠期间发生连续变化的脑电信号，输出处理后的脑电信号以及提取的睡眠脑电特征信息；睡眠脑电分期模块用于采用训练出来的睡眠分期模型对睡眠脑电特征信息进行分期；睡眠干预模块用于根据分期结果，选择适合的睡眠干预方案，对受试者实施声音和光的双重干预。
-
公开(公告)号：CN113855052B
公开(公告)日：2024-04-23
申请号：CN202111187018.3
申请日：2021-10-12
Applicant: 兰州大学
Abstract: 本申请提供一种基于正念冥想的神经反馈干预系统及方法，所述系统包括脑电信号采集模块、脑电信号预处理模块、脑电信号特征提取模块、归一化神经反馈指标计算模块和归一化神经反馈指标与听觉神经反馈映射模块；其中，脑电信号采集模块包括便携式三导脑电信号传感器以及脑电信号接收子模块；本申请通过便携式三导脑电信号传感器收集脑电信号并计算第一情绪状态值，通过神经反馈指标归一化模型得到第二情绪状态值以降低脑电信号个体差异所造成的负面影响，从而将归一化神经反馈指标映射为基于自然声音的听觉神经反馈实现实时给予训练者反馈的目的，进而改善正念冥想训练效果。
-
公开(公告)号：CN116432651A
公开(公告)日：2023-07-14
申请号：CN202310364955.4
申请日：2023-04-07
Applicant: 兰州大学
IPC: G06F40/295 , G06F40/30 , G06F40/242
Abstract: 本申请提供一种基于软匹配规则发现的中文命名实体识别方法和系统。所述方法从待识别文本中提取文字，并调用字嵌入表得到初始字嵌入信息。基于初始字嵌入信息提取待识别文本的子序列的语义特征，其中，子序列为一个或多个字组成，语义特征包括字特征与词特征。根据子序列中的文字顺序以及初始字嵌入信息与软匹配规则树中的节点数据执行语义匹配以得到匹配路径。对子序列边界的初始字嵌入表示与语义特征执行语义聚合，得到聚合字嵌入信息，并计算聚合字嵌入信息与实体标签的相似度以输出待识别文本的实体识别标签。通过训练集构建软匹配树可以提高识别效率，并且，语义聚合在字词匹配相似的基础上可提高实体识别的准确率。
-
公开(公告)号：CN113269122A
公开(公告)日：2021-08-17
申请号：CN202110640110.4
申请日：2021-06-09
Applicant: 兰州大学
Abstract: 本申请提供一种可穿戴眼动和面部表情同步采集设备、系统及算法，所述可穿戴眼动和面部表情同步采集系统包括可穿戴眼动和面部表情同步采集设备和瞳孔半径大小及中心点坐标识别算法，其中，所述可穿戴眼动和面部表情同步采集设备中识别算法模块包括图像去噪技术子模块、腐蚀边缘检测子模块和瞳孔分割子模块，所述瞳孔半径大小及中心点坐标识别算法包括模糊眼动摄像头子模块所采集到的原始眼动图像的步骤、优化去噪后图像的边缘的步骤和分割优化后图像中的瞳孔的步骤。本申请使瞳孔边缘更清晰；设计新型瞳孔识别算法AVBFSC，能更精确的识别瞳孔区域并标记注视点；基于实时操作系统，设计微秒级延迟的同步机制，实现眼动图像和表情图像的严格同步。
-
公开(公告)号：CN110974260A
公开(公告)日：2020-04-10
申请号：CN201911293765.8
申请日：2019-12-16
Applicant: 兰州大学
IPC: A61B5/16 , A61B5/0476
Abstract: 本发明提出一种基于脑电特征的案例推理抑郁症识别系统，将脑电特征与案例推理技术相结合，形成基于案例推理的抑郁症识别系统，提高抑郁症识别的效率和准确率。包括脑电数据采集模块、脑电数据处理模块、案例推理模块以及显示模块；脑电数据采集模块用于获取脑电数据；脑电数据处理模块用于对获取的脑电信息进行相关处理并进行抑郁脑电特征提取及属性约简，形成案例属性，将这些属性传入案例推理模块；案例推理模块用于根据目标案例的案例属性，在构建的抑郁症脑电特征系统案例库中进行相应检索，检索与目标案例最相似的源案例，通过案例推理进行抑郁症特征识别，将识别结果送入显示模块；显示模块用于显示识别结果及相关案例信息。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.014 seconds)
