-
公开(公告)号：CN113610853A
公开(公告)日：2021-11-05
申请号：CN202111178892.0
申请日：2021-10-11
Applicant: 北京工业大学
Abstract: 本公开提供了一种基于静息态脑功能图像的情绪状态展示方法、装置及系统，该方法包括：获取被测者的静息态脑功能图像；将静息态脑功能图像输入第一网络模型得到情绪指数；对静息态脑功能图像进行特征提取得到初始特征图像；根据情绪指数对初始特征图像中感兴趣的区域进行增强得到目标特征图像；在静息态脑功能图像上叠加目标特征图像得到用于展示情绪状态的脑模式图像。该方法通过第一网络模型得到情绪指数能够初步确认被测者情绪状态的异常风险，通过对静息态脑功能图像进行特征提取和部分增强能够进一步获取与情绪状态相关的图像信息，通过在静息态脑功能图像上叠加目标特征图像得到的脑模式图像能够直观地展示被测者的情绪状态。
-
公开(公告)号：CN113855022A
公开(公告)日：2021-12-31
申请号：CN202111179684.2
申请日：2021-10-11
Applicant: 北京工业大学
IPC: A61B5/16
Abstract: 本公开提供了一种基于眼动生理信号的情绪评估方法及装置，该方法包括：基于情绪刺激信号获取被测者的眼动生理信号数据；根据眼动生理信号数据提取分类特征；对分类特征进行预处理得到有效分类特征；将有效分类特征输入预训练的SVM模型得到评估结果。本公开实施例提供的基于眼动生理信号的情绪评估方法通过情绪刺激信号获取参试者的眼动生理信号数据，使得评估过程与情绪直接相关，通过预训练的SVM模型进一步提高了基于眼动生理信号的情绪评估的准确性。
-
公开(公告)号：CN113807427B
公开(公告)日：2025-05-13
申请号：CN202111070317.9
申请日：2021-09-13
Applicant: 北京工业大学
IPC: G06V10/764 , G06V10/774 , G06N3/006 , G06N20/00
Abstract: 本申请公开了一种生物信息的分类方法、装置、储存介质及电子设备，属于生物信息识别领域，其中，生物信息的分类方法包括：获取待分类生物图片；将待分类生物图片输入训练好的机器学习模型中，得到待分类生物图片的分类信息，训练好的机器学习模型是利用带有正负域惯性权重的粒子群优化算法对机器学习模型的参数进行寻优得到的。该方法利用训练好的机器学习模型进行生物图片的生物信息分类，节省了人工成本的同时，大大提高了分类速度，并且该训练好的机器学习模型是利用带有正负域惯性权重的粒子群优化算法对机器学习模型的参数进行寻优得到的，分类准确率相较于传统的模型具有更高的准确率。
-
公开(公告)号：CN113610853B
公开(公告)日：2022-01-28
申请号：CN202111178892.0
申请日：2021-10-11
Applicant: 北京工业大学
IPC: G06T7/00 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08 , A61B5/16
Abstract: 本公开提供了一种基于静息态脑功能图像的情绪状态展示方法、装置及系统，该方法包括：获取被测者的静息态脑功能图像；将静息态脑功能图像输入第一网络模型得到情绪指数；对静息态脑功能图像进行特征提取得到初始特征图像；根据情绪指数对初始特征图像中感兴趣的区域进行增强得到目标特征图像；在静息态脑功能图像上叠加目标特征图像得到用于展示情绪状态的脑模式图像。该方法通过第一网络模型得到情绪指数能够初步确认被测者情绪状态的异常风险，通过对静息态脑功能图像进行特征提取和部分增强能够进一步获取与情绪状态相关的图像信息，通过在静息态脑功能图像上叠加目标特征图像得到的脑模式图像能够直观地展示被测者的情绪状态。
-
公开(公告)号：CN113903076A
公开(公告)日：2022-01-07
申请号：CN202111184281.7
申请日：2021-10-11
Applicant: 北京工业大学
IPC: G06V40/18 , G06V10/774 , G06K9/62 , G16H50/20 , G06N3/04
Abstract: 本申请公开了一种基于瞳孔波的负性情绪评估的数据处理方法与装置，其中方法包括：使用图像显示设备依次呈示平静情绪图像、快乐情绪图像和负性情绪图像；采集评估对象观看所述平静情绪图像、所述快乐情绪图像和所述负性情绪图像时相应的瞳孔波，得到平静瞳孔波、快乐瞳孔波和负性瞳孔波；根据所述平静瞳孔波、所述快乐瞳孔波和所述负性瞳孔波，分别生成快乐差异波和负性差异波；根据快乐差异波和负性差异波，分别提取快乐信息特征和负性信息特征；将提取的快乐信息特征和负性信息特征输入两层全连接评估模型，获得负性情绪风险指数AR。本申请实施例能够为识别负性情绪早期者提供帮助。
-
Patent Agency Ranking
公开(公告)号：CN113842145A
公开(公告)日：2021-12-28
申请号：CN202111178895.4
申请日：2021-10-11
Applicant: 北京工业大学
Abstract: 本公开提供了一种基于瞳孔波计算情绪指标的方法、装置及系统，该方法包括：采集被测试者处于平静状态时的瞳孔波作为平静瞳孔波；获取情绪指标对应的多个情绪；分别采集被测试者处于每个情绪时的瞳孔波作为情绪瞳孔波；根据平静瞳孔波和情绪瞳孔波计算情绪指标的指数值；其中，瞳孔波为瞳孔直径或瞳孔面积随时间的变化曲线。该方法通过采集被测试者的瞳孔波能够得到被测试者瞳孔的动态变化情况，与现有的自评量表和拍照获取被测试者状态图片相比，本公开根据动态的瞳孔的变化情况计算情绪指标能够降低主观因素的影响，进而得到更精准的情绪指标的指数值。
-
公开(公告)号：CN113903076B
公开(公告)日：2024-11-08
申请号：CN202111184281.7
申请日：2021-10-11
Applicant: 北京工业大学
IPC: G06V40/18 , G06V10/774 , G06V10/82 , G16H50/20 , G06N3/0464
Abstract: 本申请公开了一种基于瞳孔波的负性情绪评估的数据处理方法与装置，其中方法包括：使用图像显示设备依次呈示平静情绪图像、快乐情绪图像和负性情绪图像；采集评估对象观看所述平静情绪图像、所述快乐情绪图像和所述负性情绪图像时相应的瞳孔波，得到平静瞳孔波、快乐瞳孔波和负性瞳孔波；根据所述平静瞳孔波、所述快乐瞳孔波和所述负性瞳孔波，分别生成快乐差异波和负性差异波；根据快乐差异波和负性差异波，分别提取快乐信息特征和负性信息特征；将提取的快乐信息特征和负性信息特征输入两层全连接评估模型，获得负性情绪风险指数AR。本申请实施例能够为识别负性情绪早期者提供帮助。
-
公开(公告)号：CN113842145B
公开(公告)日：2023-10-03
申请号：CN202111178895.4
申请日：2021-10-11
Applicant: 北京工业大学
Abstract: 本公开提供了一种基于瞳孔波计算情绪指标的方法、装置及系统，该方法包括：采集被测试者处于平静状态时的瞳孔波作为平静瞳孔波；获取情绪指标对应的多个情绪；分别采集被测试者处于每个情绪时的瞳孔波作为情绪瞳孔波；根据平静瞳孔波和情绪瞳孔波计算情绪指标的指数值；其中，瞳孔波为瞳孔直径或瞳孔面积随时间的变化曲线。该方法通过采集被测试者的瞳孔波能够得到被测试者瞳孔的动态变化情况，与现有的自评量表和拍照获取被测试者状态图片相比，本公开根据动态的瞳孔的变化情况计算情绪指标能够降低主观因素的影响，进而得到更精准的情绪指标的指数值。
-
公开(公告)号：CN113807427A
公开(公告)日：2021-12-17
申请号：CN202111070317.9
申请日：2021-09-13
Applicant: 北京工业大学
Abstract: 本申请公开了一种生物信息的分类方法、装置、储存介质及电子设备，属于生物信息识别领域，其中，生物信息的分类方法包括：获取待分类生物图片；将待分类生物图片输入训练好的机器学习模型中，得到待分类生物图片的分类信息，训练好的机器学习模型是利用带有正负域惯性权重的粒子群优化算法对机器学习模型的参数进行寻优得到的。该方法利用训练好的机器学习模型进行生物图片的生物信息分类，节省了人工成本的同时，大大提高了分类速度，并且该训练好的机器学习模型是利用带有正负域惯性权重的粒子群优化算法对机器学习模型的参数进行寻优得到的，分类准确率相较于传统的模型具有更高的准确率。
-
公开(公告)号：CN113610067A
公开(公告)日：2021-11-05
申请号：CN202111178893.5
申请日：2021-10-11
Applicant: 北京工业大学
Abstract: 本公开提供了一种情绪状态展示方法、装置及系统，该方法包括：基于情绪刺激信号获取被测者的面部图像；将面部图像输入第一网络模型得到情绪指数；对面部图像进行特征提取得到表情特征图像；根据情绪指数对表情特征图像中感兴趣的区域进行增强得到目标特征图像；在面部图像上叠加目标特征图像得到用于展示情绪状态的表情模式图像。方该法通过第一网络模型得到情绪指数能够初步确认被测者情绪状态的异常风险，通过对面部图像进行特征提取和部分增强能够进一步获取与情绪状态相关的图像信息，通过在面部图像上叠加目标特征图像得到的表情模式图像能够直观地展示被测者的情绪状态。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.017 seconds)
