-
公开(公告)号：CN116196018A
公开(公告)日：2023-06-02
申请号：CN202310484796.1
申请日：2023-05-04
Applicant: 北京理工大学
Abstract: 本发明公开了基于锐度与非线性度的癫痫脑电信号动态识别方法和系统，以脑电图的复杂包络、锐度和非线性度作为探索癫痫发作的关键波形特征，实现了利用更精准的动态波形识别癫痫发作事件，提高提高新生儿癫痫发作事件识别的鲁棒性。本发明执行如下方案：获取脑电设备采集的多通道脑电信号。针对采集的脑电信号中每个通道的数据逐一进行预处理，每个通道作为一个维度，得到预处理后的多维脑电信号。对预处理后的多维电脑信号在每个维度上均取对应的复杂包络、锐度以及非线性度，作为脑电信号的关键波形特征。利用脑电信号的关键波形特征作为输入机器学习分类模型，进行的癫痫脑电信号的动态识别。
-
公开(公告)号：CN114343635A
公开(公告)日：2022-04-15
申请号：CN202111475417.X
申请日：2021-12-06
Applicant: 北京理工大学
Abstract: 本发明属于认知神经科学和信息技术交叉领域，具体涉及一种基于变分相幅耦合的情绪识别方法、装置、平台和计算机可读存储介质。本发明的基于变分相幅耦合的情绪识别方法，包括数据采集步骤、预处理步骤、变分模态分解步骤、相幅耦合分析步骤、显著性检验步骤和识别步骤。本发明的基于变分相幅耦合的情绪识别装置，包括数据采集模块、预处理模块、变分模态分解模块、相幅耦合分析模块、显著性检验模块和识别模块。本发明将检验显著的相幅耦合值平均分配到双频率耦合图谱中，进而识别受测者的情绪。本发明能够有效提取不同情绪状态下的脑电信号特征，提高了情绪识别的准确率和可靠性。
-
公开(公告)号：CN118750003A
公开(公告)日：2024-10-11
申请号：CN202410992405.1
申请日：2024-07-23
Applicant: 北京理工大学
Abstract: 本发明公开了基于自适应波形特征的运动想象脑电信号处理方法和系统，涉及神经科学和信息技术技术领域，其技术方案包括以下步骤：对进行运动想象训练的受试进行脑电信号的采集，对采集到的原始多通道脑电信号进行预处理，并提取出与运动想象训练相关的时间序列；结合自适应分解方法确定中心频率，拆解出多个频段的神经振荡；对多频率运动想象信号分量进行非线性度、锐度及平均功率特征的计算；融合非线性波形特征及功率特征，识别有效运动想象事件。本发明能通过获取待解码的脑电信号非线性波形特征，识别目标用户是否进行有效的运动想象，可以提高后续脑电信号解码的准确性。
-
公开(公告)号：CN116196018B
公开(公告)日：2023-07-07
申请号：CN202310484796.1
申请日：2023-05-04
Applicant: 北京理工大学
Abstract: 本发明公开了基于锐度与非线性度的癫痫脑电信号动态识别方法和系统，以脑电图的复杂包络、锐度和非线性度作为探索癫痫发作的关键波形特征，实现了利用更精准的动态波形识别癫痫发作事件，提高提高新生儿癫痫发作事件识别的鲁棒性。本发明执行如下方案：获取脑电设备采集的多通道脑电信号。针对采集的脑电信号中每个通道的数据逐一进行预处理，每个通道作为一个维度，得到预处理后的多维脑电信号。对预处理后的多维电脑信号在每个维度上均取对应的复杂包络、锐度以及非线性度，作为脑电信号的关键波形特征。利用脑电信号的关键波形特征作为输入机器学习分类模型，进行的癫痫脑电信号的动态识别。
-
-
-
Search Results
4
records
(took 0.015 seconds)
