-
公开(公告)号：CN110826527A
公开(公告)日：2020-02-21
申请号：CN201911141842.8
申请日：2019-11-20
Applicant: 南京邮电大学
Abstract: 本发明公开一种基于攻击性行为预测的脑电负性情绪识别方法及系统，包括对获取的样本数据进行处理和特征提取，获取初始情绪样本特征向量；样本数据包含有采用多种负性情绪刺激模式分别对健康被试者进行刺激而产生的脑电信号，以及每个脑电信号对应的负性情绪刺激模式；基于初始情绪样本特征向量训练深度神经网络，并将训练好的深度神经网络模型的中间层特征确定为优化样本特征向量；根据优化样本特征向量和初始情绪样本特征向量，训练分类器，确定负性情绪识别分类模型；对被试者的脑电信号处理，根据被试者处理后的脑电信号及负性情绪识别分类模型，识别被试者的负性情绪。本发明能够提高情绪脑电分类识别率，进而避免和预防攻击性行为的发生。
-
公开(公告)号：CN119830140A
公开(公告)日：2025-04-15
申请号：CN202510309096.8
申请日：2025-03-17
Applicant: 南京邮电大学
IPC: G06F18/2415 , G08B21/18 , G16H50/20 , G16H50/80 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/082 , G06N3/084 , G06N3/0985 , G06F18/10 , G06F18/2134 , G06F18/2413 , G06F18/2431 , A61B5/16 , A61B5/374 , A61B5/00
Abstract: 本发明公开了基于脑机接口技术的抑郁情绪状态分级预警方法及系统，首先进行信号采集与预处理，即通过本地存储或用户上传接口获取EEG信号数据，对原始EEG信号依次进行数字滤波和标准化处理；然后进行深度学习模型训练与分析，将预处理后的EEG信号输入预训练的深度学习模型，通过多模态融合网络架构提取时空特征，输出概率分布；最后进行分级预警：根据模型输出的最高概率类别判定当前情绪状态，结合历史数据分析生成趋势预警。本发明通过多模块协同设计、深度学习算法应用以及脑机接口技术的引入，在抑郁症诊断的精度、效率、安全性和个性化干预的方面取得了显著的有益效果，具有广泛的应用前景和社会价值。
-
公开(公告)号：CN117092829A
公开(公告)日：2023-11-21
申请号：CN202310570803.X
申请日：2023-05-19
Applicant: 南京邮电大学
Abstract: 本发明公开了一种紧凑型二维高分辨率编码孔径成像方法，包括：根据焦平面阵列规模和期望的高分辨率图像的压缩倍率，设计编码掩模板；构建编码孔径成像模型；光源发出的光经过场景，经过反射或透镜之后由物镜聚焦到所述编码掩膜板，焦平面阵列采集经过编码掩膜板调制过的图像，并传输到重建计算单元，通过重建计算单元对采集到的编码图像重建过后获得高分辨率图像；本发明在图像传感器器件表面集成编码掩膜版，构建二维高分辨率图像到三维低分辨率图像的映射模型，基于该模型，通过对低分辨率混叠图像的重建解码，得到高质量的二维高分辨率图像；具备结构紧凑、重建质量高、泛化性好等特点，可以用于红外成像，微光夜视成像以及遥感成像中。
-
公开(公告)号：CN115227243A
公开(公告)日：2022-10-25
申请号：CN202210842786.6
申请日：2022-07-18
Applicant: 南京邮电大学
Abstract: 本发明提供了一种判别脑疲劳及情绪的自动检索背景音乐BCI系统，所述系统包括脑电信号采集设备、移动端和服务端；所述脑电信号采集设备，采集大脑中微弱的脑电信号；所述移动端，接收脑电信号分析数据，通过监测用户的脑电信号，得到实时专注度；所述服务端，完成基于脑电数据的精神疲劳分析和情绪状态识别，并将结果返回到移动端显示。本发明实现了针对用户不同状态匹配适宜背景音乐的功能，用于背景音乐刺激下的线上办公学习场景，用户仅需拥有一部手机和TGAM脑电采集设备即可实现以上功能，有针对性且个性化的特点，有辅助提高用户办公学习效率的意义。
-
-
-
Search Results
4
records
(took 0.015 seconds)
