公开(公告)号：CN119598136A

公开(公告)日：2025-03-11

申请号：CN202510142637.2

申请日：2025-02-10

Applicant: 安徽大学

Inventor： 胡世昂 ,  黄霄龙 ,  盛孝亮 ,  吕钊 ,  吴小培 ,  李平 ,  李心慧

IPC: G06F18/20 ,  A61B5/369 ,  A61B5/00 ,  G06F18/10 ,  G06F18/27 ,  G06N3/09

Abstract: 本发明公开了一种脑电多指标网络规范化建模方法，包括以下步骤：S1：采用基于大规模全生命周期多国家脑电交叉谱数据集作为原始脑电数据，计算原始脑电数据的交叉谱矩阵，并对原始脑电交叉谱矩阵进行预处理；S2：利用预处理后的原始脑电交叉谱矩阵构建加权无向网络，作为脑功能网络；S3：计算所述脑功能网络的脑网络功能整合、功能分离及中心性三个维度的网络特征，并建立所述网络特征的演化轨迹；S4：设计一个具有可解释性的轻量级神经网络回归模型，对脑功能网络的上三角元素进行重构得到完整的脑功能网络，即此年龄对应的规范化脑功能网络。还公开了一种脑电多指标网络规范化建模系统。本发明能更准确地反映脑功能网络的原理。

公开(公告)号：CN118916788B

公开(公告)日：2024-12-10

申请号：CN202411405827.0

申请日：2024-10-10

Applicant: 安徽大学

Inventor： 占黄涛 ,  马计生 ,  宋逊 ,  李心慧 ,  吕钊 ,  李平 ,  张磊

IPC: G06F18/2415 ,  G06F18/214

Abstract: 本发明公开了一种跨被试小样本学习的运动想象识别方法，其特征在于，包括以下步骤：S1：获取多个受试者的脑电信号，划分为训练集和目标域数据并进行数据预处理；S2：将训练集和目标域数据合称为支持集，对训练集和支持集使用数据增强技术生成混合集；S3:通过预训练阶段利用大量标注数据训练初始模型；S4：利用混合集和支持集通过双重损失函数对所述预训练模型进行微调；S5：通过迭代训练使总损失函数值收敛，得到一个针对目标受试者准确率高的运动想象跨被试识别模型。还公开了一种跨被试小样本学习的运动想象识别系统。本发明通过生成具有代表性的合成数据，结合目标域数据进行训练，能够显著提升运动想象跨被试的分类准确率。

公开(公告)号：CN118709069A

公开(公告)日：2024-09-27

申请号：CN202410702331.3

申请日：2024-06-02

Applicant: 安徽大学

Inventor： 范存航 ,  杨帆 ,  吕钊 ,  李平 ,  裴胜兵 ,  李心慧

IPC: G06F18/2415 ,  A61B5/369 ,  A61B5/00 ,  G06F18/2431 ,  G06F18/213 ,  G06F18/214 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/096

Abstract: 本发明公开了一种联合全域和子域适应的多尺度运动想象跨被试识别方法和系统，方法包括：将多个受试者的脑电信号划分为源域与目标域数据并预处理；采用多尺度特征提取单元获取时空特征；引入全局域分类器训练域判别，对齐边缘分布；引入子域域分类器学习局部域迁移，对齐条件分布；利用经过两次对齐后的时空特征训练深层分类器；通过迭代训练使得总损失函数值收敛得到运动想象跨被试识别模型。本发明结合了多尺度卷积层来捕获时空结构信息，全局域分类器来减少跨域的边缘分布偏移，以及子域域分类器来对齐相关子域在源域和目标域的条件分布偏移，通过捕获细粒度信息来扩展域适应网络能力，能够显著提高运动想象识别技术的准确率。

公开(公告)号：CN118550404A

公开(公告)日：2024-08-27

申请号：CN202410477332.2

申请日：2024-04-19

Applicant: 安徽大学

Inventor： 胡世昂 ,  吴焕深 ,  刘春阳 ,  吕钊 ,  李平 ,  杨璟文 ,  管玮杰

IPC: G06F3/01 ,  A61B5/374 ,  A61B5/375 ,  A61B5/291 ,  A61B5/256 ,  A61B5/16 ,  A61B5/00 ,  G16H20/70 ,  G06F18/213 ,  G06N3/04 ,  G06N3/092

Abstract: 本发明公开了一种基于视觉P300范式和强化学习的神经反馈训练系统，包括：脑电信号采集模块，将脑电帽和放大器佩戴在被试头上，采集被试在P300‑单词拼写范式下的脑电信号；频谱分析及特征提取模块，将采集到的脑电信号经过预处理后，提取P300信号；强化学习生成刺激参数模块，用于将采集得到的P300幅值数据以及单词拼写正确率作为参数输入至强化学习Q‑Learning模型中，产生出下一轮刺激的最佳参数；反馈可视化模块，用于将P300‑单词拼写任务以字符展示界面呈现于被试者前方，并将反馈参数即单词拼写器闪烁频率作为单词的闪烁频率，经过多轮训练，与传统反馈相比，被试的专注度得到显著提升，且达到目标专注度的时间大幅降低。

公开(公告)号：CN117992909A

公开(公告)日：2024-05-07

申请号：CN202410124705.8

申请日：2024-01-29

Applicant: 安徽大学

Inventor： 范存航 ,  张宏玉 ,  倪钦科 ,  吕钊 ,  裴胜兵 ,  李平

IPC: G06F18/25 ,  A61B5/369 ,  A61B3/024 ,  G06F18/213 ,  G06V40/16 ,  G06V10/44 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本申请涉及一种视听场景下的听觉注意解码方法、装置和助听系统，其中，该目标说话者定位方法包括；实时获取听者的脑电信号和视野图像；其中，所述脑电信号通过佩戴于听者头部的脑电信号采集设备采集得到，所述视野图像通过与听者头部同步运动的图像采集设备采集得到；将所述脑电信号和所述视野图像输入基于机器学习的听觉注意解码模型，通过所述听觉注意解码模型得到目标说话者的空间方位。本发明充分考虑了实际场景中可用于定位目标说话者的信息，进而能够更加准确地锁定目标说话者的空间方位，改进了现有的听觉注意解码算法，可以更加充分地注意目标说话者的声音，解决了目前的听觉注意解码算法对目标声源的定位准确性较低的问题。

公开(公告)号：CN116894206A

公开(公告)日：2023-10-17

申请号：CN202310616845.2

申请日：2023-05-29

Applicant: 安徽大学

Inventor： 吕钊 ,  滕维 ,  吴敏超 ,  范存航 ,  裴胜兵 ,  李平

IPC: G06F18/241 ,  G06F16/21 ,  G06F16/28 ,  G06F18/25

Abstract: 本发明公开了一种基于视频‑气味联合诱发的多模态情感识别方法，包括以下步骤：受试者观看情感状态为积极、中性、消极的视频材料，同时结合同性质的气味作为视频和气味混合刺激；采集受试者在纯视频刺激和视频气味混合刺激两种刺激模式下的EEG信号和EOG信号，建立一个多刺激诱发的多模态情感数据库；数据预处理；对预处理之后的EEG信号和EOG信号提取各自的情感特征；将提取的情感特征采用基于联合训练的混合融合策略进行分类学习和训练，获得最终预测的情感类别。还公开了一种基于视频‑气味联合诱发的多模态情感识别系统。本发明填补了视频‑气味诱发的EEG和EOG信号数据库的空白。

公开(公告)号：CN115935671B

公开(公告)日：2023-08-18

申请号：CN202211635892.3

申请日：2022-12-20

Applicant: 安徽大学 ,  安徽芯瑞达科技股份有限公司

Inventor： 牛凯坤 ,  张继瑞 ,  李平 ,  任信钢 ,  谢国大 ,  黄志祥 ,  杨利霞 ,  彭友 ,  陈建新 ,  肖峰

IPC: G06F30/20 ,  G06F111/10

Abstract: 本发明涉及一种区域分解电磁仿真方法及系统，首先对天线结构模块进行区域划分，得到多个子域，其中每一子域对应一待仿真阵列天线中的结构体；针对每一所述子域，利用四面体网络对所述子域进行剖分，得到多个四面体；针对每一所述四面体，根据所述四面体的顶点位置以及边长度，获得所述四面体每一条边的矢量基函数；针对每一条所述边，利用所述边对应的矢量基函数以及所述边所属子域的双旋度电场波动方程，计算所述边所属四面体中任意一点的电场值和磁场值。本发明对天线结构模型进行区域划分时是根据阵列天线中的结构体进行的划分，针对不同的结构体采用不同大小的四面体网格对其进行剖分，使得本发明的方案能够实现天线阵列的高效、准确仿真计算。

公开(公告)号：CN116127286A

公开(公告)日：2023-05-16

申请号：CN202310161384.4

申请日：2023-02-21

Applicant: 安徽大学

Inventor： 范存航 ,  汪锦勤 ,  吕钊 ,  吴敏超 ,  裴胜兵 ,  李平

IPC: G06F18/10 ,  G06F18/24 ,  G06N3/0464 ,  G06N3/08 ,  A61B5/16 ,  A61B5/369 ,  A61B5/00

Abstract: 本发明公开了一种基于轻量级残差卷积胶囊网络的脑电情感识别检测方法，其特征在于，包括以下步骤：S1：提取脑电信号的原始波形并进行数据预处理；S2：采用基于残差卷积网络的特征提取器对特征的通道之间的相互依赖性建模，自动提取深层情绪特征；S3：采用卷积胶囊层将特征数据转换为原始胶囊，其长度和方向反映了与之相关的深层特征的存在性和特征；S4：采用情绪胶囊层作为分类器，利用权重矩阵捕获局部特征之间的位置关系，根据胶囊输出向量的长度表示该特征在当前胶囊层中出现的概率，获得相对应的预测结果。还公开了一种基于轻量级残差卷积胶囊网络的脑电情感识别检测系统。本发明能够显著提高情感识别水平检测的准确率。

公开(公告)号：CN109948293B

公开(公告)日：2022-10-11

申请号：CN201910259369.7

申请日：2019-04-02

Applicant: 安徽大学

Inventor： 牛凯坤 ,  黄志祥 ,  任信钢 ,  李平 ,  方明 ,  杨利霞 ,  况晓静 ,  朱浩然

IPC: G06F30/23

Abstract: 本发明涉及一种随机混合显隐式时域有限差分方法，该方法：定义随机电磁参数，根据实验数据确定其均值、标准差的统计规律；对麦克斯韦方程进行线性期望运算，得到电场和磁场期望的迭代求解公式；对麦克斯韦方程进行方差运算，得到电场和磁场方差的迭代求解公式；输入随机电磁参数的均值和标准差，迭代求解麦克斯韦方程中电场和磁场的期望和标准差；对电场和磁场的期望和方差等电磁响应进行后处理，得到宽带的电磁散射特性。本发明仅需要一次运算即可获得目标宽频带的电磁散射特性，极大地节约了计算时间；在处理空间分辨率具有高对比度的材料时具有较大的优势和更高的计算效率；本发明在具有较高计算效率的同时，亦保证了计算的精度。

公开(公告)号：CN115054272B

公开(公告)日：2025-01-07

申请号：CN202210893898.4

申请日：2022-07-27

Applicant: 安徽大学

Inventor： 吕钊 ,  杨小可 ,  范存航 ,  王华彬 ,  裴胜兵 ,  李平 ,  周健

IPC: A61B5/369 ,  G06F18/213 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种面向运动障碍功能重塑的脑电信号识别方法及系统。识别方法包括以下步骤：S1：设置采样周期，获取多个脑电信号；S2：对脑电信号预处理并提取训练集；S3：将训练集中的脑电信号分为不重叠的时间窗口，计算每个时间窗口的皮尔逊系数，获取时域脑功能连接；S4：根据时域脑功能连接和空间域信息建立脑部生物拓扑模型；S5：提取特定频段范围内的初始特征，校准后训练集上的特征作为输入特征；S6：根据输入特征和脑部生物拓扑模型构造可学习图卷积神经网络模型，输出预测标签。本发明通过充分融合时‑频‑空域的脑电信息，学习更具有鉴别性的运动想象特征，使得模型在训练过程中合理优化电极关系，提高了脑电信号识别的准确率。