-
公开(公告)号：CN116756657B
公开(公告)日：2023-11-17
申请号：CN202311031625.X
申请日：2023-08-16
Applicant: 成都信息工程大学
IPC: G06F18/2415 , G06F18/25 , G06F18/10 , G06N3/0464 , G06N3/0455 , G06N3/047 , G06N3/0499 , G06N3/048 , G06N3/084 , G06F123/02
Abstract: 本发明公开了一种基于CNN和Transformer的fNIRS脑力负荷检测方法，其包括获取fNIRS采集设备采集的原始数据，并对原始数据进行预处理得到氧合血红蛋白和脱氧血红蛋白浓度的信号#imgabs0#和#imgabs1#；对信号#imgabs2#和#imgabs3#进行一维卷积操作，并在通道维度上对卷积操作后的两个信号进行组合，得到组合信号Hb；采用卷积神经网络对组合信号Hb进行局部细粒度时间特征的提取，得到特征矩阵；采用Transformer模块对特征矩阵进行特征增强提取，得到状态特征；将状态特征输入多层感知机分类层，得到脑力负荷检测的分类结果。
-
公开(公告)号：CN117093918A
公开(公告)日：2023-11-21
申请号：CN202311347683.3
申请日：2023-10-18
Applicant: 成都信息工程大学
IPC: G06F18/241 , G06F18/214 , G06F18/15 , G06N3/045 , G06N3/08
Abstract: 本发明公开了一种基于格拉姆角和场和CBAM‑Resnet34的重叠尖锋识别方法，首先使用已有的尖锋数据来制作重叠尖锋模板训练集，接着采用格拉姆角和场方法将一维尖锋序列转换成二维图像，用于训练CBAM‑Resnet34模型。经过训练后，该模型可以准确地对重叠尖锋进行分类，不仅节省了大量时间和人力成本，而且其平均准确率达到了92.737%，超过了传统方法。结果表明该方法可以有效地区分重叠尖锋。综上所述，GASF‑CBAM‑Resnet34模型的重叠尖锋分类方法是一种有效的解决重叠尖锋问题和提高分类准确性的方法。
-
公开(公告)号：CN116756657A
公开(公告)日：2023-09-15
申请号：CN202311031625.X
申请日：2023-08-16
Applicant: 成都信息工程大学
IPC: G06F18/2415 , G06F18/25 , G06F18/10 , G06N3/0464 , G06N3/0455 , G06N3/047 , G06N3/0499 , G06N3/048 , G06N3/084 , G06F123/02
Abstract: 本发明公开了一种基于CNN和Transformer的fNIRS脑力负荷检测方法，其包括获取fNIRS采集设备采集的原始数据，并对原始数据进行预处理得到氧合血红蛋白和脱氧血红蛋白浓度的信号#imgabs0#和#imgabs1#；对信号#imgabs2#和#imgabs3#进行一维卷积操作，并在通道维度上对卷积操作后的两个信号进行组合，得到组合信号Hb；采用卷积神经网络对组合信号Hb进行局部细粒度时间特征的提取，得到特征矩阵；采用Transformer模块对特征矩阵进行特征增强提取，得到状态特征；将状态特征输入多层感知机分类层，得到脑力负荷检测的分类结果。
-
公开(公告)号：CN115146765A
公开(公告)日：2022-10-04
申请号：CN202210791342.4
申请日：2022-07-07
Applicant: 成都信息工程大学
Abstract: 本发明公开一种基于深度学习和跨步长特征提取的尖峰识别方法，应用于神经科学和生物医学信号处理领域，针对现有技术检测出来的尖峰质量较差，尖峰分类不准确的问题；本发明采用1D_CNN进行尖峰检测和基于跨步长特征提取进行尖峰分类；本发明基于1D_CNN检测出来的尖峰数据质量完全可以用于尖峰分类且本发明的尖峰分类模型的准确率也高于现有技术；本发明提出的分类模型具有很高的精度和很强的鲁棒性，检测模型和分类模型的结合，为实时检测分类多通道尖峰奠定了基础。
-
-
-
Search Results
4
records
(took 0.017 seconds)
