-
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：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：CN118000664A
公开(公告)日：2024-05-10
申请号：CN202410101569.0
申请日：2024-01-24
Applicant: 成都信息工程大学
IPC: A61B5/00 , G06F18/213 , G06F18/24 , G06F18/25 , G06N3/0464 , A61B5/369 , A61B5/372
Abstract: 本发明公开了一种基于多尺度时间残差收缩网络的睡眠分期模型构建方法，属于睡眠质量评估的技术领域，其包括将获取的EEG睡眠信号划分为EEG睡眠信号片段序列，并输入多尺度卷积模块中，提取EEG睡眠信号中的高频特征和低频特征；将提取的高频特征和低频特征输入注意力特征融合模块中进行特征融合，输出EEG睡眠信号融合特征；将EEG睡眠信号融合特征输入时间残差收缩模块中，并输出EEG睡眠信号状态特征；将EEG睡眠信号状态特征输入具有softmax激活函数的全连接层进行分类决策，得到睡眠阶段的分类结果。本发明能够优化睡眠分期性能，具有更好的分期准确性，在分类准确率等多个整体性能方面优于现有技术。
-
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 0.016 seconds)
