公开(公告)号：CN111789592B

公开(公告)日：2022-04-05

申请号：CN202010620170.5

申请日：2020-06-30

Applicant: 杭州电子科技大学

Inventor： 刘阳 ,  丁吉 ,  谢翠 ,  张启忠 ,  高云园 ,  席旭刚

IPC: A61B5/377 ,  A61B5/372 ,  A61B5/291 ,  A61B5/265

Abstract: 本发明公开了一种基于拓扑特征融合的脑电识别方法，本发明为了提高手部动作分类的性能，采用了一种LBELM和基于似然同步分析方法量化脑功能网络的新方法。与传统思想不同，本发明对二值FBN提取了两种最优的拓扑特征，并通过LBELM对两种最优的拓扑特征进行LBELM特征空间层的融合；同时本发明对LBELM做出了进一步的改进，增加了隐藏层参数优化以获得更高、更稳定的识别效果；使用了基于MSEPRESS的留一法优化算法，以获得最优的正则化系数和融合比例。

公开(公告)号：CN111870241B

公开(公告)日：2022-05-17

申请号：CN202010637325.6

申请日：2020-07-03

Applicant: 杭州电子科技大学

Inventor： 丁吉 ,  刘阳 ,  汪茜 ,  张启忠 ,  高云园 ,  席旭刚

IPC: A61B5/369 ,  A61B5/372 ,  A61B5/00

Abstract: 本发明公开了一种基于优化的多维样本熵的癫痫发作信号检测方法。在这项研究中，本发明采用多维样本熵作为特征来区分癫痫发作状态和正常状态，并对其进行了优化，提高了计算效率。此外，通过结合多维样本熵征提取和Bi‑LSTM，开发了一种新的预测方法来预测癫痫发作。结果表明，该方法取得了良好的表现，可预测5分钟后脑电的多维样本熵，准确率高达80.09％，误报率为0.26/h。本研究的结果表明，所提出的预测方案更适合于实际癫痫发作预测。

公开(公告)号：CN111789592A

公开(公告)日：2020-10-20

申请号：CN202010620170.5

申请日：2020-06-30

Applicant: 杭州电子科技大学

Inventor： 刘阳 ,  丁吉 ,  谢翠 ,  张启忠 ,  高云园 ,  席旭刚

IPC: A61B5/0484 ,  A61B5/0478

Abstract: 本发明公开了一种基于拓扑特征融合的脑电识别方法，本发明为了提高手部动作分类的性能，采用了一种LBELM和基于似然同步分析方法量化脑功能网络的新方法。与传统思想不同，本发明对二值FBN提取了两种最优的拓扑特征，并通过LBELM对两种最优的拓扑特征进行LBELM特征空间层的融合；同时本发明对LBELM做出了进一步的改进，增加了隐藏层参数优化以获得更高、更稳定的识别效果；使用了基于MSEPRESS的留一法优化算法，以获得最优的正则化系数和融合比例。

公开(公告)号：CN111870241A

公开(公告)日：2020-11-03

申请号：CN202010637325.6

申请日：2020-07-03

Applicant: 杭州电子科技大学

Inventor： 丁吉 ,  刘阳 ,  汪茜 ,  张启忠 ,  高云园 ,  席旭刚

IPC: A61B5/0476 ,  A61B5/00

Abstract: 本发明公开了一种基于优化的多维样本熵的癫痫发作信号检测方法。在这项研究中，本发明采用多维样本熵作为特征来区分癫痫发作状态和正常状态，并对其进行了优化，提高了计算效率。此外，通过结合多维样本熵征提取和Bi-LSTM，开发了一种新的预测方法来预测癫痫发作。结果表明，该方法取得了良好的表现，可预测5分钟后脑电的多维样本熵，准确率高达80.09％，误报率为0.26/h。本研究的结果表明，所提出的预测方案更适合于实际癫痫发作预测。