-
公开(公告)号：CN114224344A
公开(公告)日：2022-03-25
申请号：CN202111664458.3
申请日：2021-12-31
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于EEG与迁移学习的疲劳状态实时检测系统。本发明包括信号采集模块、WPF可视化模块以及远程计算模块。信号采集模块通过开源软件Openvibe连接脑电帽采集设备获得原始脑电信号，并通过VRPN通信协议与WPF可视化模块相连；WPF可视化模块与远程计算模块通过WebSocket通信协议相连。信号采集模块将采集到的被试的实时EEG信号进行通道筛选然后发送给WPF可视化模块，WPF可视化模块作为中间媒介将获得的脑电信号分段后传送给远程计算模块。远程计算模块获得对应被试的脑电数据后会训练生成相匹配的判别网络模型，该模型将判断回馈给WPF可视化模块进行数据可视化以及疲劳状态预警。本发明使用方便、快速准确，便于进行疲劳状态的实时检测，并对其进行疲劳预警。
-
公开(公告)号：CN113842151B
公开(公告)日：2024-01-05
申请号：CN202111160386.9
申请日：2021-09-30
Applicant: 杭州电子科技大学
Abstract: 本发明提出一种基于高效多源胶囊网络的跨被试EEG认知状态检测方法。本发明通过将目标域和多源域的特征分布对齐，以实现域间特征的有效迁移。将EEG数据构建成多通道一维结构，提高了训练效率，同时提高模型性能。其次，引入自表达模块来捕捉样本之间的潜在联系，能够很好地适应不同任务下具有显著个体差异的跨被试EEG数据分析。最后提出了基于动态子胶囊的空间注意力算法来进一步学习EEG数据空间层次上的细粒度特征信息，有效刻画了EEG数据的部分间空间关系和部分‑整体层次关系。本发明有效避免了脑认知计算领域脑电信号的个体差异性问题，可适用于任何任务下基于EEG的认知状
-
公开(公告)号：CN113288147A
公开(公告)日：2021-08-24
申请号：CN202110599857.X
申请日：2021-05-31
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于EEG与神经反馈技术的轻度认知障碍康复评估系统。本发明包括Openvibe脑信号转发装置、Unity范式客户端、Web移动智能终端以及网络服务器；Openvibe脑信号转发装置通过VRPN通信协议与Unity范式客户端相连，Unity范式客户端与Web移动智能终端通过移动互联网与网络服务器相连。Openvibe脑信号转发装置将实时采集到的EEG信号发送给Unity范式客户端，Unity范式客户端分析实时数据来动态改变范式难度，同时在每一次范式结束后，将Openvibe生成的CSV格式的完整EEG信号数据上传到网络服务器进行处理并存储，处理后的分析结果反馈给Web移动智能终端进可视化显示。本发明使用方便、快速准确，便于进行轻度认知障碍患者的康复训练，并对其大脑认知功能进行综合性评估。
-
公开(公告)号：CN114224344B
公开(公告)日：2024-05-07
申请号：CN202111664458.3
申请日：2021-12-31
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于EEG与迁移学习的疲劳状态实时检测系统。本发明包括信号采集模块、WPF可视化模块以及远程计算模块。信号采集模块通过开源软件Openvibe连接脑电帽采集设备获得原始脑电信号，并通过VRPN通信协议与WPF可视化模块相连；WPF可视化模块与远程计算模块通过WebSocket通信协议相连。信号采集模块将采集到的被试的实时EEG信号进行通道筛选然后发送给WPF可视化模块，WPF可视化模块作为中间媒介将获得的脑电信号分段后传送给远程计算模块。远程计算模块获得对应被试的脑电数据后会训练生成相匹配的判别网络模型，该模型将判断回馈给WPF可视化模块进行数据可视化以及疲劳状态预警。本发明使用方便、快速准确，便于进行疲劳状态的实时检测，并对其进行疲劳预警。
-
公开(公告)号：CN113408697B
公开(公告)日：2022-09-16
申请号：CN202110599847.6
申请日：2021-05-31
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于强化学习自编码器的脑电数据重建方法。本发明采用Openvibe搭建运动想象范式平台，在被试操作游戏情况下采集获得波动态情绪下的脑电数据集和常态情绪下的控制数据集；使用自动编码器作为数据重构方法，强化学习作为重要处理方式，通过对EEG信号进行编码及学习然后对数据重建。首先获取数据并预处理；其次自编码器对数据编码；然后用强化学习得到更好的向量用于解码重建数据。与传统的机器学习、深度学习方法和基于线性全联接的变分自编码器方法相比，强化学习自编码器拥有更好的数据重建效果。
-
Patent Agency Ranking
公开(公告)号：CN113988122A
公开(公告)日：2022-01-28
申请号：CN202111212519.2
申请日：2021-10-19
Applicant: 杭州电子科技大学
IPC: G06K9/00 , G06V10/764 , G06V10/774 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度学习及图像特征的脑电数据分类方法。使用EEGnet作为特征分类的方法，图像特征学习网络作为重要处理方式，通过对EEG信号进行图像特征提取及学习,对特征进行分类。获取EEG数据并预处理；用被试观看的图片做数据预处理，并用EEGnet对图像数据做训练，得到图像特征分类器；用特征学习方法从脑电数据中得到图像特征向量；将EEG信号提取出的图像特征向量放入特征分类器中分类。在EEG数据的图像特征分类领域中，与传统的机器学习、深度学习方法相比，本发明特征提取方法拥有更好的提取效果，图像特征分类的准确率得到了显著提升。
-
公开(公告)号：CN113842151A
公开(公告)日：2021-12-28
申请号：CN202111160386.9
申请日：2021-09-30
Applicant: 杭州电子科技大学
Abstract: 本发明提出一种基于高效多源胶囊网络的跨被试EEG认知状态检测方法。本发明通过将目标域和多源域的特征分布对齐，以实现域间特征的有效迁移。将EEG数据构建成多通道一维结构，提高了训练效率，同时提高模型性能。其次，引入自表达模块来捕捉样本之间的潜在联系，能够很好地适应不同任务下具有显著个体差异的跨被试EEG数据分析。最后提出了基于动态子胶囊的空间注意力算法来进一步学习EEG数据空间层次上的细粒度特征信息，有效刻画了EEG数据的部分间空间关系和部分‑整体层次关系。本发明有效避免了脑认知计算领域脑电信号的个体差异性问题，可适用于任何任务下基于EEG的认知状态识别，具有较强的泛化能力，能够很好的适用于临床诊断和实际应用。
-
公开(公告)号：CN113408697A
公开(公告)日：2021-09-17
申请号：CN202110599847.6
申请日：2021-05-31
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于强化学习自编码器的脑电数据重建方法。本发明采用Openvibe搭建运动想象范式平台，在被试操作游戏情况下采集获得波动态情绪下的脑电数据集和常态情绪下的控制数据集；使用自动编码器作为数据重构方法，强化学习作为重要处理方式，通过对EEG信号进行编码及学习然后对数据重建。首先获取数据并预处理；其次自编码器对数据编码；然后用强化学习得到更好的向量用于解码重建数据。与传统的机器学习、深度学习方法和基于线性全联接的变分自编码器方法相比，强化学习自编码器拥有更好的数据重建效果。
-
公开(公告)号：CN113988122B
公开(公告)日：2024-11-15
申请号：CN202111212519.2
申请日：2021-10-19
Applicant: 杭州电子科技大学
IPC: G06F18/24 , G06F18/213 , G06N3/0464 , G06N3/0442
Abstract: 本发明公开了一种基于深度学习及图像特征的脑电数据分类方法。使用EEGnet作为特征分类的方法，图像特征学习网络作为重要处理方式，通过对EEG信号进行图像特征提取及学习,对特征进行分类。获取EEG数据并预处理；用被试观看的图片做数据预处理，并用EEGnet对图像数据做训练，得到图像特征分类器；用特征学习方法从脑电数据中得到图像特征向量；将EEG信号提取出的图像特征向量放入特征分类器中分类。在EEG数据的图像特征分类领域中，与传统的机器学习、深度学习方法相比，本发明特征提取方法拥有更好的提取效果，图像特征分类的准确率得到了显著提升。
-
公开(公告)号：CN113392733B
公开(公告)日：2022-06-21
申请号：CN202110601409.9
申请日：2021-05-31
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于标签对齐的多源域自适应跨被试EEG认知状态评估方法。本发明包括步骤：1：数据获取；2：数据预处理；3：基于LA‑MSDA模型的跨被试EEG认知状态评估方法。本发明采用分阶段使用共享公共特征提取器和非共享子特征提取器，进一步学习源域样本和目标域样本的被试不变特征和特定特征；其次，考虑到跨被试间的关系和相似性，提出了将局部和全局表示的域间分布进行对齐的方法，以评估跨被试的认知状态，解决了难以学习细粒度的类条件信息和适应跨被试的决策边界样本的问题。最后，本发明有效避免了脑认知计算领域脑电信号的个体差异性问题，可适用于任何任务下基于EEG的认知状态识别，泛化能力强，能够很好的适用于临床诊断和实际应用。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.021 seconds)
