公开(公告)号：CN111326252A

公开(公告)日：2020-06-23

申请号：CN202010099618.3

申请日：2020-02-18

Applicant: 杭州电子科技大学

Inventor： 高云园 ,  黄威 ,  王宗印 ,  刘宏明 ,  孟明 ,  马玉良

IPC: G16H50/20 ,  G06K9/62 ,  A61B5/0488 ,  A61B5/04 ,  A61B5/00

Abstract: 本发明提出了一种基于肌间协同和肌间耦合运动功能分析方法；本发明采集了三维空间力的产生维持过程中，8通道表面肌电信号，首先利用非负矩阵分解算法提取肌肉的运动模块和激活系数；然后利用一致性分析方法计算协同肌肉对和非协同肌肉对八个象限的肌间相干性。最后利用显著性面积指标对比中风病人和正常人之间肌肉耦合关系的差异。本发明通过对多通道肌间协同-耦合分析，体现了中枢神经系统对三维力的产生的控制模式，为运动功能障碍的诊断和康复效果的评价提供依据。

公开(公告)号：CN113598792A

公开(公告)日：2021-11-05

申请号：CN202110890952.5

申请日：2021-08-04

Applicant: 杭州电子科技大学

Inventor： 刘宏明 ,  高云园 ,  王宗印 ,  孟明 ,  张卷卷

IPC: A61B5/369 ,  A61B5/374 ,  A61B5/00

Abstract: 本发明公开了一种基于有监督特征融合算法的癫痫脑电分类方法。本发明首先从脑电片段中提取功率谱密度和频率切片小波变换的波动指数作为特征。接下来，利用监督的局部保持典型相关分析算法，通过最大化类中成对样本与其邻居之间的权重相关性来获得最佳投影方向，而原始特征在最佳投影方向上的投影组合就是融合特征。然后将融合特征输入到最小二乘支持向量机进行训练和测试。该方法在波恩数据集和CHB‑MIT数据集上得到了验证，得到了很好的结果。此外，还讨论了监督的局部保持典型相关分析算法的参数灵敏度以及融合特征的维数与分类结果的关系，进一步验证了该方法的稳定性和有效性。

公开(公告)号：CN113598792B

公开(公告)日：2024-01-30

申请号：CN202110890952.5

申请日：2021-08-04

Applicant: 杭州电子科技大学

Inventor： 刘宏明 ,  高云园 ,  王宗印 ,  孟明 ,  张卷卷

IPC: A61B5/369 ,  A61B5/374 ,  A61B5/00

Abstract: 本发明公开了一种基于有监督特征融合算法的癫痫脑电分类方法。本发明首先从脑电片段中提取功率谱密度和频率切片小波变换的波动指数作为特征。接下来，利用监督的局部保持典型相关分析算法，通过最大化类中成对样本与其邻居之间的权重相关性来获得最佳投影方向，而原始特征在最佳投影方向上的投影组合就是融合特征。然后将融合特征输入到最小二乘支持向量机进行训练和测试。该方法在波恩数据集和CHB‑MIT数据集上得到了验证，得到了很好的结果。此外，还讨论了监督的局部保持典型相关分析算法的参数灵敏度以及融合特征的维数与分类结果的关系，进一步验证了该方法的稳定性和有效性。