-
公开(公告)号：CN112244870A
公开(公告)日：2021-01-22
申请号：CN202011015319.3
申请日：2020-09-24
Applicant: 杭州电子科技大学
Abstract: 本发明公开一种基于符号化排列传递熵的癫痫脑电双向耦合分析方法。具体步骤为首先采用多尺度符号化排列传递熵的方法提取多通道癫痫脑电信号的耦合特征，并选择合适的尺度和频段构建脑电同步矩阵；其次基于显著性分析的方法筛选癫痫发作时的重要通道，进行通道间双向耦合分析；为了进一步研究整个大脑皮层区域整体的同步关系，本发明将多通道脑电信号划分为4个脑区，在δ，θ，α，β频段下使用S估计器进行多通道脑电信号同步性分析。本发明提高了癫痫脑电信号双向耦合以及同步性的特征，并做出更加科学合理的分析方法。
-
公开(公告)号：CN112244870B
公开(公告)日：2022-02-22
申请号：CN202011015319.3
申请日：2020-09-24
Applicant: 杭州电子科技大学
Abstract: 本发明公开一种基于符号化排列传递熵的癫痫脑电双向耦合分析方法。具体步骤为首先采用多尺度符号化排列传递熵的方法提取多通道癫痫脑电信号的耦合特征，并选择合适的尺度和频段构建脑电同步矩阵；其次基于显著性分析的方法筛选癫痫发作时的重要通道，进行通道间双向耦合分析；为了进一步研究整个大脑皮层区域整体的同步关系，本发明将多通道脑电信号划分为4个脑区，在δ，θ，α，β频段下使用S估计器进行多通道脑电信号同步性分析。本发明提高了癫痫脑电信号双向耦合以及同步性的特征，并做出更加科学合理的分析方法。
-
公开(公告)号：CN110960191A
公开(公告)日：2020-04-07
申请号：CN201911196895.X
申请日：2019-11-29
Applicant: 杭州电子科技大学
IPC: A61B5/00 , A61B5/0476
Abstract: 本发明公开一种基于频谱能量图的癫痫脑电信号分类方法。具体步骤为将癫痫脑电信号经过小波消噪，先进行功率谱密度分析。通过对每个通道脑电信号进行PSD分析，并绘制二维图像功率谱能量图。进行四类癫痫状态的分类分别为发作间期，发作前30分钟，发作前10分钟和发作时。本发明基于深度卷积神经网络，利用Inception-v3，提出基于深度卷积神经网络癫痫脑电信号的分类预测算法。本发明更进一步提高了癫痫脑电信号的分类准确率，增加了预测癫痫发作前的时间，能更准更快地对癫痫进行预测和分类。
-
Patent Agency Ranking
公开(公告)号：CN111080579B
公开(公告)日：2023-05-26
申请号：CN201911194448.0
申请日：2019-11-28
Applicant: 杭州电子科技大学
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/06 , G06N3/08 , G06T7/155
Abstract: 本发明公开一种基于深度学习实现图像分割和分类的骨龄评估方法。本发明包含以下步骤：1、使用数字图像处理方法对数据集进行处理，得到更高质量的样本数据；2、手动标记部分手骨图像，利用这部分图像来训练图像分割网络U‑Net，然后，使用训练好的U‑Net对数据集进行分割，得到去除背景后的数据集，并按照一定比例制作成训练集、验证集和测试集；3、利用处理好的数据集对改进的图像分类网络VGG16进行训练；4、利用测试集对训练好的模型进行测试并对结果进行评价。本发明提出的改进方法与原始骨龄评估方法相比，有效地提高了模型对手骨图像评估的准确率，同时有着更高的效率。
-
公开(公告)号：CN112244880B
公开(公告)日：2022-04-22
申请号：CN202011015337.1
申请日：2020-09-24
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于变尺度符号补偿传递熵的情绪诱导脑电信号分析方法，从研究脑通道间定向信息交互的角度出发，对脑电(EEG)信号变尺度符号化后，考虑对瞬时因果效应的补偿算法，提出了以变尺度符号化补偿传递熵为特征的情感分析方法，并使用补偿传递熵得到的因果关系构建脑网络模型，定量地揭示瞬时因果效应对情感分析的影响。本发明提出的变尺度符号化补偿传递熵所提取的特征可以有效分析情感变化时脑区之间的信息交互，为情感分析和计算提供了新的方法和思路。
-
公开(公告)号：CN111080579A
公开(公告)日：2020-04-28
申请号：CN201911194448.0
申请日：2019-11-28
Applicant: 杭州电子科技大学
Abstract: 本发明公开一种基于深度学习实现图像分割和分类的骨龄评估方法。本发明包含以下步骤：1、使用数字图像处理方法对数据集进行处理，得到更高质量的样本数据；2、手动标记部分手骨图像，利用这部分图像来训练图像分割网络U-Net，然后，使用训练好的U-Net对数据集进行分割，得到去除背景后的数据集，并按照一定比例制作成训练集、验证集和测试集；3、利用处理好的数据集对改进的图像分类网络VGG16进行训练；4、利用测试集对训练好的模型进行测试并对结果进行评价。本发明提出的改进方法与原始骨龄评估方法相比，有效地提高了模型对手骨图像评估的准确率，同时有着更高的效率。
-
公开(公告)号：CN112244880A
公开(公告)日：2021-01-22
申请号：CN202011015337.1
申请日：2020-09-24
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于变尺度符号补偿传递熵的情绪诱导脑电信号分析方法，从研究脑通道间定向信息交互的角度出发，对脑电(EEG)信号变尺度符号化后，考虑对瞬时因果效应的补偿算法，提出了以变尺度符号化补偿传递熵为特征的情感分析方法，并使用补偿传递熵得到的因果关系构建脑网络模型，定量地揭示瞬时因果效应对情感分析的影响。本发明提出的变尺度符号化补偿传递熵所提取的特征可以有效分析情感变化时脑区之间的信息交互，为情感分析和计算提供了新的方法和思路。
-
公开(公告)号：CN111184509A
公开(公告)日：2020-05-22
申请号：CN201911196894.5
申请日：2019-11-29
Applicant: 杭州电子科技大学
IPC: A61B5/0476 , A61B5/00
Abstract: 本发明公开了一种基于传递熵的情绪诱导脑电信号分类方法，首先采集在不同情绪类型的视听觉刺激时的多通道脑电信号，并对其进行预处理。然后选择Fp1，Fp2，P3，P4，C3，C4，O1，O2，F3，F4这10个通道的脑电信号使用传递熵的相关算法构建通道之间的传递熵关系矩阵图，通过方向梯度直方图对生成的传递熵矩阵关系图进行特征提取。最后使用核函数为径向基函数的支持向量机对提取的特征进行训练和分类，根据不同的情感状态对脑电信号进行分析和分类。本发明可以全面、准确、快速的反映在情绪刺激时不同通道之间的信息交互，成为之后的分类和分析的基础，减少了特征冗余，提高了分类准确率并减少分析时间。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.018 seconds)
