-
公开(公告)号：CN117995380A
公开(公告)日：2024-05-07
申请号：CN202410036606.4
申请日：2024-01-10
Applicant: 杭州电子科技大学
IPC: G16H50/20 , A61B5/00 , A61B5/11 , A61B5/389 , A61B5/397 , G06F18/213 , G06F18/20 , G06N3/0442 , G06F18/2415
Abstract: 本发明公开了一种基于便携式设备姿态角信号的癫痫发作检测系统及方法。本发明步骤：1、对时间校准后的预标记多模态生理信号数据进行预处理；2、设定不同的信号组合方式，针对不同信号组合组建各自的特征矩阵，先对各个特征矩阵进行特征选择操作，后完成归一化操作得到特征集，再输入到机器学习中训练，之后记录各个分类器的训练结果；3、使用计算机对加速度信号、角速度信号、横滚角信号、俯仰角信号进行预处理操作，并记录不同信号在预处理步骤上所耗费的时间；4、利用特征集训练LSTM模型，通过训练好的LSTM模型设计基于LSTM的癫痫发作检测系统。本发明用姿态角信号实现癫痫的发作检测，提高了癫痫发作检测的准确率。
-
公开(公告)号：CN112464902B
公开(公告)日：2024-02-09
申请号：CN202011485932.1
申请日：2020-12-16
Applicant: 杭州电子科技大学
IPC: G06F18/2411 , G06F18/10 , G06F18/213 , G06F18/214 , G06F18/25 , G16H50/20
Abstract: 本发明公开了一种基于多通道多维特征优化的脑电眨眼伪迹检测方法，首先对多通道脑电EEG信号进行滤波处理以及类别划分；然后对处理后的多通道脑电EEG信号进行16维特征提取；针对提取到的16维特征，采用方差过滤式方法做特征选择；再通过支持向量机算法构建针对眨眼伪迹和非眨眼伪迹样本数据集的伪迹检测模型；最后通过建立的伪迹检测模型进行脑电眨眼伪迹检测。本发明既可以克服临床脑电EEG信号多通道数据损坏问题，又可以解决现有模型复杂性高实时性低的问题，还能够实现眨眼伪迹的精准自动化检测。
-
公开(公告)号：CN115633938A
公开(公告)日：2023-01-24
申请号：CN202211162253.X
申请日：2022-09-23
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种多任务深度网络的癫痫综合征脑电分析方法。本发明包括如下步骤：步骤1、对原始采集的脑电信号数据进行切分，切割发作期脑电信号和发作间期脑电信号，并为它们打上标签，已备后续神经网络训练；步骤2、对原始采集的脑电信号进行预处理；步骤3、对预处理后的脑电信号每4s一段采用STFT提取时频特征图，最终将21通道提取的时频特征图组合成21*32*32的3D特征；步骤4、得到的3D特征和预处理后的脑电信号作为输入传入多任务深度神经网络进行训练。本发明相比于单任务(癫痫综合征分类或癫痫时期分类)能够获得更高的分类准确率。本发明的多任务双流融合模型的每一任务分类准确率都有提高，实现了对儿童癫痫综合征及癫痫时期的精确分类。
-
公开(公告)号：CN115486858A
公开(公告)日：2022-12-20
申请号：CN202211162255.9
申请日：2022-09-23
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种多分类器融合的自适应脑区脑电伪迹检测方法。本发明步骤：1、对多通道的脑电EEG信号进行滤波和多类伪迹类别划分；2、针对得到的每类伪迹信号对应的脑部区域分析和通道关联性分析，得到每类伪迹的区域信息和通道信息；3、对每类伪迹的通道信息进行特征提取；4、针对区域信息和提取的特征，使用ReliefF算法和mRMR算法进行两阶段的特征选择，建立特征分组；5、使用机器学习算法结合选取的特征进行分类模型的训练；6、针对步骤5所训练得到的多个分类器进行系统搭建。本发明克服了临床上人工定位伪迹的繁琐，提高了异常信号的快速定位，解决了现有伪迹识别技术的单调性，同时可以实现对多通道脑电EEG数据进行实时的伪迹检测。
-
公开(公告)号：CN115486814A
公开(公告)日：2022-12-20
申请号：CN202211162248.9
申请日：2022-09-23
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于多模态癫痫数据智能融合分析与处理方法。本发明步骤：1、对多模态数据与脑电数据进行对标，检索多模态数据缺失值进行插值，对多模态数据进行预处理；2、对多模态信号总共8通道，分别以5s步长和0重复率的滑动窗口分割样本，再将所有样本计算时域、频域、以及非线性特征；然后通过T检验以及方差检验筛选出差异特征，最后使用mRMR来实现最优多模态特征组合；3、将得到不同模态信号的最优特征组合，排列组合后放置于不同的分类器，通过改变分类器不同的核函数得到癫痫发作的分类结果。本发明能够实现对多模态癫痫数据进行智能融合分析，对各模态数据进行优化组合，以及筛选不同域的特征，从而达到了更好的癫痫检测效果。
-
Patent Agency Ranking
公开(公告)号：CN114224363A
公开(公告)日：2022-03-25
申请号：CN202210087829.4
申请日：2022-01-25
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于双流3D深度神经网络的儿童癫痫综合征辅助分析方法。首先对脑电数据进行预处理，然后将经过预处理的脑电数据，分别转换为双极纵向导联EEG数据和平均参考导联EEG数据；再提取时频特征和频空特征；最后将得到的时频、频空特征图片传入双流3D卷积神经网络中，通过双流3D卷积神经网络中的注意力机制模块将提取不同通道间的信息，最终把时频输入流和频空输入流的softmax概率输出进行平均加权得到相应儿童癫痫综合征类别。本发明能够获得较高的分类准确率，实现对儿童癫痫综合征的精确分类。
-
公开(公告)号：CN119326376A
公开(公告)日：2025-01-21
申请号：CN202411384355.5
申请日：2024-09-30
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于心电和确定学习的癫痫发作前期预测方法及系统，本发明步骤：1.对癫痫发作前期的心电数据进行预处理操作，并分为三个正常组和一个征兆组；2.针对不同组的原始心电信号，采用离散高增益观测器获取心电状态，并依据确定学习理论构建神经网络，提取心电的动力学模式，保存形成规范化的初始模式库；3.基于动态估计器设计特定的判断规则和突变提示信号，用于比较原始心电信号的心电状态和模式库里不同心电状态模式的差异，并输出点对点信号变化图，再建立突变提示信号的检验；4.对不同组里的模式进行组合实验，分析并可视化不同模式选取的结果差异。本发明很好地刻画癫痫发作前心电信号的变化，能获得突变的精确时间节点。
-
公开(公告)号：CN114305451B
公开(公告)日：2024-04-23
申请号：CN202210094726.0
申请日：2022-01-26
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种熵稳定性判据的儿童脑电功能连接图谱构建方法。首先进行数据预处理，然后进行功能连接网络构建，最后进行网络特征提取与分析。本发明采用随机网络和香农熵度量的结合方法搜寻最优阈值，基于该方法构建的二值网络相比其他方式构建的二值网络具有更强的组内网络稳定性，即网络的个性化连接部分更少，且更突出其年龄特征。分别提取了个体水平以及年龄组水平功能连接的图论特征，包括功能分离，功能整合，网络中心性度量分析功能连接随年龄增长的变化规律以及特定年龄阶段的功能连接模式的特性。其中，功能连接的变化趋势与医学常识相符，这验证了功能连接构建方法的合理性。
-
公开(公告)号：CN113662558B
公开(公告)日：2024-01-30
申请号：CN202110955257.2
申请日：2021-08-19
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种区分脑电眨眼伪迹与额极痫样放电的智能分类方法，首先对脑电EEG信号进行滤波处理与信号切割；然后对处理后的脑电EEG信号进行平滑非线性能量算子(SNEO)信号变换与变分模态提取(VME)信号变换得到SNEO数据集和VME数据集；然后对三个数据集对应的信号进行20维特征提取；再通过K‑means算法进行二分类无监督聚类，构建无监督分类模型；最后通过建立的无监督分类模型实现眨眼伪迹与痫样放电信号的分类。本发明既克服包含痫样放电信号背景下眨眼伪迹检测精度低的困难，又可以解决现有模型忽略痫样放电的问题，还能够实现眨眼伪迹与额极痫样放电的精准自动化分类。
-
公开(公告)号：CN117297548A
公开(公告)日：2023-12-29
申请号：CN202311342552.6
申请日：2023-10-17
Applicant: 杭州电子科技大学
IPC: A61B5/00 , A61B5/369 , A61B5/372 , G06F18/214 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于AE异常检测和频带选择的局灶性癫痫发作检测系统。首先对输入18个通道的原始脑电信号进行滤波、阈值初筛预处理操作，分割后得到1s时长的脑电信号片段；通过采用小波包分解得到5个子频带信号。提取5个子频带波形的11维特征，采用单因素方差分析从5个子频带中选择感兴趣的频带。仅使用特定频带的发作间期数据训练卷积自编码器AE，编码器对信号进行编码、解码重构出原始信号；根据重构误差计算相应的异常分数，区分发作期样本与间期样本。从通道角度刻画局灶性癫痫发作起始异常的通道。本发明通过小波包分解与频带的选择，结合AE异常检测算法，达到癫痫发作检测效果，同时能够对局灶性癫痫发作过程起始异常通道的检测。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.024 seconds)
