-
公开(公告)号：CN120022005A
公开(公告)日：2025-05-23
申请号：CN202411416095.5
申请日：2024-10-11
Applicant: 电子科技大学
Abstract: 该发明公开了一种基于时间变异性网络的孤独症rTMS治疗疗效预测系统，属于脑电数据处理领域。本发明采用静息态脑电的时间变异性网络实现了自闭症患者长期rTMS干预疗效的预测。相比传统的临床评估方法，脑电可以更加客观、直接地记录到大脑神经活动的变化，从而实现稳健预测因子的挖掘。并且静息态脑电的应用，可以简化数据采集的难度，避免由主观因素等引起的行为评估误差；而基于静息态脑电的时间变异性网络分析可揭示脑网络环路在时间和空间上的复杂动态特性，进一步成功地解析出大脑如何在不同病理状态下重组。综上，本发明跳脱出了传统临床评估的框架，运用客观的脑电网络特征实现孤独症长期rTMS干预疗效的预测，对临床制定可动态调整的孤独症个性化治疗策略具有重要意义。
-
公开(公告)号：CN116503787B
公开(公告)日：2025-03-21
申请号：CN202310522398.4
申请日：2023-05-10
Applicant: 电子科技大学
IPC: G06V20/40 , G06V10/82 , G06V10/40 , G06V30/32 , G06V30/226 , G06N3/0464 , G06N3/082
Abstract: 本发明公开一种基于张量分解的轻量化脉冲神经网络的手写数字识别方法，应用于类脑智能技术领域，针对现有的脉冲神经网络的硬件资源消耗过大的问题；本发明的脉冲神经网络包括输入模块、张量化时空特征提取模块、输出模块；所述输入模块的输入信息为实时动态手写数据；所述张量化时空特征提取模块通过张量化卷积连接和张量化全连接等结构同时整合动态手写数据时间和空间方向上的信息，提取动态手写数据的时空特征；所述输出模块采用卷积、循环连接或全连接等结构将提取到的动态手写数据时空特征转换为对应任务的输出，并在完成整个数据处理后统计所有时间窗口内的结果，综合判断。
-
公开(公告)号：CN119646735A
公开(公告)日：2025-03-18
申请号：CN202411682951.1
申请日：2024-11-22
Applicant: 电子科技大学
IPC: G06F18/25 , G06F18/15 , G06F18/2134 , G06F18/23213 , G06F18/22 , G16H50/70 , A61B5/369 , A61B5/145 , A61B5/055 , A61B5/00 , A61B34/10
Abstract: 本发明公开一种多模态特征联合约束全脑动力学建模与参数优化方法，应用于计算神经科学与脑科学领域。针对当前全脑动力学模型在同步拟合跨时空尺度的多模态头皮EEG信号和皮层、皮层下BOLD信号方面存在的不足，限制了模型全面准确地表征大脑活动在不同尺度上真实动态特性的能力；为克服这一短板，本发明基于全脑动力学模型和参数空间快速优化方法，加入多模态特征联合约束这一核心要素，设计了一种针对多模态特征联合约束全脑动力学模型的建模方法与参数快速优化策略；通过运用高维参数快速优化算法，进一步提升了全脑动力学模型在同步拟合大脑多模态时空特征信号的能力；这对于发展更具生物合理性和可解释性的全脑动力学模型建模方法和参数优化体系具有重要意义与参考价值。
-
公开(公告)号：CN119601250A
公开(公告)日：2025-03-11
申请号：CN202411786816.1
申请日：2024-12-06
Applicant: 电子科技大学
IPC: G16H50/70 , G06F18/2321 , G06F18/213 , G06F17/11 , G06F17/16 , A61B5/055 , A61B5/145 , A61B5/00
Abstract: 基于功能连接和随机过程模型的亚状态空间估计方法，包括以下步骤：S1、构建随机过程模型，包括输入模块、随机过程模块、输出模块；输入模块接收功能连接数据，随机过程模块采用OU模型，输出模块输出多维OU序列；S2、通过BOLD数据计算功能连接矩阵作为输入模块的输入；S3、将功能连接矩阵送入随机过程模块，通过输出模块输出随机过程序列；S4、通过随机过程序列计算动态功能连接；S5、基于步骤S4，估计大脑亚状态空间，得到亚状态概率与状态转移矩阵。本发明相较于现有完全基于数据的亚状态空间的计算方法，具有更强的鲁棒性和适应性，有助于揭示功能连接与亚状态空间之间的深层联系，为大脑亚状态的研究提供了更高效的技术支持。
-
公开(公告)号：CN114510966B
公开(公告)日：2023-04-28
申请号：CN202210040667.9
申请日：2022-01-14
Applicant: 电子科技大学
IPC: G06F18/213 , G06F18/25 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于图神经网络的端到端大脑因果网络构建方法，属于脑电信息处理领域。本发明设计了一个邻近k层特征融合的多层感知机用于多维特征提取，并进一步设计图神经网络用于大脑因果关系的直接挖掘。随后利用向量自回归模型得到具有真实脑电信号特性的多元序列及其因果监督性信息，以监督性方法训练神经网络模型。基于训练好的神经网络模型，可实现对脑电数据的因果关系的挖掘和因果网络构建。与传统方法的代表性方法格兰杰因果分析对比研究证明，本发明在低信噪比条件下捕捉因果网络拓扑结构和因果关系强弱作用方面具有显著的优势。本发明为突破传统模型驱动假设约束，以数据驱动的方式直接挖掘深度大脑因果网络机制方面提供了新的视角。
-
Patent Agency Ranking
公开(公告)号：CN114154543B
公开(公告)日：2023-04-28
申请号：CN202111473700.9
申请日：2021-11-30
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于因果特征的人体上肢运动神经行为辨识模型构建方法,包括以下步骤：S1.对人脑表皮和左右臂肱二头肌电生理信号进行同步采集，进行滤波去噪和裁剪后得到原始样本集合ΓN；S2.获得脑肌任务态样本集和S3.获得脑肌静息态样本集S4.分割样本组，计算各个样本组对应的绝对因果强度矩阵；S5.获取具备显著性差异的脑电通道，作为主要脑电通道；S6.获取训练样本，并形成训练样本集；S7.构建人体上肢运动神经行为辨识的分类器模型，利用训练样本集对分类器模型进行训练，得到能够进行上肢运动神经行为辨识的分类器模型。本发明能够得到辨识上肢运动神经行为的分类器模型，为基于因果特征的人体上肢运动神经行为辨识提供了支撑。
-
公开(公告)号：CN115424351A
公开(公告)日：2022-12-02
申请号：CN202211084526.3
申请日：2022-09-06
Applicant: 电子科技大学
Abstract: 本发明公开一种基于时空融合注意力脉冲神经网络的动态图像识别方法，应用于动态图像识别领域，针对现有技术面对具有时间信息的动态数据时，没有办法处理动态数据在时间方向传递的具有时空特性的噪声和干扰的问题；本发明借鉴生物的预测性特征重映射理论，将提取到的时空特征通过注意力模块转换为时空注意力张量，通过膜电位继承过程中在时间方向调整下一时刻的时空特征图；本发明能够在小参数量的网络结构下，高效的生成时空注意力张量，改善了脉冲神经网络在时空动态图像识别中难以提取时空特征的难题，在引导特征提取的同时，减弱了沿时间方向的噪声干扰，使得脉冲神经网络高效地识别时空图像。
-
公开(公告)号：CN115282475A
公开(公告)日：2022-11-04
申请号：CN202210798006.2
申请日：2022-07-06
Applicant: 电子科技大学
Abstract: 本发明公开了一种经颅直流电刺激的电流强度动态调节系统，包括：在封装内部的微控处理器、恒流源模块、电流检测模块、过流保护电路、升压电路、供电模块，在封装外接触屏控制面板、系统电源开关、刺激电极插孔、电池充电口。在此系统中通过电流检测模块将实时电流强度转化成模拟电压信号，并反馈给微控处理器，由微控处理器内部通过模数转化器将模拟信号采集成数字信号，再通过PID‑VI(Proportional‑Integral‑Derivative Value Iteration)算法程序，将刺激电流强度实际值与期望值相比较，并以此误差来纠正和整定控制恒流源的输出电流大小，使得实际值与预期理想值逼近。通过实时检测，及时反馈，不断修正，快速迭代使得实际值逼近并稳定在理想值附近。
-
公开(公告)号：CN114510966A
公开(公告)日：2022-05-17
申请号：CN202210040667.9
申请日：2022-01-14
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于图神经网络的端到端大脑因果网络构建方法，属于脑电信息处理领域。本发明设计了一个邻近k层特征融合的多层感知机用于多维特征提取，并进一步设计图神经网络用于大脑因果关系的直接挖掘。随后利用向量自回归模型得到具有真实脑电信号特性的多元序列及其因果监督性信息，以监督性方法训练神经网络模型。基于训练好的神经网络模型，可实现对脑电数据的因果关系的挖掘和因果网络构建。与传统方法的代表性方法格兰杰因果分析对比研究证明，本发明在低信噪比条件下捕捉因果网络拓扑结构和因果关系强弱作用方面具有显著的优势。本发明为突破传统模型驱动假设约束，以数据驱动的方式直接挖掘深度大脑因果网络机制方面提供了新的视角。
-
公开(公告)号：CN110866237B
公开(公告)日：2022-05-17
申请号：CN201911248949.2
申请日：2019-12-09
Applicant: 电子科技大学
Abstract: 本发明公开一种脑电的阈下姓名身份认证方法，本发明方法提出一种基于阈下姓名的范式，以提升脑电身份认证的安全性，范式以自己、熟人、陌生人和空白姓名为刺激，并测试了该方法的盲入侵、非盲入侵效果；特征选择阶段本发明提出了一种创新的特征选择方法可以有效挑选优质特征，基于瑞利熵(RQ)、低频分量(Frequency)、普适分量(Universal)(RFU)的3因子特征选择方法，最后还提出了计算量更小的警觉指数指标以预测优质电极。
-
-
-
-
-
-
-
-
-
Search Results
147
records
(took 0.029 seconds)
