-
公开(公告)号：CN117243614A
公开(公告)日：2023-12-19
申请号：CN202311423315.2
申请日：2023-10-30
Applicant: 重庆邮电大学
Abstract: 本发明属于生物医学成像领域，具体涉及一种基于自编码器和空间差分稀疏约束的EEG弥散源成像方法，包括：大脑建模，导联矩阵计算，利用区域生长法生成仿真脑源信号；将仿真脑源信号作为所构建自编码器的输入，通过自编码器反演皮层脑源信号，并输出重构脑电信号；计算损失函数，反向传播优化网络参数；对重构脑源信号进行可视化；本发明损失函数由三部分构成，第一部分为仿真和重构脑电数据间的均方误差，第二部分为仿真和重构脑源信号之间的均方误差和平均绝对误差，第三部分为脑源信号空间差分稀疏正则项；通过这三部分的联合优化，获得准确、鲁棒的皮层弥散源成像估计，为神经疾病诊断和脑机接口领域提供技术支持。
-
公开(公告)号：CN116172579A
公开(公告)日：2023-05-30
申请号：CN202310083372.4
申请日：2023-02-08
Applicant: 重庆邮电大学
Abstract: 本发明属于脑网络研究领域，提出了一种基于脑网络偏侧性度量的左右手运动想象分类方法。所述方法包括输入包含左右手运动想象任务的EEG脑电信号，并对EEG脑电信号进行预处理；采用多元自回归模型对预处理后的EEG脑电信号进行建模，利用贝叶斯推断得到估计的模型参数；根据估计的模型参数计算各个通道之间的虚相干性，并计算得到通道间的连接矩阵；对连接矩阵进行筛选处理，保留显著的连接边，构建出脑因果网络；分别计算脑因果网络中左右半脑中节点的节点强度之和，根据左右脑中节点强度之和的比值计算得到脑因果网络的偏侧性；根据脑因果网络的偏侧性，输出左右手运动想象分类结果。该方法可能进一步提高左右手运动想象分类效果。
-
公开(公告)号：CN115982628A
公开(公告)日：2023-04-18
申请号：CN202310091388.X
申请日：2023-02-06
Applicant: 重庆邮电大学
IPC: G06F18/24 , G06F18/213 , G06F18/241 , G06V40/10
Abstract: 本发明涉及一种基于脑网络和矩阵学习的脑电情绪识别方法，包括：获取受试者的EEG数据集，利用小波包变换将EEG数据重构后划分到N个子频带，根据每个子频带中不同大脑区域在情绪波动时的EEG重构数据，利用希尔伯特变换计算每个子频带中不同大脑区域EEG重构数据之间的锁相值，根据每个子频带中不同大脑区域EEG重构数据之间的锁相值创建每个子频带对应的脑功能连接性矩阵；采用N个分类器构建集成学习分类模型，并对集成学习分类模型进行训练；采用训练后的集成学习分类模型对N个子频带对应的大脑功能连接性矩阵对应特征集进行识别，获取分类结果，得到脑电情绪分类结果，该方法可以提取丰富的脑网络特征信息，进一步提高脑电情绪识别的准确性。
-
公开(公告)号：CN115708687A
公开(公告)日：2023-02-24
申请号：CN202211452216.2
申请日：2022-11-21
Applicant: 重庆邮电大学
IPC: A61B5/369 , A61B5/372 , A61B5/398 , A61B5/00 , G06F18/2134 , G06F18/2415 , G06F18/23 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0475 , G06N3/048 , G06N3/084 , G06N3/094
Abstract: 本发明属于脑机接口领域，具体涉及一种基于人工神经网络的刺激图像重建方法及系统，该方法包括：首先处理由脑电仪器采集得到的由视觉刺激诱发的脑电数据，并利用人工神经网络学习脑电信号中的可分类特征形成脑电特征编码；利用预训练的图像分类模型提取视觉刺激对应的图像特征编码，并通过编码信息和类别信息训练得到一个可以生成图像的生成器模型；通过训练一个神经网络构建对应类别的脑电特征分布和图像特征分布间的映射关系；通过端到端的方式构建脑电特征与图像特征的映射关系，从而实现基于脑电信号重建图像刺激的方法；本发明提高了训练的并行度，使得整个方法识别率高，训练难度小，训练速度快。
-
公开(公告)号：CN111317466A
公开(公告)日：2020-06-23
申请号：CN201910593796.9
申请日：2019-07-03
Applicant: 重庆邮电大学
IPC: A61B5/0476 , A61B5/00 , G16H30/20
Abstract: 本发明涉及信号处理技术领域，特别涉及一种脑电信号成像方法、系统以及计算机设备，所述方法包括利用基于OpenBCI的采集装置采集脑电数据信息，并记录每个采集脑电信息的电极的位置，将采集得到的脑电数据信息将脑电数据信息转换为10进制数据并保存为txt文件；对10进制的脑电数据信息进行预处理；构建OpenBCI采集装置中电极分布位置与人脑内源空间信号的关系模型；利用先验约束解空间获得人脑成像的源信号唯一解；将求解得到的源信号投影到3D大脑模型对应区域；本发明在降低装置成本的同时，极大地减小了装置本身对脑电数据的干扰，保证了脑电数据的精度。
-
Patent Agency Ranking
公开(公告)号：CN119763062A
公开(公告)日：2025-04-04
申请号：CN202411819666.X
申请日：2024-12-11
Applicant: 重庆邮电大学
IPC: G06V20/56 , G06V10/26 , G06V10/82 , G06N3/0455 , G06N3/0442 , G06N3/0464 , G06V10/62 , G06V10/28 , G06N3/0985 , G06V20/40
Abstract: 本发明属于人工智能技术领域，更具体地，涉及一种专注于可行驶区域的端到端转向角预测方法、装置及系统；所述方法包括实时采集车辆的时序图像数据；所述时序图像数据为多帧行驶图像；将所述车辆的时序图像数据输入到预先设计的图像分割网络中，输出车道区域图像；所述图像分割网络包括融合了卷积长短期记忆网络层的编码器、PAM位置注意力模块、CAM通道注意力模块和融合了卷积长短期记忆网络层的解码器；所述车道区域图像为指示车道类别和非车道类别的车道图像；将所述车道区域图像采用二进制掩码处理，提取出车辆的可行驶区域特征；将所述车辆的可行驶区域特征输入到预先设计的时序分类模块中，输出车辆的转向角预测结果。本发明能够更为准确预测出可行驶区域的转向角结果。
-
公开(公告)号：CN116035576A
公开(公告)日：2023-05-02
申请号：CN202211570940.5
申请日：2022-12-08
Applicant: 重庆邮电大学
IPC: A61B5/16 , A61B5/372 , A61B5/00 , G06F18/213 , G06F18/00 , G06N3/08 , G06N3/0464
Abstract: 本发明属于脑机接口领域，具体涉及一种基于注意力机制的抑郁症脑电信号识别方法及系统；该方法包括：获取受测者的原始脑电信号并对原始脑电信号进行预处理，得到第一脑电信号；对第一脑电信号进行去噪和平滑处理，得到第二脑电信号；采用分脑区神经网络对第二脑电信号进行处理，得到多个分脑区特征；拼接多个分脑区特征，得到全脑区特征；采用全脑区神经网络对全脑区特征进行处理，得到抑郁症脑电信号识别结果；本发明使用注意力机制加强不同脑区特征的权重占比，整体识别率高，识别效果好，可辅助医生进行抑郁症的诊断，实用性高。
-
公开(公告)号：CN114428555A
公开(公告)日：2022-05-03
申请号：CN202210213725.3
申请日：2022-03-04
Applicant: 重庆邮电大学
Abstract: 本发明属于脑机接口的运动想象领域，具体涉及一种基于皮层源信号的脑电运动意图识别方法及系统，包括结合构建的头部模型，将目标对象头皮产生的脑电信号映射到大脑皮层源信号空间；遍历与运动想象区域有关区域的源，获取所有源的幅值，采用最大幅值的0.5倍作为筛选阈值；筛选幅值不小于筛选阈值的源，称为采样源集；从采样源集中选择选定源，并利用共空间模式提取选定源的特征向量，采用特征值训练运动意图识别模型；获取待识别脑电信号的特征向量，将其输入训练好的运动意图识别模型获得对应的运动意图；本发明克服了头皮脑电信号低空间分辨率的问题，同时减少了容积导体效应带来的噪音，提高了运动想象识别准确率。
-
公开(公告)号：CN118121214A
公开(公告)日：2024-06-04
申请号：CN202410278778.2
申请日：2024-03-12
Applicant: 重庆邮电大学
IPC: A61B5/372 , A61B5/16 , G06F18/241 , G06F18/25
Abstract: 本发明属于生物医学领域，具体涉及一种基于频带划分自学习和深度典型相关性分析的脑电情绪解码方法，包括利用预训练的脑电情绪解码模型对脑电数据进行预测，脑电情绪解码模型包括频带划分模块、脑网络信息提取模块、差分熵信息提取模块、融合模块以及分类模块，预测的过程包括获取脑电数据，并对脑电数据进行预处理；通过频带划分模块对预处理后的数据进行频带划分，得到多频带的脑电数据；将多频带的脑电数据分别输入脑网络信息提取模块、差分熵信息提取模块提取得到对应的脑网络变换特征、差分熵变换特征；通过融合模块将脑网络变换特征、差分熵变换特征进行融合，得到融合特征；将融合特征输入分类模块，得到对应的情绪分类；本发明同时通过将频带划分自动化实现了使用人工选择的脑电特征进行情绪解码的端到端情绪模型。
-
公开(公告)号：CN117011411A
公开(公告)日：2023-11-07
申请号：CN202311111965.3
申请日：2023-08-31
Applicant: 重庆邮电大学
Abstract: 本发明属于脑机接口视觉图像重建领域，具体涉及一种基于解码人脑活动的深度图像重建方法及系统，方法包括用图像对检测对象进行视觉刺激并获取功能磁共振成像数据，对功能磁共振数据进行预处理得到体素数据；通过特征解码器解码体素数据，得到第一底层信息特征和第一高级语义特征；通过特征提取器获取图像的第二底层信息特征和第二高级语义特征；两个底层信息特征形成第一特征对，两个高级语义特征形成第二特征对；将第一特征对与第二特征对输入特征优化器得到最佳底层信息特征和最佳高级语义特征；融合最佳底层信息特征和最佳高级语义特征并输入复合生成器得到重建图像；本发明提出的方法提高了对整体特征的优化效果从而提高图像的重建质量。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.021 seconds)
