公开(公告)号：CN117398111A

公开(公告)日：2024-01-16

申请号：CN202311420933.1

申请日：2023-10-30

Applicant: 吉林大学

Inventor： 李玲 ,  王先硕 ,  刘旭 ,  赵彦平 ,  徐巍 ,  刘沁梅 ,  张海蓉 ,  黄玉兰

IPC: A61B5/369 ,  A61B5/372 ,  A61B5/00

Abstract: 本发明属于脑电信号分析技术领域，具体涉及一种基于多领域融合特征和深度学习的脑病检测系统；首先将同步压缩小波变换和相干函数相结合，并在时间维度进行压缩得到时间平均同步压缩小波相干；然后将MSWC和小波交叉谱求出的锁相值结合，提出了一种新的标志物P‑MSWC，并使用该标志物构建大脑高维功能连接矩阵；该标志物可以从时域‑频域‑相位三个领域全面捕获原始EEG信号种的信息并对生理噪声有较强的抗干扰能力，优于传统的功能连接标记；最后，提出一种轻量级CNN模型，该模型有效地利用了大脑的高维连接矩阵，能够更准确、更有效地检测各种脑部相关疾病。

公开(公告)号：CN117084693A

公开(公告)日：2023-11-21

申请号：CN202311280333.X

申请日：2023-10-07

Applicant: 吉林大学

Inventor： 刘旭 ,  李玲 ,  王先硕 ,  赵彦平 ,  张海蓉 ,  黄玉兰

IPC: A61B5/372 ,  A61B5/374 ,  A61B5/265 ,  A61B5/291 ,  A61B5/00

Abstract: 本发明属于脑电信号分析技术领域，具体涉及一种基于多领域特征融合和注意力机制的脑病检测系统；从三个领域，包括时域、频域和基于复杂网络指标的大脑功能网络，分别对脑电信号进行特征提取；并且构建了一个准确率高、鲁棒性强的多维特征融合网络模型检测各种脑部疾病；本发明的脑电图信号分析方法可以准确描述大脑细节特征和状态，有效度量大脑功能网络的特征指标，为脑病的智能诊断、预警提供了新方案。

公开(公告)号：CN118105032A

公开(公告)日：2024-05-31

申请号：CN202410131049.4

申请日：2024-01-30

Applicant: 吉林大学

Inventor： 赵彦平 ,  李玲 ,  张颖 ,  王海艳 ,  王先硕 ,  王波

IPC: A61B5/00 ,  A61B5/372 ,  A61B5/374 ,  A61B5/369

Abstract: 用于帕金森病检测的组合特征参数提取系统及帕金森病预测系统，本发明涉及特征参数提取系统和预测系统。本发明的目的是为了解决现有单一的语音信号特征不能全面反映帕金森病的特点，导致不能准确地检测出早期的帕金森病，而且脑电图信号数据量大不易处理的问题。用于帕金森病检测的组合特征参数提取系统包括：语音信号特征参数提取模块、脑电图信号特征参数提取模块、组合特征参数获取模块、降维模块；组合特征参数获取模块用于组合语音信号特征参数和脑电图信号特征参数；降维模块用于利用线性最小均方误差准则对组合特征参数向量进行降维，得到降维后的组合特征参数向量。帕金森病预测系统包括训练模块和预测模块。本发明涉及信号处理技术领域。