-
公开(公告)号：CN118094307A
公开(公告)日：2024-05-28
申请号：CN202410020714.2
申请日：2024-01-08
Applicant: 昆明理工大学
IPC: G06F18/241 , A61B5/00 , G06F18/213 , G06N3/0464 , G06N3/08 , G06N3/0442
Abstract: 本发明涉及一种基于多视角特征的睡眠阶段分类方法，属于脑信息解码技术领域。本发明先将原始睡眠电数据送入多频段视角模块提取不同波长和频率的特征，然后通过电极通道构建的拓扑图数据送入空间图视角模块提取不同通道间的空间特征，再结合快速傅里叶变换(STFT)形成的时频图数据送入二维时频视角模块提取光谱和时间特征，最后用softmax函数对睡眠阶段进行分类。本发明作为一种结合时间，频率和空间信息的睡眠电信号解码策略，所提出的多视角特征组合模型为将来搭建更好的自动睡眠分期框架提供了新的思路。
-
Patent Agency Ranking
公开(公告)号：CN118734055A
公开(公告)日：2024-10-01
申请号：CN202410755272.6
申请日：2024-06-12
Applicant: 昆明理工大学
IPC: G06F18/2131 , G06F18/15 , G06F18/241 , G06F18/2415 , G06N3/0464 , G06N5/022 , G06N3/042 , G06N3/045 , A61B5/369 , A61B5/00 , G06F123/02
Abstract: 本发明提供一种基于频率相关性分析的任务态EEG通道注意力图特征获取方法，属于脑电信息解码领域。本发明采用短时傅里叶变化STFT的方法，将多通道EEG数据进行频段划分，随后提取频段的能量特征，通过分析不同频段的EEG能量分布，可以了解大脑在不同状态下的活动模式。特征获取后，再利用三种功能连通性分析方法：归一化互信息、Pearson相关系数、相位锁定值作为图连接边依据，分别从不同的角度计算通道间EEG频段数据特征的连通性，进行图构建。在脑网络拓扑图表达基础上构建枢纽通道注意力图知识学习机制，从脑网络拓扑结构中挖掘与任务相关的图特征空间，指导任务态EEG解码。
-
公开(公告)号：CN118606676A
公开(公告)日：2024-09-06
申请号：CN202410755398.3
申请日：2024-06-12
Applicant: 昆明理工大学
IPC: G06F18/213 , A61B5/369 , A61B5/00 , G06F18/10 , G06F18/241 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/09
Abstract: 本发明提出了一种基于时段信息相关性分析的任务态EEG通道注意力图特征获取方法，属于脑电领域。针对多通道EEG数据建立以电极通道信息为节点，通道间信息关联性计算为边的空间视角图结构，根据EEG特性绘制脑空间网络图表达形式。具体来说，通过滑窗的方式构建不同时段脑网络空间拓扑图，在不同脑网络空间拓扑图表达基础上构建枢纽通道注意力图知识学习机制，从脑网络拓扑结构中挖掘与任务相关的图特征子空间，实现基于空间视角特征的任务态EEG解码。本发明旨在提高任务态EEG解码的效率，同时为多视角特征解码提供了新的思路。
-
公开(公告)号：CN118537654A
公开(公告)日：2024-08-23
申请号：CN202410754523.9
申请日：2024-06-12
Applicant: 昆明理工大学
IPC: G06V10/764 , G06V10/80 , G06V10/74 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/0442 , G06N3/08 , G06N3/042
Abstract: 本发明公开一种基于多视角特征表达及优选的跨任务EEG解码方法，属于脑信息解码技术领域。本发明具体包括：使用原始EEG数据作为基础输入，通过时空视角特征提取网络学习时间和空间信息；利用基于大脑电极通道的功能连通性图作为第二输入，通过空间视角特征提取网络学习电极通道间的空间信息；以及使用二维时频图像作为第三输入，通过时频域视角特征提取网络学习频谱和时间信息。最终，通过一个任务导向的特征适配网络，优选并整合这三种视角的有效特征，以提高分类的准确性。本发明结合了空间视角、时空视角和时频域视角三种特征提取网络，以构建一个综合框架，实现对不同任务EEG信号的多视角特征捕捉。
-
公开(公告)号：CN118427714A
公开(公告)日：2024-08-02
申请号：CN202410755474.0
申请日：2024-06-12
Applicant: 昆明理工大学
IPC: G06F18/2415 , A61B5/369 , A61B5/00 , G06F18/2131 , G06F18/21 , G06N3/0464 , G06N3/084 , G06N3/0985 , G06F123/02
Abstract: 本发明公开了一种面向受试者个体的适用任务评估方法，用于BCI系统的优化。本发明通过设计特定的实验范式，从单个受试者那里收集了进行运动想象和言语想象的EEG数据。利用跨任务解码技术，这些数据被转换为脑电图的不同视角，以此提取出与不同任务相关的关键脑电特征。接着，通过构建一个包含多层卷积和池化层的深度学习网络，进一步分析这些特征，评估模型的性能，并比较不同任务在多个性能指标上的表现。本发明综合运用了多任务EEG数据采集、跨任务解码技术以及深度学习网络模型，以精确解析和确定最适合受试者的任务类型。
-
公开(公告)号：CN118233028A
公开(公告)日：2024-06-21
申请号：CN202410371993.7
申请日：2024-03-29
Applicant: 昆明理工大学
IPC: H04B17/345 , H04L41/14 , H04L41/16 , G06F18/241 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0475 , G06N3/094 , G06N3/0464
Abstract: 本发明公开了一种基于残差网络的通信干扰信号识别方法，属于通信干扰识别领域。该应用旨在从低信噪比的干扰信号中提取到有效的干扰信号特征，使用短时傅里叶(STFT)变换，提取干扰信号的时频二维特征，采取ACGAN数据增强的方法，解决干扰信号样本数量少的问题。结合深度学习的方法，残差网络来对干扰信号进行正确的识别。实验结果表明，本发明可以作为一种结合时间，频率的干扰识别策略。所提出的残差网络为无线干扰信号识别的实现提供了新的思路。
-
-
-
-
-
Search Results
6
records
(took 0.021 seconds)
