-
公开(公告)号：CN119864165A
公开(公告)日：2025-04-22
申请号：CN202411935805.5
申请日：2024-12-26
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于动态脑网络的儿童青少年注意、记忆加工的衡量方法，属于大脑认知加工机制研究技术领域，包括以下步骤：S1：令受测者按n‑back测试要求及方法自主练习一定时间，并在间隔一段时间后进行n‑back测试；S2：在n‑back测试过程中，采集受测者的脑电数据组进行预处理，并基于MS‑sPDC得到经过预处理后的脑电数据组的脑网络序列；S3：从所述脑网络序列中获取经过预处理后的脑电数据组的评估特征，并基于评估特征得到受测者的注意、记忆加工的检测报告。
-
公开(公告)号：CN109620219A
公开(公告)日：2019-04-16
申请号：CN201910118759.2
申请日：2019-02-14
Applicant: 重庆邮电大学
IPC: A61B5/0476 , A61B5/16 , A61M21/02
CPC classification number: A61B5/0476 , A61B5/04012 , A61B5/168 , A61B5/6803 , A61B5/7203 , A61B5/7235 , A61B5/7267 , A61M21/02 , A61M2021/0027 , A61M2021/0044
Abstract: 本发明涉及一种基于谱熵的注意力康复训练及评估方法，包括S1：采集康复训练对象对于简单的语音注意任务的脑电波EEG相关电位，并对EEG数据进行预处理；S2：计算预处理后脑电波数据的功率谱密度；S3：计算谱熵值；S4：利用支持向量机，以谱熵值为特征对康复训练中的注意EEG信号进行训练，得到分类模型；S5：采集康复训练对象训练前的静息态数据；S6：对康复训练对象进行康复训练，并对康复训练过程中的EEG数据进行实时分类；S7：根据实时分类结果进行反馈，给出相应的提示，帮助集中注意力；S8：采集康复训练对象训练后的静息态数据；S9：根据训练前后静息态数据采集的谱熵值的变化来判断康复训练效果。
-
Patent Agency Ranking
公开(公告)号：CN119564227A
公开(公告)日：2025-03-07
申请号：CN202411633749.X
申请日：2024-11-15
Applicant: 重庆邮电大学
IPC: A61B5/369 , A61B5/00 , G06F18/10 , G06F18/2134 , G06F18/241 , G06N3/0464
Abstract: 本发明涉及一种基于CycleGAN模型的多导联脑电信号的眼电伪迹自动识别与去除方法，属于生物电信号处理技术领域。该方法包括：采集被试人员的脑电信号数据并进行预处理；提取眼电伪迹并加入眼电伪迹信号库，将去除眼电伪迹的脑电信号加入干净脑电信号库；随机选取干净脑电信号和眼电伪迹，将眼电伪迹加入干净脑电信号得到含噪脑电信号，将干净脑电信号和含噪脑电信号输入CycleGAN模型中，对该模型进行训练；将采集的多导联脑电信号数据进行预处理再输入训练好的模型中，实现多导联脑电信号的眼电伪迹去除。本发明能够保留脑电信号中的有效信息用于其他脑电信号分析或应用，能够对多导联脑电信号中的眼电伪迹进行识别与去除。
-
公开(公告)号：CN116211305A
公开(公告)日：2023-06-06
申请号：CN202211639834.8
申请日：2022-12-20
Applicant: 重庆邮电大学
IPC: A61B5/16 , A61B5/372 , A61B5/378 , A61B5/384 , A61B5/00 , A61M21/00 , G06F18/213 , G06F18/10 , G06N3/08 , G06N3/0464 , G06F18/24
Abstract: 本申请提供一种动态实时情绪检测方法及系统。方法包括：获取用户的第一情绪脑电数据；通过预设去噪算法对第一脑电波数据进行处理，以去噪后的数据作为第二脑电波数据；根据预设特征提取算法从第二脑电数据中提取大脑实时信息交互特征和动态脑区激活特征，大脑实时信息交互特征用于表征脑区之间的相互作用关系，动态脑区激活特征用于表征实时脑区激活信息；将大脑实时信息交互特征和脑区激活特征，输入经过训练的卷积神经网络模型中，得到用户情绪的检测结果并给予反馈调节。如此，有利于进一步提高情绪检测的准确性和可靠性，从而为实时反馈个体参与情绪诱发任务的认知参与度以及量化评估情绪诱发的有效性，提供科学的参考依据。
-
公开(公告)号：CN114155251B
公开(公告)日：2024-10-15
申请号：CN202111483251.6
申请日：2021-12-07
Applicant: 重庆邮电大学
IPC: G06T7/10 , G06N3/0464 , G06N3/08
Abstract: 本发明提出了一种新的上下文感知卷积神经网络的全脑三维解剖结构分割方法。该方法在卷积神经网络的卷积模块后串联一个全新的双重注意力模块。该模块通过卷积自动学习通道和空间注意力权重并分别对输入的卷积特征进行加权，再通过卷积自适应融合加权后的卷积特征，以此提高网络的分类性能。此外，本发明将图像中待分割对象所有体素为中心的图像块作为训练数据，通过完全采样充分利用有限的标注数据对其样本分布进行较为完整的学习，以此进一步提高网络的分类性能。本发明提出的方法具有分割精度高、稳定性好的优点。在10个实施例的磁共振脑图像分割中，本方法获得分割结果的平均精度达93.27％，这比当前最先进的DeepNAT方法获得分割结果的平均精度提高了3.790％。
-
公开(公告)号：CN117297624A
公开(公告)日：2023-12-29
申请号：CN202311207817.1
申请日：2023-09-19
Applicant: 重庆邮电大学
Abstract: 本发明涉及脑控康复训练技术领域，公开了一种基于多模态脑‑机接口的康复训练方法、系统及介质，方法包括以下步骤：对患者进行第一类型的视觉刺激，间隔第一时刻后，对患者进行第二类型的视觉刺激；对患者的第一脑电数据组进行采集和预处理，基于第一算法获取预处理后的第一脑电数据组的频率标签；基于频率标签为患者提供匹配的康复演练视频，患者观看康复演练视频的同时进行与康复演练视频对应的上肢运动想象；对患者的第二脑电数据组进行采集和预处理，获取预处理后的第二脑电数据组的评估指标，基于评估指标获取患者的康复效果。本发明准确率高、信息传输率高、操作便捷、无需训练、具有较高的实用价值。
-
公开(公告)号：CN114155251A
公开(公告)日：2022-03-08
申请号：CN202111483251.6
申请日：2021-12-07
Applicant: 重庆邮电大学
Abstract: 本发明提出了一种新的上下文感知卷积神经网络的全脑三维解剖结构分割方法。该方法在卷积神经网络的卷积模块后串联一个全新的双重注意力模块。该模块通过卷积自动学习通道和空间注意力权重并分别对输入的卷积特征进行加权，再通过卷积自适应融合加权后的卷积特征，以此提高网络的分类性能。此外，本发明将图像中待分割对象所有体素为中心的图像块作为训练数据，通过完全采样充分利用有限的标注数据对其样本分布进行较为完整的学习，以此进一步提高网络的分类性能。本发明提出的方法具有分割精度高、稳定性好的优点。在10个实施例的磁共振脑图像分割中，本方法获得分割结果的平均精度达93.27％，这比当前最先进的DeepNAT方法获得分割结果的平均精度提高了3.790％。
-
-
-
-
-
-
Search Results
7
records
(took 0.023 seconds)
