-
公开(公告)号：CN117958839A
公开(公告)日：2024-05-03
申请号：CN202410240548.7
申请日：2024-03-04
Applicant: 长春理工大学 , 长春理工大学中山研究院
Abstract: 本文提出一种基于多模态数据融合的疲劳检测信号采集装置，采集高危工作人员的生理信号。根据较好的应用于疲劳检测的脑电和眼电的电极位置，精简所需的电极数量。众多研究表明，眼电采取前额眼电电极的布局方式，该方法可以直接从前额眼电中分离出水平眼电和前额眼电，而脑电α波主要活动在头皮的枕部区域，如O1和O2位置，具有较高的幅值。根据脑电和眼电的电极位置，本文基于TI半导体公司的集成模拟前端芯片ADS1299进行生理信号采集，集成模拟前端芯片采用24位Σ‑ΔADC对脑电信号和眼电信号进行模数转换，三轴陀螺仪传感器采用MPU6050芯片来采集测试人员的抬头低头信号，主控芯片采用STM32F407ZGT6芯片，并结合蓝牙4.0无线传输模块。通过该疲劳检测采集装置，可以全方位、多幅度的获取有关疲劳的信息，以提高疲劳检测的准确性和可靠性。
-
公开(公告)号：CN118280364A
公开(公告)日：2024-07-02
申请号：CN202410415726.5
申请日：2024-04-08
Applicant: 长春理工大学
Abstract: 本发明涉及物联网技术领域，是涉及一种感知情绪的音频智能控制方法，该发明通过语音识别模块和图像识别模块收集数据，收集到的数据处理后发送给云服务器算法识别，利用多模态的情绪感知，包括图像识别情绪和语音识别情绪来感知情绪，通过感知到的情绪对音频进行控制，通过不同的情绪分类播放不同类型的音频。该发明可以舒缓使用者的心情，排解使用者的不良情绪，方便使用者生活。
-
公开(公告)号：CN118750000A
公开(公告)日：2024-10-11
申请号：CN202410835208.9
申请日：2024-06-26
Applicant: 长春理工大学
Abstract: 本发明提出一种基于Dual‑CNN+GAN的多模态睡眠分期情绪识别方法。该方法获取脑电、心电等生理参数数据，经预处理构建多模态数据集，然后分别构建用于睡眠分期和情绪识别的卷积神经网络(CNN)模型，将多模态数据作为输入，睡眠时期和情绪标签作为输出。再构建生成对抗网络(GAN)模型，将CNN输出作为GAN输入，最终得到睡眠分期和情绪识别结果。采用贝叶斯优化调整CNN模型超参数，获得初步优化模型，然后构建自适应惩罚正则化函数和对抗性训练损失函数，分别对CNN和GAN进行二次优化。优化后的Dual‑CNN+GAN模型能够有效识别睡眠分期和情绪状态。该发明还利用强化学习算法，根据模型输出结果和用户睡眠数据，给出个性化的睡眠规律分析和建议，以改善睡眠质量。与现有技术相比，本发明模型Dual‑CNN+GAN架构可提高模型整体性能和泛化能力，同时处理睡眠分期和情绪识别实现联合优化。
-
公开(公告)号：CN118142059A
公开(公告)日：2024-06-07
申请号：CN202410357211.4
申请日：2024-03-27
Applicant: 长春理工大学
Abstract: 基于现有音乐治疗方案存在经验主导、缺乏个体化等问题，本发明提出了一种基于脑电信号的便携式音乐情绪治疗系统。其创新点在于：直接基于脑电信号监测情绪状态，准确性更高；采用LH001芯片和树莓派，体积小功耗低便于移动使用；通过智能音乐重构技术实现高度个性化的情绪调节。系统实现方式为：模拟前端采集脑电信号并预处理；树莓派对信号进行分段、去噪，利用小波变换等提取时频特征，机器学习算法分类识别情绪状态；根据情绪类别生成智能模型对音乐实时重构播放，同时监测受试者反馈进行闭环调节；设有图形界面呈现系统状态。该系统融合了神经科学、信号处理、音乐治疗、人工智能等多学科知识，为临床和家庭保健带来创新音乐情绪治疗解决方案。
-
公开(公告)号：CN118902465A
公开(公告)日：2024-11-08
申请号：CN202411016193.X
申请日：2024-07-27
Applicant: 长春理工大学
Abstract: 本发明涉及云边协同的技术领域，是涉及一种基于模糊神经网络的脑电癫痫预测系统，包括：脑电采集电极，所述脑电采集电极采用水凝胶电极，其较低的阻抗有利于后续信号放大器及模数转换器的处理；模数转换模块，所述无线模块采用ADS1299，用于接收脑电电极采集的信号并通过SPI通信协议将数据传输到微控制器；微控制器，所述微控制器采用ESP32‑S3，用于接收模数转换模块处理后的脑电信号，并对读取到的脑电信号进行数据处理，同时将处理后的数据通过蓝牙模块发送到云服务器，所述云服务器用于接收微控制器发送的数据，并对数据进行分析、处理和预测。所述脑电信号采集系统具有高性能、高灵活性和低功耗的优点。
-
Patent Agency Ranking
公开(公告)号：CN118766459A
公开(公告)日：2024-10-15
申请号：CN202410835112.2
申请日：2024-06-26
Applicant: 长春理工大学
IPC: A61B5/16 , A61B5/372 , A61B5/00 , G06F18/2415 , G06F18/10 , G06F18/213 , G06F18/25 , G06F18/21 , G06N3/0464 , G06N3/045 , G06N3/0442 , G06N3/047 , G06N3/048 , G06N3/084 , G06F123/02
Abstract: 本发明公开了一种融合多尺度残差注意力网络的脑电信号情绪识别方法，属于情感识别技术领域。本发明对原始脑电数据进行预处理及转换，获得具有时域、频域和空间信息的多维特征表征，提取丰富的脑电特征信息；通过结合改进型残差Inception结构和PSA注意力模块，能有效提取脑电信号中的关键特征；利用双向门控循环单元进一步学习并捕捉深层时序特征。本发明通过多域特征融合，增强了对脑电信号的时间依赖性和空间相关性信息的挖掘能力。该情绪识别框架无需依赖专家的先验知识或人工特征提取，能够以更高的效率和准确性客观地实现情绪识别。
-
公开(公告)号：CN118717121A
公开(公告)日：2024-10-01
申请号：CN202410808240.8
申请日：2024-06-21
Applicant: 长春理工大学
IPC: A61B5/16 , A61B5/369 , A61B5/374 , A61B5/00 , A61M21/02 , A61B5/378 , A61B5/38 , G16H20/70 , G06V40/16 , G10L25/63
Abstract: 本发明涉及一种多模态数据融合的情绪识别和治疗系统。该系统包括信号采集模块、数据处理模块、多模态融合模块、灯光响应模块、音乐播放模块和状态检测与反馈调节模块。信号采集模块采集用户的脑电信号、面部表情和语音信号，分别数据处理后加权融合以识别用户当前的情绪状态。音乐播放模块根据情绪状态通过映射模型动态生成与之匹配的音乐输出。灯光响应模块根据情绪状态通过映射模型控制LED发光单元产生对应的灯光效果输出。状态监测与反馈调节模块持续监测用户的情绪变化和生理反馈，并基于监测结果动态优化各模块参数，使音乐输出和灯光效果输出实时匹配情绪变化，最大化治疗效果。
-
公开(公告)号：CN118382033A
公开(公告)日：2024-07-23
申请号：CN202410360632.2
申请日：2024-03-27
Applicant: 长春理工大学
IPC: H04R1/10
Abstract: 本发明涉及智能穿戴设备技术领域，涉及一种基于ESP32‑S3的智能音乐治疗耳机。包括：音频单元，所述音频单元采用WM8978集成芯片，用于播放存储在耳机内部的治疗音频，并采集用户声音控制信号，将声音信号传送到微处理器单元；触控显示单元，所述触控显示单元，用于显示耳机使用交互界面，接收显示屏触控信号，同时通过SPI协议将信号发送至微处理器单元；感知单元，所述感知单元用于采集用户使用耳机过程中的心率信号，并将信号传送至微处理器单元；微处理器单元，所述微处理器单元采用ESP32‑S3集成芯片，用于接收和处理触控显示单元、音频单元和感知单元发送的信号，并对读取到的信号进行处理。所述智能音乐治疗耳机具有功能性强、灵活性高和操作简单的优点。
-
公开(公告)号：CN118216876A
公开(公告)日：2024-06-21
申请号：CN202410358784.9
申请日：2024-03-27
Applicant: 长春理工大学
Abstract: 本发明介绍了一种基于可穿戴的人工智能多模态睡眠信号采集监测装置，专注于睡眠状态的多模态精准监测及分析。该装置将柔性材料集成在睡衣等纺织品中，能够舒适地穿戴并通过多种数据采集模块，实时采集包括心电、脑电、血氧、呼吸等多模态数据。通过通信网络，将数据传输给配备的数据分析模块利用机器学习人工智能技术对采集到的数据进行综合分析，准确评估睡眠质量和情绪压力，生成个性化睡眠报告。与传统睡眠监测装置如多导睡眠仪和睡眠监测手环，存在不舒适或准确性不高的问题相比，该装置具有更高的便携性、舒适性和准确性，同时提供全面的睡眠状态监测。为用户自我监测、医学诊断和康复评估提供了有效的数据支持。
-
公开(公告)号：CN118861525A
公开(公告)日：2024-10-29
申请号：CN202410914077.3
申请日：2024-07-09
Applicant: 长春理工大学
IPC: G06F18/10 , A61B5/369 , A61B5/00 , G06F123/02
Abstract: 本发明涉及一种去除脑电信号中的伪迹信号的方法，其步骤如下：首先对脑电信号进行带通滤波处理，然后使用PSO算法优化要加入的高斯白噪声幅值，利用ACF筛选出理想的高斯白噪声加入到脑电信号中，紧接着利用CEEMDAN算法分解混有高斯白噪声的脑电信号，通过计算各分量峰态系数和低频功率占比消除尖峰伪迹分量，进一步使用箱线图技术寻找去伪迹效果最优的伪迹分量，将这些分量清零并对剩余的分量进行重构，得到干净的脑电信号。相比现有技术，本发明所提方法解决了分解脑电信号中的模态混叠问题，不仅能有效去除尖峰伪迹信号，还能准确自动寻找去伪迹效果最优的伪迹分量并进行去除，同时保留大量有用的脑电特征信息。在脑电信号预处理、伪迹识别等领域具有广阔的应用前景。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.02 seconds)
