“李明爱”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果66个，建议您升级VIP下载更多相关专利

[发明专利]用并联型多模块CNN和LSTM识别关键频带图像序列的方法-CN202010895392.8有效
发明人： 李明爱;彭伟民;刘有军;孙炎珺 -专利权人：北京工业大学
申请日： 2020-08-31 - 公布日： 2023-08-04 - 主分类号： A61B5/374 文献下载
摘要：本发明公开了用并联型多模块CNN和LSTM识别关键频带图像序列的方法，基于短时傅里叶变换对脑电信号进行时频分析，选取与运动想象任务密切相关的关键频带；然后，采用关键频带成像方法，针对每个离散时间，将各导联的关键频带时频融合信息同时插值于相应导联在网格中的离散位置上，并利用最近邻插值法对空值处进行信息增补，获得两个关键频带图像序列；最后，设计并联型多模块CNN和LSTM网络，用于关键频带图像序列的频域、空域与时域特征的提取与融合识别，实现脑电信号的自动分类。本发明通过短时傅里叶变换获得脑电信号丰富的时频信息，利用网络结构能充分的学习图像序列所包含的特征，有效的提高了脑电信号的识别效果。
并联模块 cnn lstm 识别关键频带图像序列方法

[发明专利]基于CWT和MLMSFFCNN的脑电识别方法-CN202010291359.4有效
发明人： 李明爱;韩健夫;杨金福;孙炎珺 -专利权人：北京工业大学
申请日： 2020-04-14 - 公布日： 2023-06-09 - 主分类号： G06F18/24 文献下载
摘要：本发明公开了基于CWT和MLMSFFCNN的脑电识别方法，将各导联运动想象脑电信号进行CWT，得到每导联的时频矩阵；然后，截取信号时频矩阵8‑30Hz频带的数据，沿频率轴等分为三个子矩阵；将三个子矩阵分别按列求和，得到三个子序列后，将每个子序列沿时间轴分为三个窗口；结合BCI采集系统导联坐标信息构造MI‑EEG信号复合特征矩阵；MLMSFFCNN通过各个级卷积段输出特征的拼接以及各级卷积的多分支结构实现了特征的融合与多分辨率计算；使用MLMSFFCNN对上述MI‑EEG复合特征矩阵进行监督训练后，进行十折交叉验证，得到最终的分类结果。本发明通过MLMSFFCNN的特征融合能力与多分辨率计算能力使得信号时、频、空域特征信息能够被充分提取，对于提升MI‑EEG信号多域特征表达、分类精度具有重要意义。
基于 cwt mlmsffcnn 识别方法

[发明专利]基于通道优选和动态卷积神经网络的癫痫检测方法-CN202310045589.6在审
发明人： 李明爱;张紫钺;孙炎珺 -专利权人：北京工业大学
申请日： 2023-01-30 - 公布日： 2023-05-30 - 主分类号： A61B5/369 文献下载
摘要：本发明公开了基于通道优选和动态卷积神经网络的癫痫检测方法,本发明利用癫痫发作时脑电图的高频振荡特征初步定位癫痫发作起始区域，并经统计计算确定发作起始区域的中心导联；进而，计算中心导联与其他导联间的互信息与基尼指数，获得中心导联的动态相关性指数；接着，设计一种具有通道注意力机制的动态卷积神经网络模型，并结合导联的动态相关性指数实现癫痫检测。该模型具有根据输入通道特征动态改变卷积层参数的能力，增强了癫痫检测过程中的自适应性和鲁棒性。本发明方法能够获取源于发作起始区域的最优导联排序，且在不同受试者身上有良好的癫痫检测效果。
基于通道优选动态卷积神经网络癫痫检测方法

[发明专利]基于4D数据表达和3DCNN的运动想象任务解码方法-CN202110058756.1有效
发明人： 李明爱;阮秭威;刘有军;杨金福;孙炎珺 -专利权人：北京工业大学
申请日： 2021-01-16 - 公布日： 2023-05-02 - 主分类号： A61B5/372 文献下载
摘要：本发明公开了基于4D数据表达和3DCNN的运动想象任务解码方法，对原始运动想象脑电信号MI‑EEG进行基线校正和带通滤波处理；将预处理后的MI‑EEG信号从低维头皮空间映射到高维脑皮层空间，获得偶极子源估计；结合偶极子坐标系转换、插值和体积下采样等操作，构建3D偶极子幅值矩阵；在TOI内设置滑窗，将窗内采样时刻对应的3D偶极子幅值矩阵按照采样顺序堆叠为4D偶极子特征矩阵；设计三模块级联结构的三维卷积神经网络3M3DCNN，对4DDFM含有的三维空间位置信息以及一维时间信息的复合特征进行提取和识别，实现运动想象任务解码；本发明避免了ROI的选择带来的大量信息丢失，并省去了时频分析等复杂操作步骤，有效提高了脑电信号的识别效果。
基于数据表达 dcnn 运动想象任务解码方法

[发明专利]基于动态定向传递函数的脑功能网络特征提取方法-CN202010375284.8有效
发明人： 李明爱;张娜 -专利权人：北京工业大学
申请日： 2020-05-06 - 公布日： 2023-04-28 - 主分类号： A61B5/372 文献下载
摘要：本发明公开了基于动态定向传递函数的脑功能网络特征提取方法，该方法主要包括：首先对原始运动想象脑电信号进行共平均参考、导联优选等预处理；接着采用提出的DDTF算法对经过预处理的脑电信号计算网络连接边并分别构建不同频段脑功能网络；进而根据脑功能网络计算得到网络特征参数流出信息及信息流增益，将两种特征参数串行融合作为特征向量送入支持向量机进行特征评估；最后根据识别率闭环确定最优参数及最优频段，得到最终分类结果。本发明将其用于构建运动想象脑功能网络，计算得到网络参数用于MI‑EEG特征提取，该方法不仅能够精确刻画MI‑EEG在频域的变化特性，而且准确反映了BFN的动态演化过程，对MI‑EEG分类准确率的提升有很大帮助。
基于动态定向传递函数功能网络特征提取方法

[发明专利]一种基于对抗的轻量级网络语义分割方法-CN201910784087.9有效
发明人：杨金福;武随烁;李明爱;单义 -专利权人：北京工业大学
申请日： 2019-08-23 - 公布日： 2023-04-28 - 主分类号： G06V10/26 文献下载
摘要：本发明涉及一种基于对抗的轻量级网络语义分割方法，用以解决预测准确率低，网络处理速度慢，难以达到实时预测的要求的问题。本发明从提升语义分割速度和精度的角度出发，提出一种基于对抗的轻量化语义分割方法。首先，通过减少通道数量，利用非对称卷积减少跳跃连接中参数量，空洞卷积增加特征图感受野，通道打乱操作提升网络信息获取能力，构建轻量级非对称的编码解码语义分割网络；然后，利用对抗思想，使用判别网络对分割图像和标定的语义标签进行判别，并设计判别损失函数和分割损失函数，通过反向传播的方法交替更新分割网络和判别网络，直至判别网络无法分辨分割网络生成的标注和真实标注，实现图像的语义分割。本发明利用轻量化模型和对抗思想使得分割网络确保实时性的同时，具有较高的分割精度。
一种基于对抗轻量级网络语义分割方法

[发明专利]基于3D插值和3DCNN的运动想象任务分类方法-CN202310010193.8在审
发明人： 李明爱;张京;孙炎珺 -专利权人：北京工业大学
申请日： 2023-01-04 - 公布日： 2023-04-11 - 主分类号： G06F18/241 文献下载
摘要：本发明公开了基于3D插值和3DCNN的运动想象任务分类方法，首先，对运动想象脑电信号进行带通滤波处理；然后，利用快速傅里叶变换(FFT)对每个电极的EEG信号进行频域变换，并求取功率值；接着，将头皮电极的3D坐标投影到3D空间中，并使用3D插值算法对功率值进行插值，生成包含电极的3D真实空间位置信息的3D插值特征图像；最后，设计了一个3D卷积神经网络(3DCNN)来匹配3D插值特征图像的特点进行特征提取和分类。本发明体现了运动想象激活的深度信息，将电极的精确三维空间信息编码到3D插值成像图中，较好地匹配了3DCNN的空间卷积能力。
基于 dcnn 运动想象任务分类方法

[发明专利]一种基于通道选择的对抗消除弱监督目标检测方法-CN201910838283.X有效
发明人：杨金福;单义;李明爱;武随烁 -专利权人：北京工业大学
申请日： 2019-09-05 - 公布日： 2022-11-29 - 主分类号： G06V10/764 文献下载
摘要：本发明涉及一种基于特征通道选择的对抗消除弱监督目标检测方法，用于解决弱监督目标检测定位误差的问题。首先，以弱监督深度目标检测为底层框架，采用选择性搜索方法在训练集数据上生成候选框，并与训练集图像和对应的图像标签一起作为弱监督网络的输入；其次，以VGG16为基础网络构建特征提取网络模型，并对得到的特征图像用特征通道压缩的方式进行通道加权选择，激励有利于分类的图像特征层，而抑制对分类有干扰的特征层；然后，采用对抗消除方法得到能够表达图像目标的完整特征表达作为预测网络的输入；最后，根据多任务交叉熵损失来训练预测网络，实现目标检测。本发明不仅可以更加精确定位目标物体的位置，而且能够提高物体识别的精度。
一种基于通道选择对抗消除监督目标检测方法

[发明专利]一种基于时频能量的符号传递熵及脑网络特征计算方法-CN202110058776.9有效
发明人： 李明爱;张圆圆;刘有军;杨金福 -专利权人：北京工业大学
申请日： 2021-01-16 - 公布日： 2022-08-09 - 主分类号： A61B5/372 文献下载
摘要：本发明公开了一种基于时频能量的符号传递熵及脑网络特征计算方法，首先，基于共平均参考对采集的运动想象脑电信号(MI‑EEG)进行预处理；然后，对各导联MI‑EEG进行连续小波变换，求得其时‑频‑能量矩阵，并将与运动想象密切相关的频带内各频率所对应的时间‑能量序列依次拼接，得到该导联的一维时频能量序列；进而，计算任意两个导联时频能量序列之间的符号传递熵，构建大脑连通性矩阵，并使用皮尔逊特征选择算法优化矩阵元素；最后，计算脑功能网络的度和中间中心性，构成特征向量，用于MI‑EEG的分类。结果表明，本发明可以有效地提取MI‑EEG的频域特征和非线性特征，相比于传统的基于脑功能网络的特征提取方法具有明显的优势。
一种基于能量符号传递网络特征计算方法

[发明专利]偶极子成像与识别方法-CN202110058762.7有效
发明人： 李明爱;刘斌;刘有军;孙炎珺 -专利权人：北京工业大学
申请日： 2021-01-16 - 公布日： 2022-08-02 - 主分类号： A61B5/372 文献下载
摘要：本发明公开了偶极子成像与识别方法，采用标准化低分辨率脑电磁断层扫描成像sLORETA算法将经过带通滤波后的头皮层脑电信号逆变换到脑皮层；将四类运动想象任务分成两个两分类任务，计算每个两类任务之间的偶极子幅值差值，将其差异明显的共同时段选取为感兴趣时间TOI，并将TOI内每类任务激活的区域取并集，得到感兴趣区域ROI，提取ROI内偶极子的坐标和幅值；再针对每个离散时间点，通过对偶极子坐标进行平移、放大和取整等操作，并将偶极子幅值赋于到对应的坐标点处，构建二维偶极子成像图，再按照时间维度将二维偶极子成像图堆叠成二维图像序列；最后利用滑动时间窗法进行数据增广，获得三维偶极子特征数据，并输入到三维卷积神经网络3DCNN进行分类。
偶极子成像识别方法

[实用新型]一种多功能颈椎治疗矫正装置-CN202122371454.8有效
发明人： 李明爱 -专利权人： 李明爱
申请日： 2021-09-29 - 公布日： 2022-07-19 - 主分类号： A61F5/01 文献下载
摘要：本实用新型公开了矫正装置技术领域的一种多功能颈椎治疗矫正装置，包括矫正本体，所述矫正本体顶端固定连接有护肩部，所述护肩部内部两端均固定安装有弹簧伸缩杆，所述弹簧伸缩杆一端通过螺钉安装有夹持板，所述夹持板内部一端粘接有橡胶板，一个所述夹持板一端粘接有移动板，另一个所述夹持板对应移动板位置处开设有对应槽，所述夹持板底部一端开设有倒角，与现有技术相比，本实用新型的有益效果是，可以使得矫正过程中矫正本体保持稳定，避免了矫正本体在使用过程中出现晃动的情况，提高矫正本体使用效果，使得装置适用于不同的人群，扩大装置的使用范围，且通过橡胶板，避免了夹持板直接与人肩部接触，提高矫正时的舒适度。
一种多功能颈椎治疗矫正装置

[发明专利]基于D-K分区的简化分布式偶极子模型建立与识别方法-CN202210239817.9在审
发明人： 李明爱;阮秭威;孙炎珺 -专利权人：北京工业大学
申请日： 2022-03-12 - 公布日： 2022-06-17 - 主分类号： A61B5/372 文献下载
摘要：本发明公开了基于D‑K分区的简化分布式偶极子模型建立与识别方法，具体包括：首先，利用不同的带通滤波器对原始MI‑EEG进行滤波，以挑选与运动想象活动相关的最优频带；然后，对挑选出的每个子带进行脑电逆变换，将头皮EEG转换为脑皮层中的偶极子；接着，获得基于神经解剖学D‑K分区的中心偶极子，以构建简化分布式偶极子模型，将大脑皮层中心偶极子的活动视为神经动力学系统，构建4D数据表达；最后，将多频带数据表达进行融合并输入至设计好的n分支并行的nB3DCNN中，从时‑频‑空三个维度进行综合特征提取与识别。本发明体现了不同频带下，偶极子在3D空间中幅值随着时间的变化，利用少量中心偶极子反映了整个大脑皮质层由运动想象引起的神经电活动。
基于分区简化分布式偶极子模型建立识别方法

[发明专利]一种基于人体特征分布的行人解析方法-CN201810273078.9有效
发明人：杨金福;张京玲;王美杰;李明爱;许兵兵 -专利权人：北京工业大学
申请日： 2018-03-29 - 公布日： 2022-03-08 - 主分类号： G06V40/10 文献下载
摘要：本发明涉及一种基于人体特征分布的行人解析方法，从人体特征分布的角度出发，提出了一种智能的融合人体特征分布模型和自监督结构敏感学习策略的行人解析方法。以自监督结构敏感学习方法为底层框架，首先，通过超像素分割的方法产生候选区域，对每个区域提取颜色和纹理特征建立表象模型，然后再利用高斯函数建立面积比例模型，最后通过将两个模型叠加得到总的人体特征分布模型。并将解析损失函数、关节结构损失函数和人体特征分布模型的特征分布损失函数相叠加的得到最终的损失函数。本发明利用自监督结构敏感学习方法使得生成的解析结果在语义上与人体的结构具有很强的一致性，更符合人体特征分布的特性，并且对遮挡，视角，复杂背景具有不变性。
一种基于人体特征分布行人解析方法

[发明专利]基于脑源成像与相关性分析的电极选择方法-CN201910838431.8有效
发明人： 李明爱;董宇欣;张娜 -专利权人：北京工业大学
申请日： 2019-09-05 - 公布日： 2022-02-15 - 主分类号： A61B5/291 文献下载
摘要：本发明公开了基于脑源成像与相关性分析的电极选择方法，根据电极帽的初始电极配置确定基础电极组；然后，对采集到的运动想象脑电信号进行带通滤波预处理；接着，使用标准化低分辨率脑电磁断层扫描成像算法对MI‑EEG进行脑源成像，得到脑源域偶极子幅值时间序列；进而，根据每次实验的偶极子幅值峰值确定脑皮层激活区域，计算激活区域内偶极子幅值时间序列与各电极MI‑EEG信号的皮尔逊相关系数并降序排列；最后，选择相关系数较大的电极与基础电极组结合组成最优电极组。本发明排除了与想象任务相关性弱且不利于分类的电极，对于提高计算效率和实验便捷性具有重要意义。
基于成像相关性分析电极选择方法

[发明专利]基于脑源域空间的MI-EEG识别方法-CN201811539310.5有效
发明人： 李明爱;董宇欣;杨金福;孙炎珺 -专利权人：北京工业大学
申请日： 2018-12-16 - 公布日： 2021-09-10 - 主分类号： A61B5/369 文献下载
摘要：本发明公开了基于脑源域空间的MI‑EEG识别方法，对采集到的运动想象脑电信号进行共平均参考及带通滤波等预处理；使用标准化低分辨率脑电磁断层扫描成像算法对脑电信号进行逆变换，得到脑源域偶极子偶极矩幅值时间序列；使用数据驱动方法，基于偶极子偶极矩幅值大小进行偶极子的初选，并采用连续小波变换对其进行时频分析，实现偶极子的精选及最优时间段的确定；选用一对一共空间模式算法提取偶极子小波系数功率序列特征，并输入到支持向量机中进行分类。本发明提高空间分辨率的同时，使得其时域、频域、空域信息在偶极子的优选、最优时间段的确定，及特征提取中得以充分利用，对于提高计算效率和分类精度具有重要意义。
基于脑源域空间 mi eeg 识别方法

1
2
3
4
5
下一页»
尾页
共 66 条