[发明专利]基于脑电信号作业人员的安全监管系统、装置及设备在审
| 申请号： | 202011232076.9 | 申请日： | 2020-11-06 |
| 公开（公告）号： | CN112336355A | 公开（公告）日： | 2021-02-09 |
| 发明（设计）人： | 李华亮;刘羽中;王宇;沈雅利;熊超琳;王琪如;谭伟;谢庭军;翟永昌 | 申请（专利权）人： | 广东电网有限责任公司电力科学研究院 |
| 主分类号： | A61B5/374 | 分类号： | A61B5/374;A61B5/369;G01N33/00 |
| 代理公司： | 北京集佳知识产权代理有限公司 11227 | 代理人： | 苏云辉 |
| 地址： | 510080 广东*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于脑电信号作业人员的安全监管系统、装置及设备，通过信号采集设备检测作业人员作业过程中的脑电信号和气体浓度，在监管系统中对采集的脑电信号进行处理得到重心频率，根据重心频率与重心频率预设值比较判断作业人员是否处于疲劳、困倦的生理疲劳状态，根据气体浓度与第一气体浓度预设值和第二气体浓度预设值比较，判断作业人员是否安全环境作业，实现对作业人员的生理指标进行监测，对出现影响劳动者安全和作业安全的指标变化进行安全监管；该方法采用信号采集设备获取作业人员的脑电信号，对现场作业人员没有干扰，能够更自然地实现对人员生理指标数据的收集和预测，获得的数据更加准确。 | ||
| 搜索关键词： | 基于 电信号 作业 人员 安全监管 系统 装置 设备 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于广东电网有限责任公司电力科学研究院，未经广东电网有限责任公司电力科学研究院许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202011232076.9/，转载请声明来源钻瓜专利网。
- 同类专利
- 一种癫痫脑电波信号识别方法-202310857922.3
- 袁也;关灯景 - 四川君健万峰医疗器械有限责任公司;湖南君峰医疗科技有限公司
- 2023-07-13 - 2023-10-13 - A61B5/374
- 本发明提出了一种癫痫脑电波信号识别方法，涉及信号识别及处理技术领域，包括：采集患者静息状态的脑电波，并周期性地计算静息状态下脑电波的特征值；基于静息状态下脑电波的特征值和静息状态下的时间周期计算静息状态下脑电波的周期特征值；采集患者电刺激后状态的脑电波，并周期性地计算电刺激后脑电波的特征值；基于电刺激后脑电波的特征值和电刺激后的时间周期计算电刺激后脑电波的周期特征值；实时计算并统计电刺激后脑电波的周期特征值与静息状态下脑电波的周期特征值的比值，基于统计结果和预先设定的阈值进行对比以输出脑电波发作终止时刻；本发明能够简捷方便的获取电休克电疗输出后的癫痫发作时间来作为医生衡量治疗的效果。
- 基于元迁移学习的头皮脑电高频振荡信号识别方法及装置-202310899158.6
- 郭嘉阳;潘意杰;庄凯龙;彭学平 - 厦门大学
- 2023-07-21 - 2023-10-03 - A61B5/374
- 本发明公开了一种基于元迁移学习的头皮脑电高频振荡信号识别方法及装置，涉及信号检测领域，通过对头皮脑电信号进行预处理；采用源域数据对端到端的卷积神经网络模型进行训练；构建包括基学习器和元学习器的元迁移学习模型，将端到端的卷积神经网络模型的部分参数作为基学习器的第二特征提取器的初始参数，采用部分源域数据对基学习器进行训练，将训练得到的第二特征提取器的参数迁移至元学习器中，采用另一源域数据对元学习器进行训练；将最终训练得到的元学习器的第二特征提取器和第二分类器的参数迁移至基学习器中；并通过目标域数据进行微调，得到微调后的基学习器。解决难以获取高精度、稳定的跨个体的HFO信号的识别结果的问题。
- 癫痫间期脑电波异常信号的定位方法、装置、设备及介质-202311083231.9
- 陈松蹊;童培峰;陈蕾 - 北京大学;四川大学
- 2023-08-25 - 2023-09-29 - A61B5/374
- 本申请公开了一种癫痫间期脑电波异常信号的定位方法、装置、设备及介质。该方法包括：获取多个电极采集到的目标对象在癫痫发作间期的脑电波信号；对每个电极采集到的脑电波信号进行独立分量分析，去除每个电极采集到的脑电波信号中的伪差信号，得到每个电极的增强信号；基于多个小波基底提取每个电极的增强信号的特征，得到每个电极的多个特征序列，多个小波基底中部分小波基底为异常脑电波形的波形基底；基于每个电极的特征序列分析脑电波信号中的异常信号，确定异常信号的放电时间及采集异常信号的目标电极；基于放电时间和目标电极对异常信号进行定位，得到定位位置。本申请所提供的方案能够提高脑电波信号中异常信号的定位精准度。
- 一种基于脑波控制的辅助仪-202310811686.1
- 臧德华 - 深圳市爱华智慧工程集团有限公司
- 2023-07-04 - 2023-09-22 - A61B5/374
- 本发明涉及电子技术领域，且公开了一种基于脑波控制的辅助仪，包括信息采集模块、信息储存模块、控制模块、音频模块、振动模块和脑波模块。该基于脑波控制的辅助仪，通过信息采集模块对用户信息及其使用状态信息采集，从而便于对不同使用者进行个性化定制调控脑波刺激，再通过控制模块根据信息采集模块或信息储存模块定时定频控制音频模块和或振动模块与脑波模块同步启动，进而实现多种模式协同作用并促进用户局部血液循环及开发大脑，及实时负反馈及智能自动化调整音频和或振动按摩及脑电波刺激的振频及振幅，达到根据不同个体少儿的特性适应性调整α波的频率、振幅及电流并促进不同个体少儿大脑启智开发的效果。
- 一种基于SimAM注意力机制的空-时-频多域脑电特征情绪识别方法-202310416230.5
- 杨俊;吴俊会;沈韬;王芳芳;王琪琛;余创贺 - 昆明理工大学
- 2023-04-18 - 2023-09-22 - A61B5/374
- 本发明涉及一种基于SimAM注意力机制的空‑时‑频多域脑电特征情绪识别方法，属于基于脑电的情绪识别技术领域。本发明对原始脑电数据进行一系列处理及转换，获取含有四维时空特征表征的时间、频率及空间信息；考虑到大脑内部空间和通道间的注意力存在一种协同关系，采用一种无参且同一权值的SimAM注意力机制，这样不但可以直接估计三维权重而且能够学习到更多的判别特征；利用三维卷积神经网络/二维深度可分离卷积网络学习相对完整且丰富的空频特征信息，利用双向长短时记忆网络学习动态变化的时间特征信息。
- 基于多尺度和多注意力的单通道脑电信号睡眠分期方法-202310720328.X
- 潘杰;冯永杰;邹筱瑜;胡俊峰;刘新华 - 中国矿业大学
- 2023-06-16 - 2023-09-19 - A61B5/374
- 本发明公开了基于多尺度和多注意力的单通道脑电信号睡眠分期方法，属于信号处理和模式识别领域，目的是为了提高分期的准确性，实现高质量的睡眠分期。该方法通过多分辨率卷积提取原始信号中的多尺度特征，然后使用卷积注意力模块中的通道注意力和空间注意力机制学习特征重要性随时间尺度和趋势的变化，从而提高了特征质量。然后通过嵌入因果扩展卷积的多头注意力来建模特征间的长期依赖关系，学习睡眠转换规则。最后实现基于脑电信号的自动睡眠分期。
- 基于深度学习与形态学的睡眠癫痫电持续活动量化方法-202310793934.4
- 曹九稳;金琛智;郑润泽;胡丁寒;蒋铁甲;高峰 - 杭州电子科技大学
- 2023-06-30 - 2023-09-15 - A61B5/374
- 本发明公开了一种基于深度学习与形态学的睡眠癫痫电持续活动量化方法。本发明包括如下步骤：1、对信号进行预处理操作；2、将预处理后的T3通道信号输入到改进后的语义分割网络进行棘波识别，该网络能够识别出患者的棘波放电的位置与持续时间，并输出具有棘波数据段细粒度标签的信号；3、将获得的带棘波信息的信号作为形态学模块的输入，对候选区域进行判断，得到癫痫样棘慢波片段的个数和持续时长，并得到总的放电时间，从而计算每个样本的放电指数；4、将Cz通道信号输入到基于Resnet34的睡眠分期模块，实现对每一个30s长度样本的睡眠分期。本发明能够实现儿童睡眠中癫痫电持续活动识别与量化。
- 基于脑电复杂网络的分心驾驶状态识别方法及系统-202310704085.0
- 奇格奇;刘睿;李培豪;关伟 - 北京交通大学
- 2023-06-14 - 2023-09-08 - A61B5/374
- 本发明提供一种基于脑电复杂网络的分心驾驶状态识别方法及系统，属于行为识别技术领域，获取驾驶员驾驶状态下的脑电数据；基于预先训练好的识别模型对获取的脑电数据进行处理，得到所述驾驶员的驾驶状态是正常驾驶或分心驾驶的识别结果；其中，训练所述识别模型的训练集包括多组数据，每组数据均包括多组脑电数据以及标注该组脑电数据对应的驾驶状态为正常驾驶或分心驾驶的标签。本发明考虑到大脑区域性的信息，构建的脑电信号网络包含2种不同功能网络，涵盖的网络信息特征更加全面；能够在不同的驾驶分心类型下，从网络拓扑结构中检测出驾驶分心状态下的脑功能网络的全局和局部变化，以达到较高的识别准确性和可靠性。
- 一种四元数脑电信号提取方法及系统-202110407972.2
- 张曦文;凌永权;崔珩 - 广东工业大学
- 2021-04-15 - 2023-09-01 - A61B5/374
- 本发明提供一种四元数脑电信号提取方法，包括：利用增广四元奇异谱分析获取四元奇异值分解的特征向量并利用功率谱密度分析对奇异值分解的特征向量进行主导频率的估计，从而对奇异谱分解分量进行划分；以脑电波段为划分依据利用多次四元奇异谱分析对特征向量进行分组；通过四元快速独立成分分析对得到的多通道信号进行源分离并通过峰度值及其分布的检查和对比提取脑电成分。本发明还提供一种四元数脑电信号提取系统，通过结合对电脑波段的分析，引入了四元数，在通道数、通道相关性和成分分解方面对奇异谱分析和独立成分分析进行有机结合并对不足进补充，突破现有技术存在的技术瓶颈。
- 一种基于FHN随机共振的SSVEP特征频率提取方法-202110419436.4
- 徐光华;陈瑞泉 - 西安交通大学
- 2021-04-19 - 2023-08-15 - A61B5/374
- 一种基于FHN随机共振的SSVEP特征频率提取方法，先进行多通道数据采集，然后进行信号预处理，即采用共平均参考算法来降低多信道信号的维度，用巴特沃斯滤波器滤除低频噪声；然后进行FHN随机共振参数初始化及模型处理，将预处理后的信号和噪声送入到FHN随机共振模型进行随机共振处理，再通过快速傅里叶变换计算噪声增强的SSVEP的频谱图以识别目标频率；然后进行峰值频率识别，最后进行频率匹配检测；本发明实现特征频率的高精度识别。
- 一种脑电分析呼救设备-202310407372.5
- 赵华;李瑞建;周恒星;潘新;刘新宇 - 山东大学齐鲁医院
- 2023-04-17 - 2023-08-11 - A61B5/374
- 本发明涉及生命体征监测领域，具体是涉及一种脑电分析呼救设备；包括脑电分析仪、第一安装件、快拆装置、第二安装件、翻转装置、锁扣装置和插接装置，通过第一安装件两侧轴接的第一绑带和第二绑带可捆绑在使用者的腕部、足部或者胸部，脑电分析仪的右侧设置有按压开关，通过按压开关的设置，可实现当使用者无需使用设备时，可实现关机功能，通过同时打开第一插接机构、第二插接机构、第三插接机构和第四插接机构用以实现将脑电分析仪快速拆卸，当插接装置卡死时，通过快拆装置与锁扣装置的相互配合，可实现将第二安装件与脑电分析仪整体拆卸，防止因插接装置卡死导致设备使用不便。
- 用并联型多模块CNN和LSTM识别关键频带图像序列的方法-202010895392.8
- 李明爱;彭伟民;刘有军;孙炎珺 - 北京工业大学
- 2020-08-31 - 2023-08-04 - A61B5/374
- 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。
- 一种神经反馈训练方法、系统、设备及存储介质-202310232247.5
- 高小榕;白嘉雯;吴剑;毛凯莹;刘启航;沈晓梅 - 清华大学深圳国际研究生院
- 2023-03-01 - 2023-07-21 - A61B5/374
- 本申请实施例涉及神经调控技术领域，特别涉及一种神经反馈训练方法、系统、设备及存储介质，该方法包括：首先，获取训练对象的个体化alpha峰值频率；然后，基于所述个体化alpha峰值频率，设置反馈参数；接下来，基于所述反馈参数，对所述训练对象进行神经反馈训练，得到神经反馈训练经验；最后，基于所述神经反馈训练经验，对所述训练对象进行神经反馈迁移训练。本申请能够针对训练对象及其当前状态个性化地调整训练特征及训练难度，使神经反馈训练更具有针对性；并且能够提高训练对象在训练过程中的积极性和主动性，增强神经反馈训练的训练效果。
- 大脑认知状态识别方法、装置和存储介质-202310206983.3
- 钱云;杨磊;李慧萍;秦明;钱尧 - 南京左右脑医疗科技集团有限公司;南京左右脑科学技术有限公司
- 2023-03-03 - 2023-07-07 - A61B5/374
- 本申请公开了一种大脑认知状态识别方法、装置和存储介质，涉及信号处理技术领域，所述方法包括：获取目标病患在目标采集点的脑电信号，所述目标采集点包括目标脑区的至少两个采集点；根据所述脑电信号获取所述目标脑区中的各个采集点在阿尔法频段内的功率频率分布；根据获取到的各个功率频率分布识别所述目标脑区的认知状态。解决了现有技术中识别准确率较低且效率较低的问题，达到了可以根据功率频率分布自动识别认知状态，进而提高准确度和识别效率的效果。
- 脑电数据处理方法、装置、分析系统、电子装置和介质-202310186693.7
- 裴冠雄;李太豪 - 之江实验室
- 2023-02-20 - 2023-07-04 - A61B5/374
- 本申请涉及一种脑电数据处理方法、装置、分析系统、电子装置和介质，其中，该脑电数据处理方法包括：获取测试采集装置发送的目标对象多个脑部区域在多个通道中的脑电数据；根据多个通道的脑电数据确定每一脑部区域对应的功率分布矩阵；基于多个功率分布矩阵，确定多个脑部区域的脑电数据之间的耦合度。通过本申请，解决了相关技术中脑电数据处理方法的准确度低的问题，提高了脑电数据处理的准确度，进而能够客观地评估目标对象的社交焦虑程度。
- 运动执行和运动意图的分析方法、装置及存储介质-202310323420.2
- 刘伟奇;马学升;陈金钢;陈凯乐;王肖玮;陈韵如 - 同心智医科技（北京）有限公司
- 2023-03-30 - 2023-07-04 - A61B5/374
- 本申请实施例公开了一种运动执行和运动意图的分析方法、装置及存储介质，其中运动执行和运动意图的分析方法包括：获取对象的原始脑电图信号；利用多重分形分析方法，选择事件相关去同步和事件相关同步最明显的两个脑区作为选定区域；利用时间‑频率分析方法，确定选定波段，获取选定波段的小波能量值，在选定区域的脑电图通道上，对选定波段的小波能量值进行平均；根据平均小波能量值在时间上的演变，利用经验模式分解方法提取小于预设值的低频率分量；基于低频率分量进行时间‑频率相关性分析，在时间上对相关性进行数值微分，并提取相关性表现出反相增加和减少的情况；基于相关性大小的预定义阈值提取真实运动和/或想象运动相关的单个事件。
- 一种脑电图癫痫样放电波形目标定位的方法及系统-202211645986.9
- 何俊权;金四化;谢哲林;黄斌盛 - 肇庆美兰特科技有限公司
- 2022-12-20 - 2023-06-13 - A61B5/374
- 本发明公开了一种脑电图癫痫样放电波形目标定位的方法及系统，其方法包括：对背景活动脑电信号基于第一维度并按照第一预设复制次数形成第一维度背景信号数据；对原始数据基于第一维度并按照第二预设复制次数形成第一维度原始数据；将第一维度原始数据等量替换掉第一维度背景信号数据中的数据，并形成神经网络结构的输入数据；基于设定好的神经网络结构对输入数据进行处理得到输出结果；对输出结果进行损失函数计算，计算出预测结果和真实结果之间的差异。本发明通过深度学习目标检测算法达到脑电图癫痫样放电波形目标定位情况下也能实现数据的统一性。
- 一种基于ITD模态参数识别的脑电信号特征提取方法-202110637841.3
- 杨怀花;叶庆卫 - 宁波大学
- 2021-06-08 - 2023-06-06 - A61B5/374
- 本发明公开了一种基于ITD模态参数识别的脑电信号特征提取方法，其根据脑电信号中的δ波节律信号、θ波节律信号、α波节律信号、β波节律信号各自的频率范围，设计各自对应的有限脉冲响应带通滤波器，再利用各自对应的有限脉冲响应带通滤波器对脑电信号进行滤波处理，提取得到δ波节律信号、θ波节律信号、α波节律信号、β波节律信号；对四个节律信号分别进行ITD模态参数识别，提取得到各自的四个ITD模态参数，进而得到四个节律信号各自的特征向量；将四个节律信号的特征向量构成脑电信号的特征向量；优点是其能够从运动想象的脑电信号中提取出有效的特征，从而能够极大地提高后续特征分类的正确率。
- 大脑意识状态识别方法、装置和存储介质-202310201519.5
- 钱云;杨磊;李慧萍;秦明;钱尧 - 南京左右脑医疗科技集团有限公司;南京左右脑科学技术有限公司
- 2023-03-03 - 2023-05-30 - A61B5/374
- 本申请公开了一种大脑意识状态识别方法、装置和存储介质，涉及信号处理技术领域，所述方法包括：获取目标病患的目标脑电信号；根据所述目标脑电信号生成所述目标脑电信号的功率频率分布；根据生成的所述功率频率分布识别所述目标病患的意识状态。解决了现有技术中状态识别有误差且识别效率较低的问题，达到了可以根据生成的功率频率分布识别意识状态，提高识别效率和准确率的效果。
- 一种基于SSVEP的卷烟燃烧关键指标识别方法-202310177300.6
- 郑晗;王浩;张莹;谢姣;王旭;詹建波;冯晓蕾;路斌;付荣荣;岳保山;余婷婷;丁海燕 - 云南中烟工业有限责任公司
- 2023-02-28 - 2023-05-26 - A61B5/374
- 本发明公开了一种基于SSVEP的卷烟燃烧关键指标识别方法，包括SSVEP实验范式设计与卷烟燃烧关键指标识别。SSVEP实验范式采用联合频率‑相位调制方法进行设计，以卷烟燃烧关键指标作为刺激图片进行呈现，并且刺激是以两组不同背景的图片根据所设置的频率和相位进行交替闪烁，从而提高实验刺激效果；卷烟燃烧关键指标识别是根据吸烟人群对于卷烟燃烧关键指标关注程度的不同，通过滤波器组典型相关分析对实验采集的脑电信号的分析，得到卷烟燃烧关键指标的重要性排序。其实验范式易于实现，实验刺激效果好，识别率高，达到卷烟燃烧关键指标重要性排序的目的，为卷烟制造提供更加科学的指导。具有科学合理，适用性强，效果佳的优点。
- 一种基于脑机接口的应用系统、方法及电子设备-202310081943.0
- 周新宇;周启朋 - 天之成科技（上海）有限公司
- 2023-01-17 - 2023-05-09 - A61B5/374
- 本发明实施例公开了一种基于脑机接口的应用系统、方法及电子设备，系统包括：脑电采样模块，用于通过脑机接口对脑电信号进行采集和上传；预处理模块，用于将采集的脑电信号进行预处理，并按预设的分类标准进行类别标记；脑波数据库，用于预先构建有多种类别特征的脑波数据，并对各类特征关联对应的情感信息；匹配单元，用于：将预处理后的信号结合所述脑波数据库进行匹配，以得到匹配结果；根据所述匹配结果得到对应的推送数据；输出控制模块，用于根据所述推送数据产生对应的输出信号，并通过所述脑机接口进行传输，实现情感干预，以减轻痛苦；其效果是：可获知病患的真实情感感受；以此生成对应的输出信号，实现情感干预，以减轻痛苦。
- 一种智能康复按摩方法、机器人及存储介质-202310126418.6
- 陈琼;刘春;叶志伟;陈荆亮 - 湖北工业大学
- 2023-02-10 - 2023-05-09 - A61B5/374
- 本发明提出了一种智能康复按摩方法，包括以下步骤：采集受试者在按摩过程中的脑波数据、生理数据和面部图像数据；将采集的脑波数据、生理数据和面部图像数据输入预先训练好的力度调节指令识别模型，识别出受试者反馈的力度调节指令；根据受试者反馈的力度调节指令调节按摩力度。本发明将脑波数据、生理数据和面部图像数据进行融合分析，可以更加准确地识别出受试者对于按摩刺激的真实感受，从而准确识别出受试者反馈的按摩力度调节指令，按摩机器人可根据所述力度调节指令自动调节按摩力度，从而为受试者提供最佳的按摩服务，按摩过程中无需受试者主动调节各按摩部位的按摩力度，提升了按摩体验。
- 睡眠深度衡量指标的获取方法、装置、设备及存储介质-202211458700.6
- 晏水平;魏浩宇;郑潜;刘冰 - 浙江柔灵科技有限公司
- 2022-11-21 - 2023-04-18 - A61B5/374
- 本申请提出一种睡眠深度衡量指标的获取方法、装置、设备及存储介质，该方法包括：将采集到的脑电信号分割为多段子脑电信号；对子脑电信号进行截取，得到脑电截取信号；计算每段脑电截取信号在不同脑波波段的信号功率；根据同一段子脑电信号所对应的所有脑电截取信号在不同脑波波段的信号功率，计算得到子脑电信号对应的第一睡眠深度指标；对所有子脑电信号的第一睡眠深度指标进行拼接，得到脑电信号的睡眠深度指标结果。本申请利用简单的方法分段对睡眠深度指标进行提取，通过不同波段的功率对睡眠深度进行衡量，尽可能地保留脑电信号中的所有信息，同时捕捉了睡眠深度的变化，减少了不必要的干扰，能够高效准确反映睡眠深度。
- 基于工作记忆脑电神经振荡与脑网络分析的方法-202211425205.5
- 宋毅军;潘立平;刘洁;湛长青;王佳婧;崔明瑞 - 宋毅军
- 2022-11-15 - 2023-04-07 - A61B5/374
- 本发明提供了一种基于工作记忆脑电神经振荡与脑网络分析的方法，包括以下步骤：采集受试者进行工作记忆认知任务前的静息态脑电信号，执行工作记忆认知任务期间的行为学测试数据和任务态脑电信号；分别选取预处理后的静息态脑电信号和任务态脑电信号在多个频段的分量；计算各个频段的两个脑电信号的能量密度的差值，差值最高的频段作为任务态特征频段；分析任务态特征频段能量密度的空间分布特征；分析任务态特征频段因果连接强度的空间分布特征；进行工作记忆脑电神经振荡变化分析。本发明将行为学测试与脑电脑网络分析、神经振荡电活动测量相结合的技术，进而实现对工作记忆脑电神经振荡变化的实时检测评价。
- 一种基于胸骨柄前区脑电波判断睡眠深度的方法及系统-202010061045.5
- 肖钢 - 北京道贞健康科技发展有限责任公司
- 2020-01-19 - 2023-04-07 - A61B5/374
- 本发明提供一种基于胸骨柄前区脑电波判断睡眠深度的方法及系统，包括如下步骤：通过生理信息捡拾发射器在受测者的胸骨柄前区部位采集脑电波信息；在采集时间段中连续解读采集到的脑电波信息，脑电波信息包括：α脑电波、β脑电波、θ脑电波中的至少一种；并用于判断测试者的睡眠深度为闭目状态、浅睡状态还是深睡状态；分别统计闭目状态、浅睡状态及深睡状态的累计时长，并将上述累计时长作为睡眠参数数据输出；其中，脑电波信号包括α脑电波、β脑电波、θ脑电波。所述系统应用所述方法。本发明的基于脑电波判断睡眠深度的方法，判断睡眠深度的方法准确，且测试者只需佩戴生理信息捡拾发射器即可，不会影响测试者的睡眠状态。
- 一种基于脉冲神经网络的睡眠类型分类方法和装置-202211373110.3
- 张徽;时拓;刘琦;高丽丽;王志斌;顾子熙;李一琪;崔狮雨 - 之江实验室
- 2022-11-04 - 2023-04-07 - A61B5/374
- 本发明公开一种基于脉冲神经网络的睡眠类型分类方法和装置，该方法包括：步骤一，获取开源睡眠脑电图数据集；步骤二，将数据集中脑电图信号分割成多个第一片段信号，删除不需要的第一片段信号，并归一化剩余的第一片段信号；步骤三，分割归一化后的第一片段信号，得到第二片段信号；步骤四，将每一个第二片段信号进行事件编码，获得第二片段事件信号，并分为训练集和测试集；步骤五，构建脉冲神经网络模型及其损失函数进行各项参数梯度求解；步骤六，在训练集上进行脉冲神经网络模型优化训练，利用训练好的脉冲神经网络模型对测试集进行识别，实现睡眠类型分类。本发明相比传统神经网络分类检测具有计算量更少、更节能的优点。
- 脑电生物信号检测方法及装置-202211270148.8
- 方海军 - 领头扬科技（深圳）有限公司
- 2022-10-18 - 2023-04-04 - A61B5/374
- 本发明提供脑电生物信号检测方法及装置，所述检测方法包括以下步骤：采集物料和检测装置准备；检测装置与客户端连接；选择采集环境；给被采集者定向；填写被采集者详细信息；采集数据；监测采集过程；数据读取采用中检报告显示准确率95％以上的强脑轻便脑电设备作为数据采集工具，携带方便，在安静环境，戴上脑电设备仅7‑10分钟的脑波数据采集，场地不受限效率高，对采集完成的双域双值脑电γ、Hβ、Lβ、α、θ、δ六个波段的实时数据，通过对记录数据的平均波值、排序、组合、起伏，进行判断，相对于现有技术可操作性强，准确率高，简洁方便，成本低，好复制推广。
- 用于脑电图检查的装置和方法-201680019495.X
- J·科特莱宁;E·韦于吕宁;T·塞佩宁 - 塞勒尼恩有限公司
- 2016-03-30 - 2023-04-04 - A61B5/374
- 一种装置，包括数据处理单元(100)，该数据处理单元基于对暴露于麻醉药品物质的人(110)的测量来接收脑电图数据，该麻醉药品物质根据时间在人(110)的身体(108)中具有一个或多个估计的或测量的非零浓度水平；以及确定并呈现在麻醉药品物质的一个或多个估计或测量的非零浓度水平处的脑电图数据的慢波活动。
- 视疲劳预见性预测的分类模型的训练方法及训练装置-202210833552.5
- 袁进;肖鹏;马可;吴祥 - 中山大学中山眼科中心
- 2022-07-15 - 2023-03-31 - A61B5/374
- 本公开描述一种视疲劳预见性预测的分类模型的训练方法及训练装置，该训练方法包括获取多个受试者在使用立体显示设备之前的脑电信号以及与各个受试者对应的视觉疲劳标签，脑电信号包括静息态信号和任务态信号，提取针对静息态信号的第一指标集，提取针对任务态信号的第二指标集，第二指标集包括任务态信号中各个类型的刺激事件对应的事件指标集，基于分类模型的超参数、第一指标集和第二指标集确定用于搜索最优个体的优化器的多个个体的元素，并基于由分类模型和视觉疲劳标签确定的个体的适应度确定最优个体，进而基于最优个体确定分类模型的超参数和目标指标。由此，提供一种能够在使用立体显示设备之前预测视疲劳结果的分类模型的训练方法。
- 基于多尺度卷积核尺寸CNN的驾驶员疲劳状态识别方法-202211488681.1
- 付荣荣;侯启恩 - 燕山大学
- 2022-11-25 - 2023-03-24 - A61B5/374
- 本发明公开了基于多尺度卷积核尺寸CNN的驾驶员疲劳状态识别方法，包括如下步骤：S1、数据准备：将采集到的脑电信号进行预处理，得到标准格式数据；S2、数据增强：采用频率掩蔽和频域重组算法对原数据进行数据增强；S3：模型训练，采用多尺度卷积核尺寸混合CNN模型对原始数据和增强数据构成的数据集进行训练，得到分类器；S4、状态识别：把预处理后的脑电数据输入到分类器模型中，得到样本的状态标签以及可解释的模型分类依据；本发明提高了模型分类性能，在持续注意力驾驶任务数据集识别疲劳状态任务中，实现了较高的准确率；并设计了添加频率噪声和频率掩蔽两种数据增强方法与CNN模型集成，进一步提高模型的泛化能力。
- 专利分类
