[发明专利]一种基于自监督学习的脑电波图异常检测的方法及装置在审
| 申请号： | 202011462026.X | 申请日： | 2020-12-12 |
| 公开（公告）号： | CN112587155A | 公开（公告）日： | 2021-04-02 |
| 发明（设计）人： | 王瑞轩;许俊杰;郑瑶嘉 | 申请（专利权）人： | 中山大学 |
| 主分类号： | A61B5/372 | 分类号： | A61B5/372 |
| 代理公司： | 深圳市创富知识产权代理有限公司 44367 | 代理人： | 苏登 |
| 地址： | 510275 *** | 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： | 本发明涉及图像处理技术领域，公开了一种基于自监督学习的脑电波图异常检测的方法及装置，方法包括：根据脑电图(EEG)信号，生成自标签数据集；所述自标签数据集包括经过变换后的EEG数据及其变换对应的标签；根据所述自标签数据集，训练分类器；所述分类器由四个卷积模块和一个全连接层组成；根据所述分类器输出的k维向量V，对EEG数据异常值进行评分；k表示变换集的基数|T|。本发明不需要对EEG数据进行人工特征提取和过于复杂的预处理就能够对EEG数据进行异常检测，并达到较好的检测效果。 | ||
| 搜索关键词： | 一种 基于 监督 学习 脑电波 异常 检测 方法 装置 | ||
【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中山大学，未经中山大学许可，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/202011462026.X/，转载请声明来源钻瓜专利网。
- 上一篇：一种易拆装式混凝土搅拌站
- 下一篇：一种新型的用于足球射门训练设备
- 同类专利
- 一种基于脑电图预测脑龄的方法和设备-202310813275.6
- 罗杰坚;闫宇翔;赵童 - 灵犀云医学科技（北京）有限公司
- 2023-07-04 - 2023-10-27 - A61B5/372
- 本申请提出用于预测脑龄的方法和设备。该方法包括：获取受试者在清醒状态下的脑电图EEG信号；对EEG信号进行伪差检测和分段以选取满足信号质量要求的多个EEG信号片段；将满足信号质量要求的多个EEG信号片段转换为时频图数据；以及使用神经网络模型基于时频图数据预测与满足信号质量要求的多个EEG信号片段对应的受试者的脑龄。相比使用睡眠状态下的EEG信号，本申请可以使用受试者在清醒状态下的EEG信号在更短时间段内或实时动态地监测大脑的脑龄及其变化。
- 一种脑电图生物特征核验方法、装置、芯片及终端-202310911328.8
- 郭军;柯武生;翁国权 - 山东睿芯半导体科技有限公司
- 2023-07-24 - 2023-10-27 - A61B5/372
- 本发明实施例公开了一种脑电图生物特征核验方法、装置、芯片及终端，涉及人工智能领域，通过对待识别脑电图数据进行数据处理，得到目标脑电图数据，对所述目标脑电图数据进行空间滤波处理及特征提取得到特征信号矩阵，将所述特征信号矩阵输入预设的Transformer模型，以使所述Transformer模型进行位置编码，将进行位置编码之后的特征信号矩阵输入编解码组件进行编解码处理，对所述编解码处理的结果进行线性变换和softmax计算确定生物特征核验分类，本方法利用编解码组件可以有效缩短网络的计算时间，提高了Transformer模型的生物特征核验效率，并提高了脑电图生物特征核验的准确率。
- 被试用户训练状态识别方法、基于BCI的康复训练方法-202111461468.7
- 李鹏;崔正哲;朱世强;傅向向;朱威灵 - 浙江迈联医疗科技有限公司
- 2021-12-02 - 2023-10-27 - A61B5/372
- 本发明涉及一种被试用户训练状态识别方法、基于BCI的康复训练方法。本发明所采用的技术方案是：一种被试用户训练状态识别方法，其特征在于：S1、实时获取用户脑电数据；S2、基于用户实时脑电数据计算实时特征参数；S3、根据实时特征参数和该用户相应个性化模型中的判别特征参数识别用户的训练状态，所述个性化模型中的判别特征参数基于该用户预先进行多状态范式训练时的脑电数据确定。一种被试用户训练状态识别装置，其特征在于：数据获取模块，用于实时获取用户脑电数据；实时特征计算模块，用于基于用户实时脑电数据计算实时特征参数；状态识别模块，用于根据实时特征参数和该用户相应个性化模型中的判别特征参数识别用户的训练状态。
- 一种基于脑电信号的运动想象预测方法和介质-202310158084.0
- 李雪;韦洪雷;孙君志;高瞻乐;李鸣曦;金毓;朱志成;徐基盛 - 成都体育学院;西南交通大学
- 2023-02-23 - 2023-10-24 - A61B5/372
- 本发明公开了一种基于脑电信号的运动想象预测方法和介质，包括：获取基于运动想象的多通道原始脑电信号，将重构后的脑电信号输入到图卷积神经网络模型中进行分类预测；构建拉普拉斯矩阵，通过拉普拉斯矩阵得到拉普拉斯图，将拉普拉斯图输入到图卷积神经网络模型中进行分类预测；计算对比损失函数，利用对比损失函数促进无监督对比学习，直至模型训练迭代收敛；利用训练完成的图卷积神经模型进行分类预测。本发明将具有功能拓扑关系的拉普拉斯图输入到图卷积神经网络模型中进行分类预测，将脑区之间的信息交互作为分类预测的考量因素，提高分类的准确度；利用对比损失函数促进无监督对比学习，促进行为分类器的学习，加快模型迭代收敛的速度。
- 一种用于大脑连通性分析的便携式电脑采集系统-202310927802.6
- 刘洪海;潘相宇;常辉;盛译萱;王志永;张跃 - 交浦科技（深圳）有限公司;哈尔滨工业大学（深圳）（哈尔滨工业大学深圳科技创新研究院）
- 2023-07-26 - 2023-10-20 - A61B5/372
- 本发明公开了一种用于大脑连通性分析的便携式电脑采集系统，涉及人体脑电信号采集领域，解决现有脑电采集设备只能实时显示采集的脑电原始数据波形，无法实时分析以及可视化连通性的问题。所述系统包括硬件部分和软件部分，硬件部分包括电源模块、主控模块、模数转换及放大模块、无线通信模块，软件部分包含通道选择模块、功能选择模块、波形绘制模块和连通性绘制模块。在主控模块的控制和处理下，模数转换及放大模块采集原始信号后通过无线通信模块发送至上位机，由波形绘制模块和连通性绘制模块分别实时绘制原始脑电波形和脑电通道之间连通特性。本发明能够实时对脑电原始数据进行分析并显示脑电通道间的连通性，且体积小、成本低。
- 一种基于深度学习模型的睡眠脑电信号检测方法及系统-202310828067.3
- 黄辰;张丽;王时绘;张龑;马亮;黄敏;郭珍立;宋建华;吴伟 - 湖北大学;湖北省中西医结合医院（湖北省职业病医院）
- 2023-07-06 - 2023-10-20 - A61B5/372
- 本发明公开了一种基于深度学习模型的睡眠脑电信号检测方法及系统。先采集脑电信号，对脑电信号进行时频转换，得到数据频域图，从数据频域图中选择出各预设的睡眠阶段中的特征向量最大值作为各睡眠阶段的聚类中心；根据其余特征向量与各睡眠阶段的聚类中心之间的欧式距离进行聚类，得到对应的簇；接着计算每个簇中所有特征向量的均值作为该簇的特征值；再将所有簇的特征值按照时间顺序拼接起来，得到脑电信号的特征曲线，实现细节匹配；再将脑电信号的特征曲线乘以所属采集通道的权重，得到加权后的通道特征曲线，实现波形重构；最后将加权后的通道特征曲线输入到预设的睡眠检测模型中，得到睡眠分期检测结果，从而自动对睡眠质量进行分期检测。
- 自动驾驶安全员脑电信息语义分析方法及系统-202310901859.9
- 奇格奇;何智慧;赵朔;关伟 - 北京交通大学
- 2023-07-21 - 2023-10-17 - A61B5/372
- 本发明提供一种自动驾驶安全员脑电信息语义分析方法及系统，属于自动驾驶技术领域，采集驾驶行为数据与脑电数据，进行时频域分析获得脑电时频特征图；构建驾驶员与安全员的领域张量，分解为核心张量与共同的伴随矩阵输入预测模型LSTM，训练获得源预测函数；将源预测函数迁移到目标域获得目标域伪标签矩阵，构建新目标域；迁移迭代终止时的源预测函数解析安全员脑电信息语义；提取迭代终止时刻的核心张量，分析获得驾驶员与安全员的认知状态的差异。本发明能够准确地刻画用户在人工驾驶与自动驾驶两种系统中的认知状态差异，有效地进行知识迁移实现安全员的驾驶语义解析，有助于优化人车协同为自动驾驶发展，为安全员脑机交互构建提供新途径。
- 基于MFDMA与分形维数的脑电信号检测-202310887802.8
- 周稳兰;王文慧;张佳;冯友兵;王敏 - 江苏科技大学
- 2023-07-19 - 2023-10-10 - A61B5/372
- 本发明公开了基于MFDMA与分形维数的脑电信号检测，本发明采用MFDMA、Hurst指数和分形维数来表征脑电的动态特性，同时考虑了MFDFA方法来获得Hurst指数，其后采用Hall‑Wood和Robust Genon估计器来计算分形维数D，最后在分形维数D和Hurst指数的基础上，提出了一种新的组合测度CI，用于评估癫痫患者和健康受试者的脑电非线性TS，本发明避免单独选择单个索引时发现的限制，提高了算法的有效性和合理性。
- 一种脑电信号的去噪方法、装置、电子设备及存储介质-202310861725.9
- 丁硕;董彦斌;马靖;张成 - 北京元纽科技有限公司
- 2023-07-14 - 2023-10-10 - A61B5/372
- 本申请提供了一种脑电信号的去噪方法、装置、电子设备及存储介质，涉及脑电波信号处理技术领域，该方法包括：对初始脑电波信号进行预处理获得脑电数据；针对每个通道脑电数据进行切片及矫正处理获得矫正脑电切片数据；针对每种噪声类型，利用母小波对不同通道下矫正脑电切片数据进行小波变换，获得该噪声类型对应的多个小波系数矩阵；对多个小波系数矩阵进行逆变换处理，重构出该噪声类型对应的多个噪声参考信号；针对每个通道，将该通道下矫正脑电切片数据及多个噪声参考信号输入目标去噪模型，获得该通道去噪后脑电数据。通过采用上述脑电信号的去噪方法、装置、电子设备及存储介质，解决了导联数较少时，脑电信号去噪效果差的问题。
- 一种脑肌信号评估方法和装置-202310712954.4
- 陈小刚;崔红岩;李萌;张若晴 - 中国医学科学院生物医学工程研究所
- 2023-06-14 - 2023-10-03 - A61B5/372
- 本申请实施例公开了一种脑肌信号评估方法和装置，该方法包括：获取用户的静息态脑电频谱数据、任务态脑电频谱数据、静息态肌电频谱数据和任务态肌电频谱数据；基于静息态脑电频谱数据和任务态脑电频谱数据确定第一组内均方差和第一组间均方差，基于静息态肌电频谱数据和任务态肌电频谱数据确定第二组内均方差和第二组间均方差；基于第一组内均方差和第一组间均方差确定脑电目标值，基于第二组内均方差和第二组间均方差确定肌电目标值；基于静息态脑电频谱数据、任务态脑电频谱数据、静息态肌电频谱数据和任务态肌电频谱数据确定脑电参考值和肌电参考值；基于脑电目标值、肌电目标值、脑电参考值和肌电参考值确定用户的评估结果。
- 微状态源定位方法、装置、电子设备和存储介质-202310752490.X
- 武剑;宋森;薛司洋;沈新科;桑振华 - 清华大学;北京清华长庚医院
- 2023-06-25 - 2023-10-03 - A61B5/372
- 本公开涉及一种微状态源定位方法、装置、电子设备和存储介质，获取至少一个受试者通过多个导联获取的脑电信号组成的脑电信号数据，并绘制至少一个用于表征同一时刻每个导联位置的信号强度差异脑电拓扑图。通过对脑电拓扑图聚类得到至少一类微状态以及对应的特征拓扑图。根据每类微状态对应的特征拓扑图和每个受试者的脑电信号数据确定受试者对应的微状态序列。同时根据每个受试者的脑电信号数据确定用于表征三维空间中激活脑区位置时序变化的磁共振文件，根据每个受试者的磁共振文件和微状态序列确定每类微状态对应的目标激活脑区。本公开通过微状态序列与磁共振文件拟合的方式进行微状态源定位，定位过程简单高效且定位结果准确。
- 基于自适应层次图神经网络的脑电情感识别方法及装置-202111623708.9
- 郑文明;薛云龙;宗源;常洪丽 - 东南大学
- 2021-12-28 - 2023-09-29 - A61B5/372
- 本发明公开了一种基于自适应层次图神经网络的脑电情感识别方法及装置，方法包括：(1)获取包括若干脑电情感数据和所属情感类别标签的脑电情感数据库；(2)提取脑电情感数据库中脑电情感数据的每个脑电电极的手工特征；(3)建立脑电情感识别网络，所述脑电情感识别网络具体为自适应层次图神经网络(4)将脑电情感数据的脑电电极的手工特征和脑电情感数据所属情感类别标签作为样本，输入所述脑电情感识别网络进行训练；(5)将待识别的脑电情感数据的脑电电极的手工特征输入训练好的脑电情感识别网络，得到情感类别。本发明识别准确率更高。
- 一种睡眠纺锤波分级识别方法及系统-202211266947.8
- 夏邵君;邹启红;孔祥星;胡沁之 - 北京大学
- 2022-10-17 - 2023-09-22 - A61B5/372
- 本发明公开了一种睡眠纺锤波分级识别方法及系统。本方法步骤包括：1)对脑电波信号进行标注，标注出所述脑电信号中各纺锤波的起始点和持续时间；然后提取出n个包含纺锤波信号的脑电信号分段和n个不包含纺锤波信号的脑电信号片段；2)对所提取的2n个脑电信号片段进行连续小波变换，得到每一所述脑电信号片段对应的一维电信号；将转换后的每一所述一维电信号转换为二维时频图；3)利用所述二维时频图训练睡眠纺锤波分级识别神经网络；4)将待识别的脑电波信号进行分段并对其连续小波变换后输入到训练后的睡眠纺锤波分级识别神经网络，识别出每一分段是否包含纺锤波信号。本发明解决了现有睡眠纺锤波分级识别存在的鲁棒性差以及效率低问题。
- 脑瞬态监测设备、电子设备及存储介质-202310770534.1
- 白洋;冯珍 - 南昌大学第一附属医院
- 2023-06-28 - 2023-09-19 - A61B5/372
- 本申请公开了一种脑瞬态监测设备、电子设备及存储介质。在当前时刻采集待监测对象的多个原始脑电信号；基于重组矩阵对多个原始脑电信号进行溯源分析，得到多个第一脑电源信号；从每个第一脑电源信号中截取与当前时刻对应的待分析脑电信号，得到多个待分析脑电信号；对多个待分析脑电信号进行处理，得到第一延时自协方差矩阵；确定第一延时自协方差矩阵与多个预设延时自协方差矩阵之间的多个第一相似度；根据多个第一相似度、上一时刻的脑瞬态、多种脑瞬态状态转移概率矩阵、多种脑瞬态的初始状态概率，确定当前时刻处于各种脑瞬态的概率；根据当前时刻处于各种脑瞬态的概率，确定当前时刻的脑瞬态。
- 基于功率谱密度热力图的时间优选方法-202310634603.6
- 丁竹君;樊坤君;金晶;王薇 - 上海术理智能科技有限公司
- 2023-05-31 - 2023-09-15 - A61B5/372
- 本发明提供一种基于功率谱密度热力图的时间优选方法，包括：利用指定的时间窗长度W和时间间隔Δt在C3、C4通道上的整段脑电信号中滑动时间窗，获得多个时间窗，并计算每个时间窗内脑电信号的功率谱密度；基于功率谱密度，绘制功率谱密度热力图，利用各向同性的热扩散方程对功率谱密度热力图进行平滑处理；对平滑处理后的功率谱密度热力图在时间方向上进行一阶差分计算，再在频率方向上对目标频率范围进行平方和计算，得到变化曲线；在变化曲线中寻找时间t*，在训练集数据[t*‑W/2,t*+W/2]区间内，以时间间隔Δt滑动时间窗，得到(W/Δt)个训练集；对训练集进行分类计算，根据计算结果得到最优的时间点。
- 基于在线测试时间域适应的跨受试者脑电信号分类方法-202310719543.8
- 李畅;毛婷婷;宋仁成;刘羽;成娟;陈勋 - 合肥工业大学
- 2023-06-16 - 2023-09-15 - A61B5/372
- 本发明公开了一种基于在线测试时间域适应的跨受试者脑电信号分类方法，其步骤包括：1，对于原始EEG数据进行预处理，包括去除噪声、片段分割以及利用短时傅里叶变换提取时间频率特征，并获得源域数据和目标域数据；2，基于CNN网络构建源模型，学生模型，教师模型，输入数据对源模型进行训练获得预训练源模型；3.使用已有的预训发明模型初始化学生模型和教师模型；4，学生模型和教师模型在目标数据流上基于互学习策略在线调优并实现脑电信号的分类。本发明能在保护患者隐私的条件下实现对脑电信号的快速分类，从而能满足实际场景中脑电信号的分类系统的实时性需求。
- 一种脑电信号分级情绪识别方法、系统、电子设备及介质-202310657881.3
- 江乐旗;李泽斌;陈昊;黎明;揭丽琳;刘畅;张聪炫 - 南昌航空大学
- 2023-06-06 - 2023-09-15 - A61B5/372
- 本发明公开一种脑电信号分级情绪识别方法、系统、电子设备及介质，属于脑电信号处理技术领域。首先获取双情绪诱导模式的脑电信号数据样本集，以适应于真实场景中存在的多种情绪诱导方式；然后从每个通道的脑电特征集中选出对情绪诱导模式与情绪具体类别区分度高的特征，采用通道重要性计算方法对通道进行选择，并为每种情绪诱导模式搭建分级情绪识别模型，使得本发明在实际场景中提高了脑电信号情绪识别的精度与效率。
- 一种基于网络模体的脑电图信号分析方法-202010093975.9
- 许学添;赖河蒗;黄少荣 - 广东司法警官职业学院
- 2020-02-14 - 2023-09-08 - A61B5/372
- 本发明涉及一种脑电图信号分析方法，包括以下步骤：包括以下步骤：S1：根据脑电图信号建立大脑功能性网络；S2：根据所述大脑功能网络，识别不同的网络模体，所述网络模体为节点的连接模式；S3：统计不同网络模体的个数，建立网络模体特征向量；S4：根据所述网络模体特征向量，完成脑电图智能分类。相对于现有技术，本发明的脑电图信号分析方法可以有效度量大脑功能网络的全局连通性以及刻画大脑的功能模块划分，可以较准确地描述大脑的特征与状态。
- 一种基于图表示学习模型的EEG数据分类方法-202310667953.2
- 韩卓阳;孙克;于硕;原旭 - 大连理工大学
- 2023-06-07 - 2023-09-05 - A61B5/372
- 本发明属于图嵌入领域，公开了一种基于图表示学习模型的EEG数据分类方法，包括：步骤100，构建测地距离矩阵和基于功率谱密度特征的谱相干性生成的邻接矩阵；步骤200，根据测地距离矩阵和基于功率谱密度特征的谱相干性生成的邻接矩阵计算自适应邻接矩阵，并且获取EEG数据的功率谱密度作为输入的节点特征；步骤300，将脑功能网络进行多通道注意力卷积，获得最终的模型参数，实现对EGG的分类。本发明采用了全局注意力池化机制对节点特征进行粗化，实现整图的嵌入。根据整图分类任务，使用构建损失函数进行图卷积训练，反向传播损失，更新参数和嵌入。最后使用得到的模型实现EGG更准确的分类任务。
- 基于序数模式的多尺度皮层-肌肉耦合网络分析方法-202310668935.6
- 高云园;刘蓝田;冯益羽;孟明;马玉良;张卷卷 - 杭州电子科技大学
- 2023-06-07 - 2023-09-05 - A61B5/372
- 本发明提出了一种基于序数模式的多尺度皮层‑肌肉耦合网络分析方法。本发明首先使用多元变分模态分解方法对脑肌电信号进行同时频尺度的分解，再对多分量信号使用多元二分时序分区转移网络方法计算耦合强度和耦合邻接矩阵，构建皮层‑肌肉耦合网络，使用复杂网络参数分析该耦合网络的特征。该方法在表现皮层‑肌肉之间信息传递的特征在不同握力模式之间变化方面具有优势，也展现出脑肌电信号之间的因果链接的分层特性，证实了方法在解构人体上肢运动时皮质和肌肉之间的内在联系和神经控制肌肉运动的机制方面的潜力。
- 一种脑电信号采集系统-202222505748.X
- 余海文;彭雷;谭正 - 上海脑虎科技有限公司
- 2022-09-21 - 2023-09-05 - A61B5/372
- 本实用新型涉及脑功能探测领域，公开了一种脑电信号采集系统。该脑电信号采集系统包括依次连接的预处理装置、数据选择器和数字滤波器；该预处理装置用于对接收到的多种脑电信号进行信号预处理，得到多种该脑电信号对应的预处理信号；该数据选择器用于接收该预处理装置发送的多种该脑电信号对应的预处理信号，并对多种该脑电信号对应的预处理信号进行分类处理，得到第一类处理信号和/或第二类处理信号；并将该第一类处理信号经过该数字滤波器发送给数据处理模块；将该第二类处理信号经数据传输通道发送给该数据处理模块；数字滤波器用于对第一类处理信号的采样率和分辨率进行调整处理。该信号采集系统具有结构简单且处理信号种类多的特点。
- 一种脑波信息处理方法及系统、设备及介质-202310539505.4
- 常予;蔡明春;王婉怡;张盛瑶;姜昱光;张蕴弛 - 北京电子工程总体研究所
- 2023-05-12 - 2023-08-29 - A61B5/372
- 本发明实施例公开一种脑波信息处理方法及系统、设备及介质，所述脑波信息处理方法包括，记录并采集不同刺激条件下的脑波信号并对所述脑波信号进行预处理；利用信号分析方法对预处理后的脑波信号进行时域、频谱和时频域功率谱的分析，提取并标记特征信号；利用训练后的分类器模型对脑波信号中包含的高级信息进行分类识别；将分类后的信号作为输入，利用强化学习算法进行感官增强、运动想象学习和情绪演进调控，形成逆脑波调控信号；利用所述逆脑波调控信号对受试大脑进行反馈激励；存储包含感官信息、运动想象和情绪信息的脑波信号、逆脑波调控信号以及反馈激励后的脑波信号，建立受试者高级脑波信息数据库。
- 一种基于时频域的轻量化网络脑电信号识别方法-202310628187.9
- 邵珠宏;尚媛园;孙智健;韩俊霞 - 首都师范大学
- 2023-05-30 - 2023-08-22 - A61B5/372
- 本发明提出一种基于时频域的轻量化网络脑电信号识别方法，包括，采集脑电信号，将脑电信号经过高通滤波器和低通滤波器进行预处理；将经过预处理后的脑电信号进行离散分数余弦倒谱变换得到第一时频特征图；将第一时频特征图中的时频域脑电序列特征转成二维矩阵表示得到第二时频特征图；通过级联的复数域二维主成分分析网络特征对提取第二时频特征图得到直方图特征；将直方图特征输入分类器进行训练，通过训练好的分类器进行脑电信号的识别。通过本发明提出的方法，可以捕捉脑电波信号中隐藏的微妙信息，涉及的参数经过微调便可以得到具有最佳分类精度的轻量化深度学习模型，能够应用于临床上精神健康或脑部疾病的脑电信号智能分析及辅助诊断。
- 一种适用于多声源场景的听觉注意对象解码方法-202310424631.5
- 李佳;卢雅雯 - 华南理工大学
- 2023-04-20 - 2023-08-22 - A61B5/372
- 本发明公开了一种适用于多声源场景的听觉注意对象解码方法，采集脑电信号，得到脑电图；对所述脑电图进行预处理并使用移动时间窗口切割得到脑电信号时间切片；将所述时间切片输出至训练好的深度学习模型，得到听觉注意对象；所述深度学习模型的训练数据的获取步骤包括：建立具有多声源的视听觉环境，获取所述视听觉环境下受试者听觉注意时的脑电信号训练数据；本发明融合视觉建立了多声源场景，获取更加现实的听觉注意过程中的脑电信号，进而实现高精确地听觉注意解码。
- 一种基于多特征域注意力网络的脑电认知负荷评估方法及系统-202310477389.8
- 闫镔;李中锐;童莉;曾颖;张融恺 - 中国人民解放军战略支援部队信息工程大学
- 2023-04-27 - 2023-08-15 - A61B5/372
- 本发明属于脑电数据处理技术领域，公开一种基于多特征域注意力网络的脑电认知负荷评估方法及系统，该方法首先根据大脑处理任务的神经反应构建三维特征输入，然后通过多尺度卷积构建多样性多角度的特征候选集，并将低层的注意力特征跨越式的与高层注意力特征相结合，以学习到不同尺寸的多样性注意力特征，便于网络的高级特征组合，以实现对低、中、高三个负荷等级的有效评估。通过实验结果发现本发明构建的网络与其他四种流行网络相比获得了最高的分类精确度，从而有效地提高脑电认知负荷的评估性能。
- 一种基于轻量级神经网络的单通道脑电瞌睡检测方法-202310612183.1
- 费克玲;丁洋;王江辉 - 常州大学
- 2023-05-26 - 2023-08-15 - A61B5/372
- 本发明涉及信号分析技术领域，尤其涉及一种基于轻量级神经网络的单通道脑电瞌睡检测方法，包括对单通道脑电信号进行预处理，对预处理后的脑电信号进行小波包分解，转化为时间‑频率矩阵，生成瞌睡检测数据集；以EfficientNetv2网络中的F‑MBConv模块与MBConv模块为基础，并在两种模块间加入改进Ghost模块，构建新的轻量级神经网络实现脑电特征自动提取；使用注意力机制ECA模块替代原始网络中的SE模块，进一步实现网络轻量化；设置模型的训练参数，采用交叉熵作为损失函数，通过训练获得最佳的识别模型。本发明通过构建轻量级深度神经网络，以较低的复杂度及计算代价提升了受试瞌睡状态检测的识别性能。
- 脑电图的可视化方法、控制装置、存储介质及可视化系统-202310335563.5
- 雷燕琴;李日辉 - 北京讯脑医疗科技有限公司
- 2023-03-31 - 2023-08-15 - A61B5/372
- 本发明实施例提供一种脑电图的可视化方法、控制装置、存储介质及可视化系统，属于脑电图技术领域。所述脑电图的可视化方法包括：采集脑电图信号；提取所述脑电图信号的特征指标；以及根据所提取的特征指标，生成脑电图特征指标报告。通过脑电图信号的数据处理技术，提取脑电图信号的时域、频域和空域等特征，得到脑电图信号的特征指标，并且针对每一特征指标可以对应多种算法可供选择。不同用户(例如，临床电生理工作者)可以选择不同的脑电特征及对应的算法(或默认算法)对特征指标进行提取，根据所提取的特征指标进行可视化输出，形成自定义的脑电图特征指标报告，以帮助临床电生理工作者从脑电图信号中获取更多有价值的诊断信息。
- 基于庞加莱图和二阶差分图的脑电情绪识别方法及装置-202210839513.6
- 盛婷钰;冯前胜;许敏鹏;肖晓琳;杨超;陈鹏飞;裴育 - 天津大学
- 2022-07-18 - 2023-08-11 - A61B5/372
- 本发明涉及信号处理、情绪识别技术领域，为实现情绪脑电信号更全面更深入的非线性分析，提高情绪识别的准确性，本发明，基于庞加莱图和二阶差分图的脑电情绪识别方法及装置，步骤如下：步骤S1：采集脑电信号；步骤S2：对脑电信号预处理；步骤S3：对所述预处理信号分解和重构；步骤S4：对预处理信号提取所有本征模函数；步骤S5：绘制各个频带脑电信号的庞加莱图；步骤S6：绘制各个本征模函数的二阶差分图；步骤S7：提取所述庞加莱图的特征；步骤S8：提取所述二阶差分图的特征；步骤S9：进行特征拼接、筛选和降维，得到特征子集；步骤S10：将特征子集输入至分类器中进行分类。本发明主要应用于情绪识别场合。
- 脑电信号特征提取方法、装置、计算机设备及存储介质-202310504755.4
- 张旭龙;王健宗;程宁;朱可欣 - 平安科技（深圳）有限公司
- 2023-05-06 - 2023-08-08 - A61B5/372
- 本申请涉及人工智能技术领域，公开了一种基于注意力机制的脑电信号特征提取方法、装置、计算机设备及存储介质，能够提取更深层次的模态交互信息，同时覆盖更多的互补信息，有效地提高了特征的表达能力。方法部分包括：获取脑电信号；分别从脑电信号中提取时频和空间两个模态的特征，得到时频表示特征和图表示特征；基于自注意力网络，分别对时频表示特征和图表示特征进行注意力加权处理，得到第一注意力特征和第二注意力特征；将第一注意力特征和第二注意力特征进行跨模态融合处理，得到跨模态融合特征。
- 基于窗口注意力机制的自动睡眠分期方法-202310509949.3
- 石争浩;宋远帆;尤珍臻;任晓勇;黑新宏;刘海琴;罗靖;赵明华;冯亚宁 - 西安理工大学
- 2023-05-08 - 2023-08-01 - A61B5/372
- 本发明公开了一种基于窗口注意力机制的自动睡眠分期方法，网络包括特征提取模块、特征提炼模块、时序捕获模块和分类器。首先，通过不同的卷积核大小所构成的双路卷积神经网络，实现了对于原始脑电信号高低频的浅层特征提取，并通过堆叠多层卷积层实现深层特征提取；然后，通过由降维和通道注意力机制组成的特征提炼模块，降低了输出特征通道的个数，并尽可能保留了关键的特征通道；最后，通过基于窗口注意力机制实现的时序捕获模块，实现了对于序列信息的有效处理，模型更加聚焦于窗口内的特征通道；同时，在窗口注意力的权重分配中引入了医生判读的经验知识，从而最终实现了更加准确的分类结果。
- 专利分类
