“静息态下”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果4515877个，建议您升级VIP下载更多相关专利

[发明专利]一种多模态静息脑电数据干扰消除和标记方法及装置-CN202111177728.8有效
发明人：王子洋;杨芳梅;刘禹;张睿 -专利权人：中国科学院自动化研究所
申请日： 2021-10-09 - 公布日： 2023-05-05 - 主分类号： A61B5/369 文献下载
摘要：本发明提供一种多模态静息脑电数据干扰消除和标记方法及装置，其中方法包括：确定静息态下本次同步采集的四肢运动数据和肌电数据满足第一干扰处理条件时，对静息态下本次同步采集的脑电数据进行眼动干扰去除处理，得到第一目标静息态脑电数据；确定四肢运动数据和肌电数据满足第一干扰标记条件时，对脑电数据进行肢体干扰段及肌电干扰段标识，得到第二目标静息态脑电数据；分别将第一目标静息态脑电数据和第二目标静息态数据存储为第一目标静息态脑电数据文件和第二目标静息态脑电数据文件本发明能够自动定位和去除咀嚼、吞咽、身体及头部扭动等小动作，并且能自动去除眼电对于低频段静息脑电数据采集影响，从而获取到高质量的静息态脑电数据。
一种多模态静息脑电数据干扰消除标记方法装置

[发明专利]基于造影图像获取静息态下血管评定参数的方法及装置-CN201980040566.8在审
发明人：霍云飞;刘广志;吴星云 -专利权人：苏州润迈德医疗科技有限公司
申请日： 2019-11-13 - 公布日： 2021-02-19 - 主分类号： A61B5/026 文献下载
摘要：一种基于造影图像获取静息态下血管评定参数的方法及装置。该基于造影图像获取静息态下血管评定参数的方法包括：获取静息态下，冠状动脉入口的实时压力Pa，得到时域下的Pa‑t压力波形(S100)；对造影态下冠状动脉二维造影图像中感兴趣的血管段进行三维建模，得到三维血管网格模型(S200)；获取三维血管网格模型的实时血流速度v，得到v‑t速度波形(S300)；换算得到静息态下的v静‑t速度波形；通过傅里叶变换和傅里叶逆变换，获取时域下的冠脉入口到冠脉狭窄远端的ΔP静‑t压力降波形；获取静息态下冠状动脉血管评定参数
基于造影图像获取静息态下血管评定参数方法装置

[发明专利]一种基于静息态脑影像的分类方法-CN201910346333.2在审
发明人：朱雪玲;袁福来;孔令煜;刘绍辉 -专利权人：中南大学湘雅医院
申请日： 2019-04-26 - 公布日： 2019-06-28 - 主分类号： G06K9/62 文献下载
摘要：本发明提供了一种基于静息态脑影像的分类方法，涉及机器学习技术领域，方法包括：获取静息态脑影像；构建静息态脑影像对应的全脑功能连接网络；基于全脑功能连接网络及预设的F分值算式，提取静息态脑影像的分类特征；采用支持向量机SVM对所述分类特征进行分类学习，得到能够预测静息态脑影像的分类结果的分类器。本发明从基于静息态脑影像构建的全脑功能连接网络中，通过F分值算式提取出分类特征，能够利用静息态的功能磁共振成像信号之间的相关性度量的连接关系，使得训练得到的分类器对新的静息态脑影像进行预测后，得到的分类结果更加准确
静息态影像分类特征功能连接全脑算式分类结果分类器构建分类功能磁共振成像机器学习技术支持向量机连接关系网络度量预测预设学习

[发明专利]一种创伤后应激障碍的诊断评估系统-CN201511028623.0在审
发明人：龚启勇;雷都 -专利权人：四川大学
申请日： 2015-12-31 - 公布日： 2016-05-11 - 主分类号： A61B5/16 文献下载
摘要：本发明公开了一种创伤后应激障碍的诊断评估系统，包括：功能成像模块，用于从检测个体的脑部获取静息态功能成像数据；属性提取模块，用于从功能成像模块获取的静息态功能成像数据中提取静息态功能影像属性数据；创伤后应激障碍特征样本库模块，用于存储不同创伤后应激障碍等级的历史静息态功能影像属性数据；创伤后应激障碍评定模块，用于将静息态功能影像属性数据与历史静息态功能影像属性数据进行比对，得出静息态功能影像属性数据所属的创伤后应激障碍等级
一种创伤应激障碍诊断评估系统

[发明专利]基于磁共振静息态功能成像的疼痛评定系统-CN201010189516.7有效
发明人：龚启勇;张俊然 -专利权人：四川大学华西医院
申请日： 2010-06-01 - 公布日： 2011-12-07 - 主分类号： A61B5/055 文献下载
摘要：本发明公开了一种基于磁共振静息态功能成像的疼痛评定系统，包括：疼痛特征样本库，用于存储不同疼痛等级和疼痛成因的患者以及与其对照正常人样本的历史静息态功能影像属性；功能成像单元，用于从承受慢性疼痛的新个体患者脑部获取静息态功能成像数据，并传输给属性提取单元；属性提取单元，用于从静息态功能成像数据中提取新个体的静息态功能影像属性；疼痛评定单元，用于将新个体的静息态功能影像属性和疼痛特征样本库中相应的历史静息态功能影像属性进行比对，评定出新个体患者的疼痛等级和
基于磁共振静息态功能成像疼痛评定系统

[发明专利]一种基于静息态脑电数据的性别分类方法-CN201910701025.7有效
发明人：何良华;任强 -专利权人：同济大学
申请日： 2019-07-31 - 公布日： 2021-11-09 - 主分类号： A61B5/369 文献下载
摘要：本发明涉及一种基于静息态脑电数据的性别分类方法，包括以下步骤：S1、采集各性别对应的原始静息态脑电数据；S2、对原始静息态脑电数据进行预处理，得到去除伪迹的静息态脑电数据；S3、重新组合去伪迹的静息态脑电数据；S4、构建卷积神经网络，并将去除伪迹的重组静息态脑电数据输入给卷积神经网络，对卷积神经网络进行训练和测试，得到训练好的卷积神经网络；S5、由训练好的卷积神经网络对实际静息态脑电数据进行分类。与现有技术相比，本发明将静息态脑电数据进行去伪迹和重组，基于大脑功能性连接的特征，通过卷积神经网络进行特征提取及分析，不仅降低了脑电数据预处理的复杂性，也解决了针对脑电数据无法选择合适模型的问题。
一种基于静息态脑电数据性别分类方法

[发明专利]基于静息态脑电信号的职业选拔测评仪器及测评方法-CN201811032178.9在审
发明人：李锁让;李雨蔓 -专利权人：李锁让
申请日： 2018-09-05 - 公布日： 2019-02-19 - 主分类号： A61B5/16 文献下载
摘要：本发明公开了基于静息态脑电信号的职业选拔测评仪器及测评方法，包括脑电帽、数据预处理模块、提取特征模块、心理测评装置及岗位评估装置。本发明中的基于静息态脑电信号的职业选拔测评仪器，采用静息态下的脑电记录分析系统与心理测评装置相结合，采集被试人员的神经特质参数及心理测评结果，通过静息态下采集的神经特质参数进行分析，可以更真实的了解应聘者的学习能力
静息态测评心理测评脑电信号数据预处理模块采集神经分析系统个人主观关键信息脑电记录评估装置人格因素提取特征学习能力脑电帽岗位测试分析

[发明专利]一种面向静息态脑电信号的脑功能连接分析方法-CN201711324228.6在审
发明人：禹东川;贾会宾 -专利权人：东南大学
申请日： 2017-12-13 - 公布日： 2018-06-12 - 主分类号： A61B5/0476 文献下载
摘要：本发明公开了一种面向静息态脑电信号的脑功能连接分析方法。此方法包括如下步骤：S1、获取静息态脑电数据；S2、预处理所述静息态脑电数据；S3、对预处理的所述静息态脑电数据进行微状态分析；S4、确定每个时间点的微状态类别；S5、分别在每个微状态类别持续时间范围内计算功能连接上述方法克服了现有静息态脑电信号的脑功能连接分析技术的局限性。
静息态脑电数据脑电信号脑功能预处理状态类别计算功能状态分析时间点分析

[发明专利]基于静息态脑功能图像的情绪状态展示方法、装置及系统-CN202111178892.0有效
发明人：栗觅;胡斌;吕胜富;康嘉明 -专利权人：北京工业大学
申请日： 2021-10-11 - 公布日： 2022-01-28 - 主分类号： G06T7/00 文献下载
摘要：本公开提供了一种基于静息态脑功能图像的情绪状态展示方法、装置及系统，该方法包括：获取被测者的静息态脑功能图像；将静息态脑功能图像输入第一网络模型得到情绪指数；对静息态脑功能图像进行特征提取得到初始特征图像；根据情绪指数对初始特征图像中感兴趣的区域进行增强得到目标特征图像；在静息态脑功能图像上叠加目标特征图像得到用于展示情绪状态的脑模式图像。该方法通过第一网络模型得到情绪指数能够初步确认被测者情绪状态的异常风险，通过对静息态脑功能图像进行特征提取和部分增强能够进一步获取与情绪状态相关的图像信息，通过在静息态脑功能图像上叠加目标特征图像得到的脑模式图像能够直观地展示被测者的情绪状态
基于静息态脑功能图像情绪状态展示方法装置系统

[发明专利]一种基于静息态磁共振迁移学习的脑疾病预测系统-CN202211056174.0有效
发明人：张瑜;陈子洋;孙超良;李军;李劲松 -专利权人：之江实验室
申请日： 2022-08-30 - 公布日： 2022-12-13 - 主分类号： G16H50/20 文献下载
摘要：本发明公开了一种基于静息态磁共振迁移学习的脑疾病预测系统，分别获取健康成人静息态磁共振大数据集和对应脑疾病的患者静息态磁共振数据，预处理后配准到标准脑空间；通过匹配到标准脑空间的脑图谱提取各个脑区的时间信号；利用图卷积网络和门控循环网络构建深度学习模型并基于健康成人大数据集进行预训练；基于预训练模型和患者静息态功能磁共振数据进行模型微调和疾病预测。本发明提取静息态磁共振信号中的时空特征，利用健康成人的静息态磁共振大数据集对深度学习模型进行预训练，充分挖掘健康成人静息态磁共振中的固有时空特征模式，并将健康成人数据中学习到的先验时空特征模式迁移到脑疾病预测中
一种基于静息态磁共振迁移学习疾病预测系统

[发明专利]基于脑机接口和深度学习的术后急性疼痛预测系统及应用-CN202010481486.0有效
发明人：高忠科;曲志勇;侯林华;马文庆 -专利权人：天津大学;天津富瑞隆金属制品有限公司
申请日： 2020-05-31 - 公布日： 2022-06-03 - 主分类号： A61B5/372 文献下载
摘要：一种基于脑机接口和深度学习的术后急性疼痛预测系统及应用，包括：通过便携式脑电采集设备获取病人术前0‑3天的静息态脑电信号；对术前静息态脑电信号，通过滑动窗口进行数据分割，得到一系列的静息态脑电信号片段；利用预处理方法将一系列的静息态脑电信号片段对应转化为一系列的二维图像，用于后续分析；构建数据集，添加标签并划分训练集和测试集；构建基于深度学习的预测模型，确定模型结构及待优化模型参数，通过训练与测试得到能够对术后急性疼痛进行预测的基于深度学习的预测模型本发明便携式脑电采集设备能够便捷高效地采集脑电信号；通过对病人术前静息态脑电信号的分析在对病人没有任何损伤的情况下预测术后疼痛类别。
基于接口深度学习术后急性疼痛预测系统应用

[发明专利]一种基于静息态脑电数据的年龄段分类方法-CN201910701028.0有效
发明人：何良华;任强 -专利权人：同济大学
申请日： 2019-07-31 - 公布日： 2022-11-18 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及一种基于静息态脑电数据的年龄段分类方法，包括以下步骤：S1、采集各年龄段对应的原始静息态脑电数据；S2、对原始静息态脑电数据进行预处理，得到去除伪迹的静息态脑电数据；S3、构建卷积神经网络，并将去除伪迹的静息态脑电数据输入给卷积神经网络，对卷积神经网络进行训练和测试，得到训练好的卷积神经网络；S4、由训练好的卷积神经网络对实际静息态脑电数据进行年龄段分类。与现有技术相比，本发明将静息态脑电数据按脑区划分并进行去伪迹处理，通过卷积神经网络分别提取不同脑区上的特征，以根据不同脑区的特征进行年龄段分类，不仅降低了脑电数据预处理的复杂性，也解决了针对脑电数据无法选择合适模型的问题
一种基于静息态脑电数据年龄段分类方法

[发明专利]一种基于时间压力数学题任务的抑郁倾向识别系统-CN202211145987.7在审
发明人：刘旭;赵国朕 -专利权人：北京中科心研科技有限公司
申请日： 2022-09-20 - 公布日： 2023-01-10 - 主分类号： G16H20/70 文献下载
摘要：本发明公开了一种基于时间压力数学题任务的抑郁倾向识别系统，系统中的数学题任务库存储有低难度数学题、中难度数学题和高难度数学题；压力答题模块抽取设定数量的数学题，并设定使受试者产生答题压力的答题用时；生理数据采集设备采集受试者前测静息态平均脉搏波信号、执行数学答题任务时的压力态平均脉搏波信号以及完成数学答题任务之后的后测静息态平均脉搏波信号；根据前测静息态、压力态和后测静息态下的平均脉搏波信号，识别算法模块绘制出三种状态下所对应的脉搏波信号坐标点，
一种基于时间压力数学题任务抑郁倾向识别系统

[发明专利]一种运动想象反馈方法、系统及存储介质-CN202110439396.X有效
发明人：李俊翰;郑能恒;戚可盈;曹锦鹏 -专利权人：深圳大学
申请日： 2021-04-22 - 公布日： 2023-01-24 - 主分类号： G06F3/01 文献下载
摘要：本发明公开了一种运动想象反馈方法、系统及存储介质，该方法包括：获取受试者在不同预设动作下的静息态数据和运动想象态数据；根据静息态数据和运动想象态数据计算不同预设动作下的脑电源成像图像；将不同预设动作下脑电源成像图像和预设脑电源成像图像进行对比通过实施本发明，通过预先确定多个预设动作，获取不同预设动作的静息态数据和运动想象态数据，采用脑电源成像算法确定不同预设动作的脑电源成像图像，并将其和预设脑电源成像图像进行对比，从而确定相应受试者的最优想象动作
一种运动想象反馈方法系统存储介质

[发明专利]基于深度学习的静息态fMRI数据分类方法和装置-CN201910417295.5在审
发明人：胡金龙;邝岳臻;曹丽洁;陈浪;布社辉;董守斌 -专利权人：华南理工大学
申请日： 2019-05-20 - 公布日： 2019-09-03 - 主分类号： G16H50/70 文献下载
摘要：本发明公开了一种基于深度学习的静息态fMRI数据分类方法和装置，包括：1)获取静息态fMRI试验数据，进行预处理并获取标签；2)对静息态fMRI数据进行大脑区域划分，提取功能连接特征和脑区综合特征；3)提取全脑体素点特征；4)提取个人属性特征；5)构建用于静息态fMRI数据分类的混合神经网络模型；6)将用于模型训练部分的数据进行处理，作为输入数据进行混合神经网络的训练，得到的参数用于静息态fMRI数据分类的混合神经网络模型；7)对静息态fMRI数据进行处理，将得到的功能连接特征、脑区综合特征、全脑体素点特征和个人属性特征输入到训练后的混合神经网络模型中进行分类。
静息态数据分类混合神经网络模型方法和装置个人属性功能连接综合特征脑区全脑体素混合神经网络预处理分类准确率大脑区域模型训练试验数据数据形式特征输入综合考虑构建标签分类学习保留

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条