本发明公开了一种可穿戴式癫痫监测设备，癫痫监测设备包括植入式电极装置、固定盖和穿戴装置，植入式电极装置用于固定在颅骨上，固定盖设置在植入式电极装置上，与植入式电极装置连接，固定盖内部设置有微处理器、电源、蓝牙模块和无线充电模块，微处理器用于处理植入式电极装置测量的数据，并通过蓝牙模块发送到穿戴装置，穿戴装置设置在患者的腕部。与现有技术相比，本发明安装方便，减少患者的手术痛苦；在需要更换时能够比较快速的取下，对患者的脑部伤害较小；本发明控制方便，能够在癫痫发作前提醒患者或自动进行脑部刺激，达到控制癫痫不发作，减少癫痫发作的次数。
📄 2019113871037
📂 A61B5_369
👤 龙岩学院
📅 2019-12-30
本发明公开了一种睡眠状态脑电特征信号特征集的构建方法。本发明方法首先实时探测脑电波信号，利用小波包变换法得到六个波段的脑电波信号；对去噪后脑电波信号序列进行分解、重构，得到各波段原始脑电波信号幅值；提取六个分波段脑电波信号的能量特征，计算能量比特征值；提取脑电波信号的时域特征、频域特征、非线性动力学特征，并计算Lempel‑Ziv复杂度特征；最后采用最小冗余最大相关性算法对得到的所有特征进行筛选，构建睡眠状态脑电特征信号特征集。本发明方法涵盖的领域更多，更全面，不仅采用去噪脑电波信号，还采用分波段脑电波信号，使得特征更加丰富。
📄 2021111824289
📂 A61B5_369
👤 浙江工业大学
📅 2021-10-11
本发明公开了一种脑电信号自适应实时去噪方法；本发明先对采样矩阵X进行中心化处理，计算采样矩阵X的协方差矩阵，并计算其特征值与特征向量，计算滤波自适用系数、滤波器系数、噪音信号y源信号；最后得到源信号矩阵；本发明在计算复杂度与收敛速度间取得了平衡，便于在PFGA中实现，可满足脑电信号实时采集需求。本发明收敛速度快，不易改变波形形状，可有效去除生理伪迹与电路噪声。
📄 2018108423407
📂 A61B5_369
👤 杭州电子科技大学
📅 2018-07-27
本发明公开了一种基于EMD与WPD特征融合的癫痫发作前期预测方法。本发明步骤方法如下：步骤1、EEG信号的类别划分及样本切割，并对每个样本进行经验模态分解，再对分解得到的第一个本征模函数进行分析，从中提取基于FIMF的特征，包含能量、能量比和方差。步骤2、对步骤1中得到的第一个本征模函数进行四层小波包分解，得到最后一层16个结点的小波包系数，从中提取基于FIMF‑WPD的偏态和能量与特征。步骤3、融合基于FIMF与FIMF‑WPD的特征，并采用随机森林算法对融合后的特征训练分类器，构建癫痫发作前期的预测模型。本发明能够有效预警癫痫病发作前期的时间段，降低癫痫发作对患者造成的次生危害。
📄 2018115908328
📂 A61B5_369
👤 杭州电子科技大学
📅 2018-12-25
本发明公开了一种基于LSTM多通道的脑电癫痫尖棘波放电联合检测方法。本发明步骤：步骤1、对输入的原始多导联脑电进行滤波以及心电、咀嚼吞咽的生理活动造成的伪迹消除；对处理后的信号首先依据检测目标波形时长特征，在时域对其进行分割，将信号转化为后续步骤的识别形式；步骤2、将分割后信号中每条通道的数据经由长短时记忆神经网络进行特征提取，并通过自适应加权融合算法进行特征融合；步骤3、利用特征融合得到的结果，通过全连接神经网络对多通道信号片段进行分类，最终得到整段信号不同时段的分类结果，从而达到尖棘波放电检测的目的。本发明能够实现在多通道信号输入下精度更高、抗干扰能力更强的尖棘波检测效果。
📄 2020101030828
📂 A61B5_369
👤 杭州电子科技大学
📅 2020-02-19
本发明公开了一种基于BNI的癫痫发作信号的检测方法，本发明从微观神经元角度来讨论预测方法的有效性：从微观神经元角度，采用神经质量模型(NMM)来拟合大脑深度电极脑电图(Depth EEG)信号并阐明网络结构、动力学方程和产生癫痫放电三者之间的关系。为了量化给定网络能够引起癫痫发作的病理性程度引入了脑网络致痫性指数(BNI)这个概念。这是BNI首次被用作癫痫发作的预测因子。本发明缩短了检测时间，减少电极的植入数量，能观测到很好的预测效果。
📄 2020101546460
📂 A61B5_369
👤 杭州电子科技大学
📅 2020-03-08
本发明公开一种基于符号化排列传递熵的癫痫脑电双向耦合分析方法。具体步骤为首先采用多尺度符号化排列传递熵的方法提取多通道癫痫脑电信号的耦合特征，并选择合适的尺度和频段构建脑电同步矩阵；其次基于显著性分析的方法筛选癫痫发作时的重要通道，进行通道间双向耦合分析；为了进一步研究整个大脑皮层区域整体的同步关系，本发明将多通道脑电信号划分为4个脑区，在δ，θ，α，β频段下使用S估计器进行多通道脑电信号同步性分析。本发明提高了癫痫脑电信号双向耦合以及同步性的特征，并做出更加科学合理的分析方法。
📄 2020110153193
📂 A61B5_369
👤 杭州电子科技大学
📅 2020-09-24
本发明公开了一种基于时序特征提取和堆叠Bi‑LSTM网络的棘波检测方法。首先对输入的原始单通道脑电信号进行预处理操作，对预处理完的脑电信号进行分割，得到脑电信号片段，通过两种时序特征提取算法得到平滑非线性能量特征和形态学特征，对得到的两种时序特征进行裁剪以保证长度与脑电信号片段一致后，与脑电信号片段拼接得到特征矩阵，再利用得到的特征矩阵和标注信息，训练堆叠Bi‑LSTM网络模型；最后采用测试数据对训练好的堆叠Bi‑LSTM网络模型进行测试，根据测试结果进行模型性能优化。本发明方法通过循环神经网络模型对脑电时序特征进行有效学习达到对棘波放电精准检测的效果；能够同时检测棘波以及其产生通道位置。
📄 2020115049904
📂 A61B5_369
👤 杭州电子科技大学
📅 2020-12-18
本发明提供一种特征权重自适应学习的脑电情绪识别方法。本发明步骤如下：1、多个被试者分别在不同的情绪类别任务下进行脑电数据采集。2、对步骤1所得的所有脑电数据进行预处理和特征提取。3、建立机器学习模型以实现特征权重自适应学习的脑电情绪识别。4、求得特征权重因子Θ、特征权重W和偏差b。5、对新的被试者脑电的数据进行情绪类别预测。本发明优化GFIL模型后，获得的特征权重因子为我们提供了执行特征排名和选择的有效工具，然后可以删除多余且次要的特征。本发明将得到的特征权重因子与人情绪识别相关联可以得出情绪识别中频段和导联重要性的判断。
📄 202110075007X
📂 A61B5_369
👤 北京天机智成科技有限责任公司
📅 2021-01-20
本发明涉及一种基于频率耦合神经网络模型的记忆负荷检测提取系统及方法，属于脑电辅助记忆负荷检测领域，包括信号采集模块、信号预处理模块、频率耦合神经网络模型训练模块、识别模块和反馈模块。所述信号采集模块用于采集用户的脑电数据；信号预处理模块用于对采集的脑电数据进行预处理；频率耦合神经网络训练模块用于训练频率耦合神经网络模型自动提取频率耦合特征；识别模块用于对实时采集的脑电数据进行分类，并根据分类结果识别用户当前的记忆负荷状态；反馈模块根据用户当前的记忆负荷状态进行相应的调节动作。本发明可以对被试实现可快速有效的记忆负荷状态识别，提高记忆负荷识别的速度。
📄 2021103167088
📂 A61B5_369
👤 重庆邮电大学
📅 2021-03-10
本发明公开一种同步EEG‑fMRI脑电信号去BCG伪迹方法。对在普通环境和核磁共振环境下的睁眼、闭眼状态多通道头皮脑电信号进行采集和预处理，然对其进行数据分割，构建睁眼和闭眼状态数据集；利用上述睁眼和闭眼状态数据集分别进行去除BCG伪迹的睁眼网络模型和闭眼网络模型训练；该模型采用基于CycleGAN网络架构模型BCGGAN；BCGGAN包括CycleGAN、自编码器约束、中间特征约束。本发明在尽可能去除BCG伪迹的同时，能更好地有效保留脑电信息。
📄 2021103902680
📂 A61B5_369
👤 北京神康云科技有限公司
📅 2021-04-12
本发明公开了基于FHLS特征选择的多模态BCI时序优化方法。首先划分每个EEG与fNIRS样本获得多个时间段，然后将不同时间段交叉融合，形成联合时间窗。特征分别由FBCSP与统计方法从每个联合时间窗中提取，形成一个新的特征集。然后计算对应的互信息值，使用互信息值高的特征，最后根据FHLS特征选择方法选择最佳特征子集，并采用LDA分类来评估任务分类精度。本发明选出来的时间组合能有效地避免不同个体以及不同模态多时间段间的差异性，且时间段选取合理，减少多模态信号在时间段之间的冗余信息，一定程度上提高了多模态BCI系统的分类性能，为脑电‑近红外信号的特征提取提供了新的思路。
📄 2021104287547
📂 A61B5_369
👤 杭州电子科技大学
📅 2021-04-21
柿子坊 · 知识产权运营
柿子坊知识产权运营平台