本发明涉及脑电信号预处理技术领域，具体涉及一种用于癫痫病辅助诊断的脑电数据预处理方法，包括：获取癫痫患者的若干脑电信号及脑电信号中的关键脑电信号值；获取关键脑电信号值的最终癫痫特征值；根据关键脑电信号值的最终癫痫特征值的波动，得到癫痫轻度发作脑电信号和癫痫重度发作脑电信号；获取癫痫轻度发作脑电信号的癫痫特性值和癫痫重度发作脑电信号的癫痫特性值；根据最终癫痫特征值、癫痫特性值对关键脑电信号值进行修正，构建原始脑电信号矩阵；获取源信号矩阵并进行降维处理，得到若干降维后的源信号。本发明在减少数据维度高的同时提高降维后的源信号反映癫痫的特性。
📄 2024109169517
📂 A61B5_372
👤 科普云医疗软件(深圳)有限公司
📅 2024-07-10
本发明涉及一种基于洛朗多项式的脑电信号分类方法，首先提取各段样本脑电信号分别对应预设各目标特征的特征值，然后自输入端至输出端依次串联缩放平移微调层、洛朗多项式层、激活层、全连接层、softmax层、输出层，构建待训练网络，最后以样本脑电信号所对应各目标特征值为输入，以样本脑电信号所对应类别为输出，针对待训练网络进行训练，获得脑电信号分类模型，用于针对脑电信号实现分类，设计方案将洛朗多项式展开与神经网络架构相结合，利用其独特的负幂次项和参考点机制，实现对脑电信号中复杂非线性模式有效捕捉，可广泛应用于脑机接口、健康监护等医疗健康领域，通过实时监测、早期预警提供可靠的技术支持。
📄 2025117368146
📂 A61B5_374
👤 南京信息工程大学
📅 2025-11-25
本发明提供了一种基于自适应模板匹配与机器学习算法融合的癫痫棘波智能检测装置，包括：采集模块：用于采集脑电信号；预处理模块：用于数据预处理；对采集到的原始EEG数据进行巴特沃斯带通滤波得到标准EEG信号；自适应模板匹配棘波检测模块：用于执行自适应模板匹配棘波检测并得到结果；机器学习棘波检测模块：用于执行机器学习棘波检测并得到结果；输出模块：用于将检测结果融合并输出。
📄 2019110337048
📂 A61B5_372
👤 杭州电子科技大学
📅 2019-10-28
本发明提供一种特征权重自学习的睡眠质量检测关键脑区判定方法；属于脑电信号识别领域。本发明的睡眠质量评估方法如下：一、首先是对脑电数据的获取与处理。二、对处理之后的脑电数据使用GRLSR模型进行分类并获得特征权重值。三、利用特征权重值筛选关键频段。四、利用特征权重值筛选关键脑区。本发明将半监督学习模型以及脑机接口技术融入到脑电检测领域中，可以筛选出脑电信息检测的关键频段以及关键脑区，并利用关键脑区大幅提高脑电识别的正确率。
📄 2019112692186
📂 A61B5_372
👤 杭州电子科技大学
📅 2019-12-11
本发明公开了一种基于拓扑特征融合的脑电识别方法，本发明为了提高手部动作分类的性能，采用了一种LBELM和基于似然同步分析方法量化脑功能网络的新方法。与传统思想不同，本发明对二值FBN提取了两种最优的拓扑特征，并通过LBELM对两种最优的拓扑特征进行LBELM特征空间层的融合；同时本发明对LBELM做出了进一步的改进，增加了隐藏层参数优化以获得更高、更稳定的识别效果；使用了基于MSEPRESS的留一法优化算法，以获得最优的正则化系数和融合比例。
📄 2020106201705
📂 A61B5_377
👤 杭州电子科技大学
📅 2020-06-30
本公开提供了一种面向实时脑电信号的眨眼伪迹识别方法及系统，本公开所述方案通过对实时脑电信号进行短时间窗缓存，并进行带通滤波处理，通过比较脑电信号与阈值，找到潜在眨眼位置；通过眨眼边界确定算法，找到每个缓存时间窗内可能含眨眼的信号，最后计算各个候选眨眼信号的特征向量，并通过随机森林算法，确定真实的眨眼位置；本公开所述方案仅需要一路脑电信号，且不需要眼电参考信号，具有准确率高、运算速度快、方便灵活的特点，适用于可穿戴脑电设备，为面向实时脑电信号，自动提取眨眼起始和结束的位置信息，获得眨眼伪迹提供了一种新思路。
📄 202010681631X
📂 A61B5_372
👤 优安医学(深圳)有限公司
📅 2020-07-15
本发明公开了基于稳态视觉诱发电位脑电信号识别的个体模板重构方法。本发明首先采集大脑皮层枕区上对应电极通道的稳态视觉诱发电位脑电信号数据并预处理；构建人工正‑余弦参考信号，分别选择两种信号质量评价指标，和两种计算方式，计算各训练数据的权重系数，重构包含受试者个体信息的模板信号；分别对脑电信号、人工正‑余弦参考信号和个体模板信号两两之间进行典型相关分析，计算得到的空间滤波器映射到信号上可以得到多种特征；针对本数据集重新选择系数特征组合，与标准扩展典型相关分析相比，重构后的个体模板信号包含了更多的SSVEP响应，提升了算法的识别性能，降低了算法的计算消耗时间。
📄 2021106870408
📂 A61B5_378
👤 杭州电子科技大学
📅 2021-06-21
本发明公开一种适用于SSVEP分类的零填充频域卷积神经网络方法，应用于脑电信号处理领域，针对现有技术对SSVEP和SSVEP子类的SSMVEP脑电信号的分类准确率和信息传输速率较低的问题；本发明首先使用脑电采集设备采集人体大脑枕部九个电极的SSVEP脑电信号；其次对脑电信号进行预处理；之后在时域对预处理后的脑电信号进行补零填充，提取九个通道的SSVEP信号的功率谱密度中感兴趣的基频频带和二次谐波频带组合成一个特征矩阵；最后将该特征矩阵作为CNN深度学习模型的输入，使用非线性变换对不同类别的SSVEP信号进行识别；采用本发明的方法能获得较高的分类准确率。
📄 2021113117992
📂 A61B5_378
👤 成都信息工程大学
📅 2021-11-08
本发明公开了一种基于复杂改进多尺度传递熵的脑肌电耦合分析方法，包括：采集脑电信号和肌电信号、并对采集到的脑电信号和肌电信号分别去除基线漂移、溢出、眼动和工频干扰；采用复杂改进粗粒化过程对脑电和肌电信号进行频谱分解，分析脑电信号和肌电信号不同时频尺度间的同步特性，定量描述脑肌间非线性耦合和信息传递特征；对脑肌间非线性耦合和信息传递特征进行运动功能分析。本方法利用复杂改进多尺度传递熵分析脑肌电信号信息传递特性，定量描述脑电信号与肌电信号不同时频尺度间非线性耦合及信息传递特征，有助于探索大脑皮层与肌肉之间的功能联系。
📄 2020100950620
📂 A61B5_372
👤 燕山大学
📅 2020-02-14
本发明涉及一种基于多尺度多变量传递熵的多通道脑电耦合分析方法，属于非线性动力学因果系统及大脑感觉运动网络研究的技术领域，其包括以下步骤：一、采用32通道的Neuracle设备采集多通道脑电信号；二、采用matlab软件对采集到的脑电信号分别进行去除基线漂移、肌电干扰、眼动干扰和50Hz工频干扰的预处理；三、采用粗粒化分析方法对多通道脑电信号进行20个不同的尺度分解；四、采用多变量传递熵方法分析不同尺度下的脑电信号在不同时频间的耦合特性，定量刻画不同脑区间非线性耦合和信息传递特征。本发明具有能够描述大脑运动感觉皮层间的非线性特征，并深入探索大脑不同区域间的耦合强度及信息传递的效果。
📄 2020100180777
📂 A61B5_372
👤 燕山大学
📅 2020-01-08
本发明提供了一种基于脑机接口的大脑意图识别方法，所述方法包括：利用MATLAB构建实际任务模型；基于所述实际任务模型进行实验与脑电信息采集，获得脑电原始数据集；对所述脑电原始数据集内的多个脑电数据进行数据预处理，获得特征提取矩阵；将所述脑电信号特征提取矩阵与对应的标签输入到极限学习机，获得极限学习模型；将待预测的脑电数据输入到所述极限学习模型，获得分类结果。本发明提高识别大脑意图的准确性。本发明采集的脑电信号经共空间模式特征提取后特征更加明显，更加容易进行分类识别。另外，本发明将极限学习机训练的模型作为分类器不仅准确率高，且分类过程中不需要繁琐的迭代计算，速度更快，效果更好。
📄 2020111000674
📂 A61B5_372
👤 燕山大学
📅 2020-10-15
本发明公开了一种基于多通道神经信号分析的信号间耦合强度的判断方法，其包括以下步骤：S1、在脑电数据库中选取多通道脑电信号；步骤S2：对选取的信号的两个时间序列进行预处理；S3、计算两个时间序列的的边缘概率分布函数，及两个时间序列的熵，并基于联合概率函数计算联合熵；S4、计算两个时间序列的原始排序交叉互信息；S5、计算替代的时间序列以及替代时间序列的PCMI；S6、计算纯正PCMI。本发明可以估计不同通道间信号的真实连接强度，能有效降低由于不同通道间信号相互干扰而产生信号伪迹对通道间信号强度评估结果的影响。
📄 2021100423951
📂 A61B5_377
👤 燕山大学
📅 2021-01-13
柿子坊 · 知识产权运营
柿子坊知识产权运营平台