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脑电特征迁移学习的驾驶状态检测方法及系统，包括：采集被试用户的脑电信号，对所述脑电信号进行预处理，提取特征构建第一目标特征集；从多组第一源数据集中筛选疲劳特征集和情绪数据集，组合成第二源特征集；通过第一迁移学习算法进行实例迁移，得到第三源特征集；基于第三源数据集和第一目标数据集使用第二迁移学习算法进行特征迁移学习，得到第四源特征集、第二目标数据集；使用第四源数据集构建多分类判别模型，将第二目标特征集输入多分类判别模型，得到被试用户的驾驶状态结果。本发明在保证准确率的同时减少了样本标注的繁琐工作，大大提高分类识别的鲁棒性和准确性。
📄 2020110621507
📂 A61B5_372
👤 燕山大学
📅 2020-09-30
本发明提供一种神经肌肉信息交互模型构建及参数辨识优化方法，其包括构建神经肌肉信息交互模型和基于多层次耦合特征的参数辨识及优化。当有外界信号刺激时会使大脑神经元动作电位变化，进而引起相应肌肉运动单元动作电位的变化；当有外界感觉信号输入时，会由中介体传回大脑，从而产生感觉反馈传入信号。接着基于实测信号建立多层次特征指标，并构建基于多层次耦合特征指标的目标函数；然后基于无迹卡尔曼滤波(UKF)方法对神经肌肉信息交互模型进行参数辨识；最后以实测脑电和肌电信号能量谱为目标，基于混合粒子群算法对所辨识参量进行优化选取。本发明从神经元层面研究大脑与肌肉间多层次功能耦合连接机制，对运动控制系统机制研究有一定科学意义。
📄 2021103574046
📂 A61B5_372
👤 燕山大学
📅 2021-04-01
本发明是一种面向多通道脑肌电耦合分析的多元全局同步指数方法，能够从全局角度探究两组多维信号间关系，可应用于多模态信号分析中，评估大脑和肌肉不同区域信息交流的同步强度。首先，对脑肌电数据预处理并提取频段信息；其次，构建数据集并利用网格划分，统计网格中数据点出现频率计算互信息，并标准化处理得到同步系数，构建相关矩阵；然后，通过矩阵运算去除自相关，计算特征值并在标准化后求取熵值，得到多通道脑肌间全局同步指数。该方法从构建系统间相关矩阵出发，克服了系统差异性，保留了系统间的信息传递，实现了从整体上分析区域内的脑肌电同步关系，在分析多通道脑肌间同步关系或其他类型多维信号关联关系时具有良好应用前景。
📄 2022111222842
📂 A61B5_372
👤 浙江灵元脑机科技有限公司
📅 2022-09-15
本发明公开了一种分区域脑电建模和对角块模型脑电通道社团分类方法，属于生物电信号处理和聚类领域，包括以下步骤：S1、数据生成：建立多通道耦合神经元群脑电模型，并利用多通道耦合神经元群脑电模型生成多通道脑电数据；S2、判断聚类数：基于轮廓系数对生成的多通道耦合神经元群脑电模型选择聚类超参数；S3、寻找社团结构：使用块混合模型方法对生成的脑电数据通道进行社团结构分类。本发明通过寻找脑电通道之间的社团结构，能够反应不同大脑区域的脑电信号之间的关系。
📄 2022111841965
📂 A61B5_372
👤 燕山大学
📅 2022-09-27
本发明提出一种基于脑网络和正则化判别分析的脑电分析方法，该方法使用脑网络方法，进行脑电信号的特征提取，根据得到的邻接矩阵来对脑网络进行构建，通过将每个节点的度信息绘制在脑地形图中，令大脑的活动状态变得可视化，可以更直观的观察到大脑活动的神经机制，再通过正则化判别分析最终得到分类结果，具有更高的分类识别率。
📄 2019112823731
📂 A61B5_372
👤 燕山大学
📅 2019-12-13
柿子坊 · 知识产权运营
柿子坊知识产权运营平台