您的检索：
精炼检索结果：
年份
成果类型
收录类型
院所
综合
语言
清除所有精炼条件
摘要 ：
一种基于多头自注意力机制和并行卷积的运动想象脑电信号分类方法，属于计算机软件领域。针对脑电信号信噪比低导致特征提取困难的问题，提出一种基于EEGNet改进的网络模型，简称EEG‑MATCNet。首先，使用并行卷积层对原始脑电信号进行初步的特征提取，不同尺度的卷积核能够提取不同步长的时间特征。同时通过多头自注意力机制计算各个电极之间脑电信号的注意力权重，使网络训练时更好得提取空间特征。此外，通过时间卷积网络提升了卷积核的感受野，让模型能够提取更高级的时间特征。经过实验证明，本发明提出的分类方法更能有效地提升对运动想象脑电信号的特征提取和分类性能。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 王丹 , 周浩 , 陈佳明 et al. 一种基于自注意力机制和并行卷积的运动想象脑电信号分类方法 : CN202310212631.9[P]. | 2023-03-07 . |
| MLA | 王丹 et al. "一种基于自注意力机制和并行卷积的运动想象脑电信号分类方法" : CN202310212631.9. | 2023-03-07 . |
| APA | 王丹 , 周浩 , 陈佳明 , 许萌 . 一种基于自注意力机制和并行卷积的运动想象脑电信号分类方法 : CN202310212631.9. | 2023-03-07 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
基于知识蒸馏和域自适应的双教师睡眠分期特征迁移方法，属于信号处理和模式识别领域。首先对睡眠脑电和眼电信号进行预处理，获得若干多模态睡眠信号数据样本。接下来对源域和目标域数据的每一个样本包含的每个通道依次使用不同分辨率的Morlet小波变换提取时频特征，随后输入源域教师和目标域教师进行预训练。在对学生的训练优化时，引入冻结住特征提取器的两个教师进行指导，约束学生学习源域和目标域通用特征和目标域的域特定特征。实验证明本发明提出的模型充分利用了数据的特征进行特征迁移，在目标域数据量较少时也能得到良好效果，可以有效应对现有的自动化睡眠分期方法在面对新数据集时准确率下降的问题。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 段立娟 , 张岩 . 基于知识蒸馏和域自适应的双教师睡眠分期特征迁移方法 : CN202310189447.7[P]. | 2023-02-22 . |
| MLA | 段立娟 et al. "基于知识蒸馏和域自适应的双教师睡眠分期特征迁移方法" : CN202310189447.7. | 2023-02-22 . |
| APA | 段立娟 , 张岩 . 基于知识蒸馏和域自适应的双教师睡眠分期特征迁移方法 : CN202310189447.7. | 2023-02-22 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
本发明公开了基于通道优选和动态卷积神经网络的癫痫检测方法, 本发明利用癫痫发作时脑电图的高频振荡特征初步定位癫痫发作起始区域，并经统计计算确定发作起始区域的中心导联；进而，计算中心导联与其他导联间的互信息与基尼指数，获得中心导联的动态相关性指数；接着，设计一种具有通道注意力机制的动态卷积神经网络模型，并结合导联的动态相关性指数实现癫痫检测。该模型具有根据输入通道特征动态改变卷积层参数的能力，增强了癫痫检测过程中的自适应性和鲁棒性。本发明方法能够获取源于发作起始区域的最优导联排序，且在不同受试者身上有良好的癫痫检测效果。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 李明爱 , 张紫钺 , 孙炎珺 . 基于通道优选和动态卷积神经网络的癫痫检测方法 : CN202310045589.6[P]. | 2023-01-30 . |
| MLA | 李明爱 et al. "基于通道优选和动态卷积神经网络的癫痫检测方法" : CN202310045589.6. | 2023-01-30 . |
| APA | 李明爱 , 张紫钺 , 孙炎珺 . 基于通道优选和动态卷积神经网络的癫痫检测方法 : CN202310045589.6. | 2023-01-30 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
本发明公开了一种用于生物信号采集的模拟前端电路，由干湿电极或压力传感器采集生物信号，其中，干湿电极用来采集脑电或心电信号，压力传感器用来采集血压信号；通过斩波仪表放大器来抑制直流偏移并进行预放大。输出的信号通过数字信号控制的开关进行选通，以此来控制心电信号和血压信号的转换。微弱信号经过预放大后，再通过0‑40dB增益可调放大器进行二次放大。最终由12bitSAR模数转换器将模拟信号转换为数字码，输出至DSP进行处理，采用双端输入的设计，能够同时采集电极信号和压力传感器信号间，利用斩波和亚阈值技术，采用12bitSARADC来实现模拟信号到数字信号的转换来实现低功耗，适用于医疗信号监测设备系统中。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 朱梓桐 , 王文思 , 吉彦平 . 一种用于生物信号采集的模拟前端电路 : CN202310197266.9[P]. | 2023-03-03 . |
| MLA | 朱梓桐 et al. "一种用于生物信号采集的模拟前端电路" : CN202310197266.9. | 2023-03-03 . |
| APA | 朱梓桐 , 王文思 , 吉彦平 . 一种用于生物信号采集的模拟前端电路 : CN202310197266.9. | 2023-03-03 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
本发明涉及一种基于图注意力网络和稀疏编码的多通道EEG信号识别方法。首先对多通道脑电信号进行预处理，获得若干多通道脑电信号数据样本。接下来对每一个数据样本进行分频带处理，分为五种子频带，采用上述两种特征提取方式分别构造五种脑功能网络。接下来对五种脑功能网络进行融合，将其脑功能节点特征进行拼接作为融合后的脑功能节点特征；对五种脑功能连接特征取平均值，然后进行进行阈值处理去除无效连接，作为融合后的脑功能连接特征。将融合后的脑功能网络通过图注意力网络模型来还原真实的脑功能连接特征，并使用自编码器对脑功能连接稀疏特征进行降维和特征增强，进行特征降维，最终将两种特征融合并进行分类。本发明分类准确率最高。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 段立娟 , 邹鑫宇 , 乔元华 . 一种基于图注意力网络和稀疏编码的静息态多通道脑电信号识别方法 : CN202310152183.8[P]. | 2023-02-22 . |
| MLA | 段立娟 et al. "一种基于图注意力网络和稀疏编码的静息态多通道脑电信号识别方法" : CN202310152183.8. | 2023-02-22 . |
| APA | 段立娟 , 邹鑫宇 , 乔元华 . 一种基于图注意力网络和稀疏编码的静息态多通道脑电信号识别方法 : CN202310152183.8. | 2023-02-22 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
一种基于迁移学习的跨被试RSVP脑电信号的分类方法属于计算机软件领域，针对RSVP‑BCI系统在更换被试时需要花费大量时间进行校准的问题。首先，使用基于结果和基于距离相结合的源域被试算法MSS对多源域被试进行筛选，以减少训练时间并在一定程度上减少或消除负迁移现象。随后，ADCN采用分窗深度卷积模型对RSVP脑电信号进行时空域上的分析，加入反向对抗网络对源域、当前被试进行区分，使得网络能够提取出两者的共同特征，最后进行分类。相比较没有MSS的ADCN算法，加入MSS算法后，训练时间减少而分类精度提升。MSS‑ADCN在被试提供少量校准试次的情况下达到可接受精度，并优于其他迁移学习算法。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 王丹 , 陈弘颖 , 许萌 et al. 一种基于迁移学习的跨被试RSVP脑电信号的分类方法 : CN202310308602.2[P]. | 2023-03-28 . |
| MLA | 王丹 et al. "一种基于迁移学习的跨被试RSVP脑电信号的分类方法" : CN202310308602.2. | 2023-03-28 . |
| APA | 王丹 , 陈弘颖 , 许萌 , 陈佳明 . 一种基于迁移学习的跨被试RSVP脑电信号的分类方法 : CN202310308602.2. | 2023-03-28 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
一种基于迁移学习并行多尺度滤波器组时域卷积的运动想象脑电信号分类方法属于计算机软件领域。针对跨被试脑电信号不符合独立同分布问题，增强其中脑电信号时域信息，提出基于MSFBCNN网络的深度迁移学习的自适应层微调特征提取方法，简称“DSAN‑MSFBCNN”。首先，采用fine‑tune微调方法，对于预训练模型MSFBCNN进行网络模型微调，冻结模型最高层全连接层之前的网络结构；其次，使用领域自适应方法DSAN对全连接层进行适配，提供具有更高区分度的特征，从而提高分类准确率。“DSAN‑MSFBCNN”模型可以在运动想象分类任务上取得较高的准确率。相比较MSFBCNN模型，本发明提升对运动想象脑电信号的特征提取和分类性能，使用微调后的模型具有更高的泛化能力。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 王丹 , 朱俊辉 . 一种基于迁移学习并行多尺度滤波器组时域卷积的运动想象脑电信号分类方法 : CN202310218152.8[P]. | 2023-03-08 . |
| MLA | 王丹 et al. "一种基于迁移学习并行多尺度滤波器组时域卷积的运动想象脑电信号分类方法" : CN202310218152.8. | 2023-03-08 . |
| APA | 王丹 , 朱俊辉 . 一种基于迁移学习并行多尺度滤波器组时域卷积的运动想象脑电信号分类方法 : CN202310218152.8. | 2023-03-08 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
本申请公开了一种基于神经血管耦合脑血流量预测系统，包括：结构连接矩阵生成模块，根据弥散张量成像数据得到结构连接矩阵；重新构建局部场电位模块，根据磁共振成像数据和头皮脑电数据建立局部场电位；功能连接矩阵生成模块，根据局部场电位生成功能连接矩阵；脑网络融合矩阵生成模块，将结构连接矩阵和功能矩阵融合生成脑网络融合矩阵；全脑逆向神经质量模型网络生成模块，建立单个逆向神经质量模型并形成全脑逆向神经质量模型网络；神经活动获取模块，根据逆向神经质量模型和局部场电位获取神经活动；脑血流量计算模块，神经活动输入到神经调控血流动力学系统得到脑血流量。通过本申请，提高脑血流量预测准确性，不会对检测对象造成伤害。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 张丽媛 , 王同娜 , 刘有军 et al. 一种基于神经血管耦合脑血流量的预测系统 : CN202310580124.0[P]. | 2023-05-22 . |
| MLA | 张丽媛 et al. "一种基于神经血管耦合脑血流量的预测系统" : CN202310580124.0. | 2023-05-22 . |
| APA | 张丽媛 , 王同娜 , 刘有军 , 李鲍 . 一种基于神经血管耦合脑血流量的预测系统 : CN202310580124.0. | 2023-05-22 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
本发明公开了基于3D插值和3DCNN的运动想象任务分类方法，首先，对运动想象脑电信号进行带通滤波处理；然后，利用快速傅里叶变换(FFT)对每个电极的EEG信号进行频域变换，并求取功率值；接着，将头皮电极的3D坐标投影到3D空间中，并使用3D插值算法对功率值进行插值，生成包含电极的3D真实空间位置信息的3D插值特征图像；最后，设计了一个3D卷积神经网络(3DCNN)来匹配3D插值特征图像的特点进行特征提取和分类。本发明体现了运动想象激活的深度信息，将电极的精确三维空间信息编码到3D插值成像图中，较好地匹配了3DCNN的空间卷积能力。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 李明爱 , 张京 , 孙炎珺 . 基于3D插值和3DCNN的运动想象任务分类方法 : CN202310010193.8[P]. | 2023-01-04 . |
| MLA | 李明爱 et al. "基于3D插值和3DCNN的运动想象任务分类方法" : CN202310010193.8. | 2023-01-04 . |
| APA | 李明爱 , 张京 , 孙炎珺 . 基于3D插值和3DCNN的运动想象任务分类方法 : CN202310010193.8. | 2023-01-04 . |
| 导入链接 | NoteExpress RIS BibTex |
摘要 ：
本发明公开了一种基于双流Transformer编码器和多头注意力机制的运动意图识别方法，包括：获取脑卒中患者佩戴的可穿戴设备采集的多组样本信息，每组样本信息包括样本肌电信号、惯性测量信号和/或样本脑电信号；基于每组样本信息建立基于双流Transformer编码器和多头注意力机制的运动意图识别模型；基于运动意图识别模型确定脑卒中患者的运动意图；其中运动意图识别网络包括双流Transformer编码器、长短序列特征交叉注意力模块、多尺度特征融合模块以及运动意图分类模块；双流Transformer编码器包括多头注意力机制；还公开了基于双流Transformer编码器和多头注意力机制的运动意图识别系统、该运动意图识别方法在脑卒中患者的镜像治疗和/或助动治疗中的应用、电子设备以及计算机可读存储介质。
引用：
复制并粘贴一种已设定好的引用格式，或利用其中一个链接导入到文献管理软件中。
| GB/T 7714 | 张文利 , 赵庭松 , 王宇飞 et al. 基于双流Transformer编码器和多头注意力机制的运动意图识别方法 : CN202210762625.6[P]. | 2022-06-30 . |
| MLA | 张文利 et al. "基于双流Transformer编码器和多头注意力机制的运动意图识别方法" : CN202210762625.6. | 2022-06-30 . |
| APA | 张文利 , 赵庭松 , 王宇飞 , 张健一 , 刘嘉铭 , 王天语 . 基于双流Transformer编码器和多头注意力机制的运动意图识别方法 : CN202210762625.6. | 2022-06-30 . |
| 导入链接 | NoteExpress RIS BibTex |
导出
| 数据： |
选中 到 |
| 格式： |
