CN102722727A - 基于脑功能网络邻接矩阵分解的脑电特征提取方法 - Google Patents
基于脑功能网络邻接矩阵分解的脑电特征提取方法 Download PDFInfo
- Publication number
- CN102722727A CN102722727A CN2012101899951A CN201210189995A CN102722727A CN 102722727 A CN102722727 A CN 102722727A CN 2012101899951 A CN2012101899951 A CN 2012101899951A CN 201210189995 A CN201210189995 A CN 201210189995A CN 102722727 A CN102722727 A CN 102722727A
- Authority
- CN
- China
- Prior art keywords
- brain
- function network
- matrix
- adjacency matrix
- brain function
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000011159 matrix material Substances 0.000 title claims abstract description 64
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000003925 brain function Effects 0.000 title claims abstract description 25
- 238000000354 decomposition reaction Methods 0.000 title abstract description 6
- 210000004556 brain Anatomy 0.000 claims abstract description 48
- 238000000605 extraction Methods 0.000 claims abstract description 8
- 238000012880 independent component analysis Methods 0.000 claims description 4
- 238000009774 resonance method Methods 0.000 claims description 4
- 238000010219 correlation analysis Methods 0.000 claims description 3
- 238000011084 recovery Methods 0.000 claims description 3
- 230000033001 locomotion Effects 0.000 abstract description 26
- 238000004458 analytical method Methods 0.000 abstract description 4
- 238000004451 qualitative analysis Methods 0.000 abstract description 2
- 238000004445 quantitative analysis Methods 0.000 abstract description 2
- 230000003213 activating effect Effects 0.000 abstract 1
- 230000006870 function Effects 0.000 description 7
- 238000011160 research Methods 0.000 description 5
- 230000002490 cerebral effect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 210000000337 motor cortex Anatomy 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 210000003414 extremity Anatomy 0.000 description 2
- 238000002599 functional magnetic resonance imaging Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 208000007848 Alcoholism Diseases 0.000 description 1
- 208000018152 Cerebral disease Diseases 0.000 description 1
- 208000035126 Facies Diseases 0.000 description 1
- 206010038743 Restlessness Diseases 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000003710 cerebral cortex Anatomy 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 230000036992 cognitive tasks Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013400 design of experiment Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000003181 encephalopathic effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000001037 epileptic effect Effects 0.000 description 1
- 230000004424 eye movement Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 210000001699 lower leg Anatomy 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 210000000578 peripheral nerve Anatomy 0.000 description 1
- 230000035479 physiological effects, processes and functions Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012113 quantitative test Methods 0.000 description 1
- 210000004761 scalp Anatomy 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Abstract
本发明涉及一种基于脑功能网络邻接矩阵分解的脑电特征提取方法。目前的运动想象脑电信号特征提取算法大多注重局部激活脑区的定性与定量分析，忽视了脑区之间的相互关系和整体协调性。本发明从脑功能网络角度出发，以基于图谱分析的复杂脑网络理论为基础，首先采用多通道运动想象脑电信号建立脑功能网络，然后对网络邻接矩阵进行奇异值分解，其次根据分解得到的奇异值定义一组特征参数来表示脑电信号的特征向量，最后将特征向量输入支持向量机分类器完成多类运动想象任务的分类识别。该方法在脑-机接口领域的运动想象任务识别中具有广阔的应用前景。
Description
技术领域
本发明属于脑电信号处理领域，涉及一种脑电信号特征提取方法，特别涉及一种用于脑-机接口中运动想象脑电信号的特征提取方法。
背景技术
脑-机接口（BCI）是不依赖外周神经和肌肉组织的参与，在大脑与外界之间建立的一种直接的交流通路，可将大脑信号解读成相应的命令来实现与外部世界的交流和控制。相较于脑皮层电图（ECoG）、脑磁图（EMG）、功能磁共振成像（fMRI）、正电子发射断层扫描（PET）等检测技术，脑电图（EEG）相对简单快速，对人无损，价格便宜，同时具有较高的时间分辨率，因而成为BCI最重要的信号获取手段。
基于运动想象脑电信号的多模式识别是目前BCI主要应用手段之一。以人类大脑为对象的头皮脑电信号研究表明，它主要由各种节律性电活动组成，与运动想象紧密联系的一种电生理现象是事件相关去同步（ERD）和事件相关同步（ERS）现象。ERD/ERS研究证实了大脑进行不同的运动想象任务会激活大脑运动皮层上的不同区域，如想象左右手、脚等运动，肢体对侧脑运动皮层区域产生ERD现象，肢体同侧脑运动皮层区域产生ERS现象。ERD/ERS现象所引起特定频段脑电波分布位置以及强度的差别，为区分不同的运动想象任务所产生脑电信号提供了识别基础。由于脑电信号非常微弱，且背景噪声很强，要从随机、非平稳的脑电信号中有效快速地提取不同运动想象任务所对应的特征颇具挑战性。研究者采用各种不同的方法提取有效的脑电特征，如傅里叶变换、自回归模型、功率谱与自适应回归模型、四阶累积量、小波变换、小波包变换、希尔伯特-黄变换、复杂度分析法、张量分析法、公共空间模式等，进而识别出不同的运动想象任务，取得了丰富的研究成果。目前基于运动想象EEG的多模式识别研究基本上是利用运动想象引起的神经活动的动态变化，研究各种特征提取与模式分类方法识别出不同的运动想象任务。但大多注重局部激活脑区的定性及定量分析，有意无意地将各个脑区看作孤立的功能单元，忽视了脑区之间的相互关系和整体协调性。
随着成像技术、方法的不断提高，人们对运动想象所涉及的多脑区之间的网络结构关系及其功能意义的认识逐步深入。虽然大脑不同区域完成相对独立的功能，但即便是一项非常简单的认知任务也需要多个不同的功能区域相互作用、相互联系，构成一个网络协调工作发挥功能。脑功能网络是通过反映大脑功能性连接的数据（如fMRI、EEG等），计算各个脑区之间的统计性连接关系而构建的脑网络，是描述多个脑区之间协同作用机制的有效手段之一。最近，脑功能网络研究已被用于脑疾病诊断、脑认知等方面，如W. Chaovalitwongse等人利用EEG信号建立脑功能网络，将各节点两两之间的欧式距离作为SVM分类器的输入特征向量，对癫痫患者样本数据进行分类识别；姜宗来等人研究了酒精成瘾患者与正常人EEG脑功能网络的度分布、聚类系数、网络信息熵等特征，发现两者存在明显的区别，为临床脑病诊疗提供了判断依据。由于脑功能网络可以分析出不同脑区之间的功能连通性关系，从而弥补基于孤立脑区的信号研究带来的不足，因此在运动想象任务分类中具有潜在的应用价值。
发明内容
本发明的目的就是针对现有基于孤立脑区的脑电特征提取方法存在的不足，提供一种基于脑功能网络邻接矩阵分解的脑电特征提取方法。
脑功能网络是个复杂且稀疏的抽象网络，其构建首先要定义网络节点。对于多通道EEG信号，往往把每个EEG导联（通道）对应的电极所测量的区域定义为一个节点，其电活动为若干时间序列，然后计算这些时间序列之间的相关系数，各节点之间相关系数的大小反映出对应脑区之间的功能连接强度，从而建立脑功能网络，最后对脑功能网络的邻接矩阵进行奇异值分解，提取出脑电特征，以识别出多类运动想象任务。
为了实现以上目的，本发明方法主要包括以下步骤：
步骤(1)获取多通道运动想象脑电信号样本数据。首先采用多导联电极帽采集运动想象脑电信号，然后采用参考独立分量分析方法消除眼电伪迹，最后采用随机共振方法进行脑电信号复原，以提高系统输出的信噪比。
步骤(2)相关性分析。采用Pearson相关系数公式计算各通道脑电信号之间的相关系数，得到相关性矩阵。
步骤(3)阈值确定。以相关性矩阵为基础，选取阈值将相关性矩阵转换为稀疏的邻接矩阵。
步骤(4)脑功能网络建立。分析邻接矩阵元素值与脑区节点间是否存在连接边之间的关系，构建脑功能网络，具体表现为：如果两个脑区之间的相关系数大于阈值时，在对应的节点间建立连接边，邻接矩阵对应的元素值为1；反之不建立连接边，邻接矩阵对应的元素值为0。邻接的对角元素设为0以避免网络中出现自连接的边。
步骤(5)基于邻接矩阵奇异值分解的特征提取。首先对邻接矩阵进行奇异值分解，然后根据所得的奇异值定义最大奇异值、均值、方差、能量、奇异熵五个特征参数作为脑电信号的特征向量。
本发明与已有的运动想象脑电特征提取方法相比，具有如下特点：
1、从网络角度分析运动想象引起的神经活动的动态变化
已有方法大多注重局部激活脑区的定性和定量分析，有意无意地将各个脑区看作孤立的功能单元，忽视了脑区之间的相互关系和整体协调性。虽然大脑皮层不同的区域完成相对独立的功能，但完成某一特定的运动想象任务，需要一个或几个空间上分离的功能区的同时参与。通过反映大脑功能性连接的数据计算各个脑区之间的统计性连接关系而构建的脑网络，描述了多个脑区之间的协同作用关系，有助于从整体层面刻画不同运动想象任务的特征。
2、特征提取具有自适应性
由于脑电信号是高度非平稳信号，容易受到生理、心理等各种因素的影响，不仅存在个体差异，且同一受试者在不同时间完成相同运动想象任务所得到的脑电信号也会有差异，因而特征提取参数和分类器具有自适应能力，能够随着受试对象的不同以及时间的推移而更新。基于脑功能网络邻接矩阵分解的脑电特征，可以随不同的受试者和运动想象任务而变化，自适应地反映脑电信号的个体差异性。
本发明方法可以较好地满足智能自主康复辅具控制中的多模式识别要求，在脑-机接口领域具有广阔的应用前景。
附图说明
图1为本发明的实施流程图。
具体实施方式
下面结合附图详细描述本发明基于脑功能网络邻接矩阵分解的脑电特征方法，图1为实施流程图。
如图1，本发明方法的实施主要包括六个步骤：（1）获取多通道运动想象脑电信号样本数据，包括四种运动想象实验范式下脑电信号的采集和预处理；（2）利用互相关、互信息量、相位同步、同步似然法等量化方法建立各通道EEG信号两两之间的连接关系，得到相关性矩阵；（3）以相关性矩阵为基础，选取适合的阈值将相关性矩阵转换为稀疏的邻接矩阵；（4）分析邻接矩阵元素值与脑区节点间是否存在连接边之间的关系，建立脑功能网络；（5）对邻接矩阵进行奇异值分解，所得的奇异值用来刻画脑电信号的辨别特征；（6）将脑电特征输入支持向量机分类器进行训练和测试，完成四种运动想象任务的分类。
下面逐一对各步骤进行详细说明。
步骤一：获取多通道运动想象脑电信号样本数据
（1）采集运动想象脑电信号。采用美国Neuro Scan公司Scan4.3采集设备中的40导电极帽进行运动想象过程脑电信号采集。受试者按要求佩戴好脑电帽后坐在轮椅上，保持安静、自然，注视实验环境中设定的情景提示。采用如下四种运动想象实验范式：右手操控轮椅控制杆向前、左手操控轮椅控制杆向后、左脚单脚跳并且双手推轮椅向左移动、右脚单脚跳并且双手推轮椅向左移动，分别对应轮椅前进、刹车、左转、右转的控制运动形式，在实施过程中还可根据实验的具体情况对实验模式的设计做适当修正。
（2）采用参考独立分量分析和随机共振方法对脑电数据进行预处理。针对眨眼、眼动等伪迹对脑电信号的干扰，结合眼电伪迹已有的先验知识，采用参考独立分量分析方法消除眼电伪迹；其次，针对脑电信号的非线性、微弱性等特点，在以上估计输出基础上，采用随机共振方法进行脑电信号复原，将部分噪声能量转变为有用信号的能量，来提高系统输出的信噪比。
步骤二：相关性分析
利用互相关、互信息量、相位同步、同步似然法等量化方法建立各通道EEG信号两两之间的连接关系，得到相关性矩阵。本发明采用Pearson相关系数公式计算EEG信号各通道之间的相关系数。
其中，
和为节点和
在
时刻的EEG数据值；
为时间序列长度；
和
为平均时间序列。可以得到一个相关性矩阵，这是一个
对称矩阵，矩阵元素代表节点
与节点
之间的相关系数值。
步骤三：阈值确定
以相关性矩阵为基础，选取适合的阈值将相关性矩阵转换为稀疏的阈值关联矩阵（邻接矩阵）。目前的阈值选择比较灵活，根据去除弱的连接边（噪声边）、保证网络连通性（无孤立脑区）、网络密度等约束条件选取阈值。
步骤四： 脑功能网络建立
分析邻接矩阵元素值与脑区节点间是否存在连接边之间的关系，构建脑功能网络，具体表现为：如果两个脑区之间的相关系数大于阈值时，在对应的节点间建立连接边，对应的邻接矩阵对应的元素值为1，反之不建立连接边，对应的邻接矩阵对应的元素值为0。所得的邻接矩阵是一个实对称矩阵，定义如下
而且，邻接矩阵的对角元素设为0，以避免网络中出现自连接的边。值得注意的是，这里的连接边不考虑两个脑区间是否具有解剖学上的实际连接。
步骤五：基于邻接矩阵奇异值分解的特征提取。脑功能网络可以从全局的角度反映不同脑区之间相关联系和相互作用，对应的邻接矩阵是表示网络的节点之间相邻关系的矩阵，反映了脑区节点间是否存在连接边。
已知邻接矩阵
是
的实矩阵，根据奇异值分解（SVD）定理，不管其行列是否相关，必定存在
阶正交矩阵
和
，使得
(3)
其中，对角矩阵
，
是矩阵
的奇异值。
的列向量是
的特征向量，
的列向量是
的特征向量。由于是对称的方阵，因此
。这些奇异值按照由大到小的顺序（降序）排列为
，
为
的秩。
由矩阵奇异值的性质可知，矩阵的奇异值具有较好的稳定性，当矩阵元素发生小的变化时，奇异值的变化很小；奇异值是矩阵的固有特征，可充分反映矩阵所含的信息。因此，邻接矩阵的奇异值可用来表征脑电信号的辨别特征。定义如下参数：
（1）最大奇异值
。该参数变化是反映信号能量变化的主要信息之一。
（2）均值
。该参数可反映邻接矩阵元素的大小。
（3）方差
。该参数可反映邻接矩阵元素的波动程度。
（4）能量
。该参数代表邻接矩阵元素的能量信息。
（5）奇异熵
。首先对特征向量的每个分量进行归一化，然后根据信息熵的定义构造奇异熵。
本发明采用以上特征参数
~作为脑电信号的特征向量。
步骤六：基于支持向量机的运动想象任务分类。将步骤五得到的脑电特征向量作为支持向量机分类器的输入，进行训练和测试，完成四种运动想象任务的分类。
Claims (1)
1. 基于脑功能网络邻接矩阵分解的脑电特征提取方法，其特征在于该方法包括如下步骤：
步骤(1).获取多通道运动想象脑电信号样本数据,具体是：首先采用多导联电极帽采集运动想象脑电信号，然后采用参考独立分量分析方法消除眼电伪迹，最后采用随机共振方法进行脑电信号复原，以提高系统输出的信噪比；
步骤(2).相关性分析,具体是：采用Pearson相关系数公式计算各通道脑电信号之间的相关系数，得到相关性矩阵；
步骤(3).阈值确定，具体是：以相关性矩阵为基础，选取阈值将相关性矩阵转换为稀疏的邻接矩阵；
步骤(4).脑功能网络建立，具体是：分析邻接矩阵元素值与脑区节点间是否存在连接边之间的关系，构建脑功能网络，具体表现为：如果两个脑区之间的相关系数大于阈值时，在对应的节点间建立连接边，邻接矩阵对应的元素值为1；反之不建立连接边，邻接矩阵对应的元素值为0；邻接的对角元素设为0以避免网络中出现自连接的边；
步骤(5).基于邻接矩阵奇异值分解的特征提取，具体是：首先对邻接矩阵进行奇异值分解，然后根据所得的奇异值定义最大奇异值、均值、方差、能量、奇异熵五个特征参数作为脑电信号的特征向量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210189995.1A CN102722727B (zh) | 2012-06-11 | 2012-06-11 | 基于脑功能网络邻接矩阵分解的脑电特征提取方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210189995.1A CN102722727B (zh) | 2012-06-11 | 2012-06-11 | 基于脑功能网络邻接矩阵分解的脑电特征提取方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102722727A true CN102722727A (zh) | 2012-10-10 |
| CN102722727B CN102722727B (zh) | 2014-03-05 |
Family
ID=46948477
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201210189995.1A Expired - Fee Related CN102722727B (zh) | 2012-06-11 | 2012-06-11 | 基于脑功能网络邻接矩阵分解的脑电特征提取方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102722727B (zh) |
Cited By (51)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103110418A (zh) * | 2013-01-24 | 2013-05-22 | 天津大学 | 一种脑电信号特征提取方法 |
| CN103258120A (zh) * | 2013-04-19 | 2013-08-21 | 杭州电子科技大学 | 一种基于脑电信号的中风康复程度指标计算方法 |
| CN103258215A (zh) * | 2013-05-10 | 2013-08-21 | 杭州电子科技大学 | 一种多导联间相关性分析的脑电特征提取方法 |
| CN103961091A (zh) * | 2014-04-15 | 2014-08-06 | 杭州电子科技大学 | 基于双树复小波样本熵的运动想象脑电信号特征提取方法 |
| CN104127179A (zh) * | 2014-04-13 | 2014-11-05 | 北京工业大学 | 一种优势电极组合与经验模式分解的脑电特征提取方法 |
| CN104268511A (zh) * | 2014-09-17 | 2015-01-07 | 河海大学常州校区 | 一种基于三轴加速度传感器的网球运动模式识别系统及其方法 |
| CN104850863A (zh) * | 2015-05-29 | 2015-08-19 | 上海海事大学 | 一种人脑功能活动状态分类方法 |
| CN105931281A (zh) * | 2016-04-14 | 2016-09-07 | 中国人民解放军国防科学技术大学 | 基于网络特征熵定量刻画脑功能网络的方法 |
| CN106920198A (zh) * | 2015-12-24 | 2017-07-04 | 日本电气株式会社 | 用于污染物溯源的设备和方法 |
| CN107126193A (zh) * | 2017-04-20 | 2017-09-05 | 杭州电子科技大学 | 基于滞后阶数自适应选择的多变量因果关系分析方法 |
| CN107307975A (zh) * | 2017-07-26 | 2017-11-03 | 山东海天智能工程有限公司 | 手功能康复训练机器人系统及控制方法 |
| CN107349082A (zh) * | 2017-07-26 | 2017-11-17 | 山东海天智能工程有限公司 | 带手腕康复的手康复功能机器人系统及控制方法 |
| CN107550491A (zh) * | 2017-09-11 | 2018-01-09 | 东北大学 | 一种多类别运动想象分类识别方法 |
| CN107844804A (zh) * | 2017-11-10 | 2018-03-27 | 上海杉达学院 | 一种肌纹理磁共振图像的计算方法及基于其的数据建模方法 |
| CN108257657A (zh) * | 2016-12-28 | 2018-07-06 | 复旦大学附属华山医院 | 基于意识障碍患者意识恢复预测的磁共振检测的数据分析方法 |
| CN108309318A (zh) * | 2018-01-30 | 2018-07-24 | 苏州大学 | 基于大脑血红蛋白信息的大脑功能状态评价装置 |
| CN108354605A (zh) * | 2017-12-20 | 2018-08-03 | 佛山科学技术学院 | 基于静息态eeg信号的数学超常青少年脑功能连接网络分析方法 |
| CN108433722A (zh) * | 2018-02-28 | 2018-08-24 | 天津大学 | 便携式脑电采集设备及其在ssvep和运动想象中的应用 |
| CN108710895A (zh) * | 2018-04-23 | 2018-10-26 | 安徽大学 | 基于独立分量分析的运动想象脑电信号分类方法 |
| CN109344889A (zh) * | 2018-09-19 | 2019-02-15 | 深圳大学 | 一种脑疾病分类方法、装置和用户终端 |
| CN109497996A (zh) * | 2018-11-07 | 2019-03-22 | 太原理工大学 | 一种微状态eeg时域特征的复杂网络构建及分析方法 |
| CN109829884A (zh) * | 2018-12-21 | 2019-05-31 | 广东电网有限责任公司 | 一种基于奇异值分解的红外图像特征向量提取方法 |
| CN110175510A (zh) * | 2019-04-10 | 2019-08-27 | 杭州电子科技大学 | 基于脑功能网络特征的多模式运动想象识别方法 |
| CN110236534A (zh) * | 2019-05-20 | 2019-09-17 | 北京航空航天大学 | 一种基于脑电相关性网络弹性的专注力评估方法 |
| CN110251124A (zh) * | 2019-07-19 | 2019-09-20 | 太原理工大学 | 一种有效性脑网络的确定方法及系统 |
| CN110326054A (zh) * | 2017-02-27 | 2019-10-11 | 雷恩第一大学 | 确定参与执行给定过程的至少一个脑网络的方法、装置和程序 |
| CN110384490A (zh) * | 2019-07-29 | 2019-10-29 | 杭州埃因霍温科技有限公司 | 基于相空间的bcg信号心率提取方法 |
| CN110477909A (zh) * | 2019-07-31 | 2019-11-22 | 同济大学 | 一种基于静息态脑电数据的性别分类方法 |
| CN110522412A (zh) * | 2019-03-20 | 2019-12-03 | 天津大学 | 基于多尺度脑功能网络分类脑电信号的方法 |
| CN110969108A (zh) * | 2019-11-25 | 2020-04-07 | 杭州电子科技大学 | 一种基于自主运动想象脑电的肢体动作识别方法 |
| CN111449650A (zh) * | 2020-03-24 | 2020-07-28 | 东南大学 | 一种基于脑网络动态连接特征的运动意图预测方法 |
| CN111563581A (zh) * | 2020-05-27 | 2020-08-21 | 杭州电子科技大学 | 一种基于小波相干的脑肌功能网络构建方法 |
| CN111938634A (zh) * | 2020-08-17 | 2020-11-17 | 江苏科技大学 | 一种皮层脑电传导为头皮脑电的电模型 |
| CN112006683A (zh) * | 2020-08-07 | 2020-12-01 | 大连理工大学 | 一种基于自组织临界性的精神疲劳临界点标定方法 |
| CN112415453A (zh) * | 2019-08-22 | 2021-02-26 | 西门子(深圳)磁共振有限公司 | 去除信号中干扰的方法和装置、磁共振系统和存储介质 |
| CN112515685A (zh) * | 2020-11-10 | 2021-03-19 | 上海大学 | 基于时频共融的多通道脑电信号通道选择方法 |
| CN112698720A (zh) * | 2020-12-23 | 2021-04-23 | 杭州电子科技大学 | 一种基于互信息特征提取及多人融合的运动想象识别方法 |
| CN112741636A (zh) * | 2020-12-17 | 2021-05-04 | 浙江大学 | 一种基于多位点同步性变化的颞叶癫痫检测系统 |
| CN112932505A (zh) * | 2021-01-16 | 2021-06-11 | 北京工业大学 | 一种基于时频能量的符号传递熵及脑网络特征计算方法 |
| CN112971781A (zh) * | 2020-12-30 | 2021-06-18 | 杭州电子科技大学 | 一种基于脑功能网络抑郁对比方法 |
| CN113017651A (zh) * | 2021-03-16 | 2021-06-25 | 哈尔滨工业大学 | 一种情感eeg的脑功能网络分析方法 |
| CN113180703A (zh) * | 2021-05-13 | 2021-07-30 | 李天睿 | 一种基于网络拓扑描述的脑电信号分析方法 |
| CN113558641A (zh) * | 2021-06-23 | 2021-10-29 | 瑞尔明康（杭州）医疗科技有限公司 | 脑功能网络构建方法、装置、电子设备及存储介质 |
| CN114027857A (zh) * | 2021-12-22 | 2022-02-11 | 杭州电子科技大学 | 一种基于脑电信号测量运动能力的方法 |
| CN114186608A (zh) * | 2021-11-03 | 2022-03-15 | 杭州电子科技大学 | 基于运动想象的混合脑机接口特征提取方法 |
| US11331024B2 (en) | 2020-08-07 | 2022-05-17 | Dalian University Of Technology | Calibration method for critical point of mental fatigue based on self-organized criticality |
| CN114521905A (zh) * | 2022-01-25 | 2022-05-24 | 中山大学 | 一种基于同步连接特征的脑电信号处理方法及系统 |
| CN114611556A (zh) * | 2022-03-08 | 2022-06-10 | 中国人民解放军国防科技大学 | 一种基于图神经网络的多类别运动想象任务识别方法 |
| CN115294413A (zh) * | 2022-10-10 | 2022-11-04 | 齐鲁工业大学 | 一种基于时序脑电数据的脑疾病分类方法 |
| CN115337026A (zh) * | 2022-10-19 | 2022-11-15 | 之江实验室 | 一种基于卷积神经网络的eeg信号特征检索方法、装置 |
| CN116019462A (zh) * | 2023-03-30 | 2023-04-28 | 同心智医科技(北京)有限公司 | 运动执行和运动意图的分析方法、装置及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006089181A1 (en) * | 2005-02-18 | 2006-08-24 | Aspect Medical Systems, Inc. | System and method of prediction of response to neurological treatment using the electroencephalogram |
| CN101488162A (zh) * | 2008-01-17 | 2009-07-22 | 复旦大学 | 一种用于脑电信号自动评估的脑电信号特征提取方法 |
| CN101862194A (zh) * | 2010-06-17 | 2010-10-20 | 天津大学 | 基于融合特征的想象动作脑电身份识别方法 |
| CN101976115A (zh) * | 2010-10-15 | 2011-02-16 | 华南理工大学 | 一种基于运动想象与p300脑电电位的功能键选择方法 |
-
2012
- 2012-06-11 CN CN201210189995.1A patent/CN102722727B/zh not_active Expired - Fee Related
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2006089181A1 (en) * | 2005-02-18 | 2006-08-24 | Aspect Medical Systems, Inc. | System and method of prediction of response to neurological treatment using the electroencephalogram |
| CN101488162A (zh) * | 2008-01-17 | 2009-07-22 | 复旦大学 | 一种用于脑电信号自动评估的脑电信号特征提取方法 |
| CN101862194A (zh) * | 2010-06-17 | 2010-10-20 | 天津大学 | 基于融合特征的想象动作脑电身份识别方法 |
| CN101976115A (zh) * | 2010-10-15 | 2011-02-16 | 华南理工大学 | 一种基于运动想象与p300脑电电位的功能键选择方法 |
Cited By (77)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103110418B (zh) * | 2013-01-24 | 2015-04-08 | 天津大学 | 一种脑电信号特征提取方法 |
| CN103110418A (zh) * | 2013-01-24 | 2013-05-22 | 天津大学 | 一种脑电信号特征提取方法 |
| CN103258120A (zh) * | 2013-04-19 | 2013-08-21 | 杭州电子科技大学 | 一种基于脑电信号的中风康复程度指标计算方法 |
| CN103258215A (zh) * | 2013-05-10 | 2013-08-21 | 杭州电子科技大学 | 一种多导联间相关性分析的脑电特征提取方法 |
| CN104127179A (zh) * | 2014-04-13 | 2014-11-05 | 北京工业大学 | 一种优势电极组合与经验模式分解的脑电特征提取方法 |
| CN104127179B (zh) * | 2014-04-13 | 2016-04-06 | 北京工业大学 | 一种优势电极组合与经验模式分解的脑电特征提取方法 |
| CN103961091A (zh) * | 2014-04-15 | 2014-08-06 | 杭州电子科技大学 | 基于双树复小波样本熵的运动想象脑电信号特征提取方法 |
| CN103961091B (zh) * | 2014-04-15 | 2017-01-11 | 杭州电子科技大学 | 基于双树复小波样本熵的运动想象脑电信号特征提取方法 |
| CN104268511A (zh) * | 2014-09-17 | 2015-01-07 | 河海大学常州校区 | 一种基于三轴加速度传感器的网球运动模式识别系统及其方法 |
| CN104850863A (zh) * | 2015-05-29 | 2015-08-19 | 上海海事大学 | 一种人脑功能活动状态分类方法 |
| CN104850863B (zh) * | 2015-05-29 | 2017-11-17 | 上海海事大学 | 一种人脑功能活动状态分类方法 |
| CN106920198A (zh) * | 2015-12-24 | 2017-07-04 | 日本电气株式会社 | 用于污染物溯源的设备和方法 |
| CN105931281A (zh) * | 2016-04-14 | 2016-09-07 | 中国人民解放军国防科学技术大学 | 基于网络特征熵定量刻画脑功能网络的方法 |
| CN108257657A (zh) * | 2016-12-28 | 2018-07-06 | 复旦大学附属华山医院 | 基于意识障碍患者意识恢复预测的磁共振检测的数据分析方法 |
| CN108257657B (zh) * | 2016-12-28 | 2023-07-07 | 复旦大学附属华山医院 | 基于意识障碍患者意识恢复预测的磁共振检测的数据分析方法 |
| CN110326054A (zh) * | 2017-02-27 | 2019-10-11 | 雷恩第一大学 | 确定参与执行给定过程的至少一个脑网络的方法、装置和程序 |
| CN107126193A (zh) * | 2017-04-20 | 2017-09-05 | 杭州电子科技大学 | 基于滞后阶数自适应选择的多变量因果关系分析方法 |
| CN107307975A (zh) * | 2017-07-26 | 2017-11-03 | 山东海天智能工程有限公司 | 手功能康复训练机器人系统及控制方法 |
| CN107349082A (zh) * | 2017-07-26 | 2017-11-17 | 山东海天智能工程有限公司 | 带手腕康复的手康复功能机器人系统及控制方法 |
| CN107550491A (zh) * | 2017-09-11 | 2018-01-09 | 东北大学 | 一种多类别运动想象分类识别方法 |
| CN107550491B (zh) * | 2017-09-11 | 2019-06-14 | 东北大学 | 一种多类别运动想象分类识别方法 |
| CN107844804A (zh) * | 2017-11-10 | 2018-03-27 | 上海杉达学院 | 一种肌纹理磁共振图像的计算方法及基于其的数据建模方法 |
| CN108354605A (zh) * | 2017-12-20 | 2018-08-03 | 佛山科学技术学院 | 基于静息态eeg信号的数学超常青少年脑功能连接网络分析方法 |
| CN108309318B (zh) * | 2018-01-30 | 2020-06-09 | 苏州布芮恩智能科技有限公司 | 基于大脑血红蛋白信息的大脑功能状态评价装置 |
| CN108309318A (zh) * | 2018-01-30 | 2018-07-24 | 苏州大学 | 基于大脑血红蛋白信息的大脑功能状态评价装置 |
| WO2019148557A1 (zh) * | 2018-01-30 | 2019-08-08 | 苏州大学 | 基于大脑血红蛋白信息的大脑功能状态评价装置 |
| CN108433722A (zh) * | 2018-02-28 | 2018-08-24 | 天津大学 | 便携式脑电采集设备及其在ssvep和运动想象中的应用 |
| CN108710895A (zh) * | 2018-04-23 | 2018-10-26 | 安徽大学 | 基于独立分量分析的运动想象脑电信号分类方法 |
| CN108710895B (zh) * | 2018-04-23 | 2022-03-22 | 安徽大学 | 基于独立分量分析的运动想象脑电信号分类方法 |
| CN109344889A (zh) * | 2018-09-19 | 2019-02-15 | 深圳大学 | 一种脑疾病分类方法、装置和用户终端 |
| CN109497996A (zh) * | 2018-11-07 | 2019-03-22 | 太原理工大学 | 一种微状态eeg时域特征的复杂网络构建及分析方法 |
| CN109829884A (zh) * | 2018-12-21 | 2019-05-31 | 广东电网有限责任公司 | 一种基于奇异值分解的红外图像特征向量提取方法 |
| CN110522412B (zh) * | 2019-03-20 | 2021-11-23 | 天津大学 | 基于多尺度脑功能网络分类脑电信号的方法 |
| CN110522412A (zh) * | 2019-03-20 | 2019-12-03 | 天津大学 | 基于多尺度脑功能网络分类脑电信号的方法 |
| CN110175510A (zh) * | 2019-04-10 | 2019-08-27 | 杭州电子科技大学 | 基于脑功能网络特征的多模式运动想象识别方法 |
| CN110236534B (zh) * | 2019-05-20 | 2020-10-09 | 北京航空航天大学 | 一种基于脑电相关性网络弹性的专注力评估方法 |
| CN110236534A (zh) * | 2019-05-20 | 2019-09-17 | 北京航空航天大学 | 一种基于脑电相关性网络弹性的专注力评估方法 |
| CN110251124A (zh) * | 2019-07-19 | 2019-09-20 | 太原理工大学 | 一种有效性脑网络的确定方法及系统 |
| CN110384490A (zh) * | 2019-07-29 | 2019-10-29 | 杭州埃因霍温科技有限公司 | 基于相空间的bcg信号心率提取方法 |
| CN110477909B (zh) * | 2019-07-31 | 2021-11-09 | 同济大学 | 一种基于静息态脑电数据的性别分类方法 |
| CN110477909A (zh) * | 2019-07-31 | 2019-11-22 | 同济大学 | 一种基于静息态脑电数据的性别分类方法 |
| CN112415453B (zh) * | 2019-08-22 | 2024-01-02 | 西门子(深圳)磁共振有限公司 | 去除信号中干扰的方法和装置、磁共振系统和存储介质 |
| CN112415453A (zh) * | 2019-08-22 | 2021-02-26 | 西门子(深圳)磁共振有限公司 | 去除信号中干扰的方法和装置、磁共振系统和存储介质 |
| CN110969108B (zh) * | 2019-11-25 | 2023-04-07 | 杭州电子科技大学 | 一种基于自主运动想象脑电的肢体动作识别方法 |
| CN110969108A (zh) * | 2019-11-25 | 2020-04-07 | 杭州电子科技大学 | 一种基于自主运动想象脑电的肢体动作识别方法 |
| CN111449650A (zh) * | 2020-03-24 | 2020-07-28 | 东南大学 | 一种基于脑网络动态连接特征的运动意图预测方法 |
| CN111563581A (zh) * | 2020-05-27 | 2020-08-21 | 杭州电子科技大学 | 一种基于小波相干的脑肌功能网络构建方法 |
| CN111563581B (zh) * | 2020-05-27 | 2023-08-18 | 杭州电子科技大学 | 一种基于小波相干的脑肌功能网络构建方法 |
| CN112006683A (zh) * | 2020-08-07 | 2020-12-01 | 大连理工大学 | 一种基于自组织临界性的精神疲劳临界点标定方法 |
| CN112006683B (zh) * | 2020-08-07 | 2021-08-10 | 大连理工大学 | 一种基于自组织临界性的精神疲劳临界点标定方法 |
| US11331024B2 (en) | 2020-08-07 | 2022-05-17 | Dalian University Of Technology | Calibration method for critical point of mental fatigue based on self-organized criticality |
| CN111938634A (zh) * | 2020-08-17 | 2020-11-17 | 江苏科技大学 | 一种皮层脑电传导为头皮脑电的电模型 |
| CN111938634B (zh) * | 2020-08-17 | 2021-04-06 | 江苏科技大学 | 一种皮层脑电传导为头皮脑电的电模型 |
| CN112515685A (zh) * | 2020-11-10 | 2021-03-19 | 上海大学 | 基于时频共融的多通道脑电信号通道选择方法 |
| CN112515685B (zh) * | 2020-11-10 | 2023-03-24 | 上海大学 | 基于时频共融的多通道脑电信号通道选择方法 |
| CN112741636A (zh) * | 2020-12-17 | 2021-05-04 | 浙江大学 | 一种基于多位点同步性变化的颞叶癫痫检测系统 |
| CN112698720A (zh) * | 2020-12-23 | 2021-04-23 | 杭州电子科技大学 | 一种基于互信息特征提取及多人融合的运动想象识别方法 |
| CN112698720B (zh) * | 2020-12-23 | 2022-07-08 | 杭州电子科技大学 | 一种基于互信息特征提取及多人融合的运动想象识别方法 |
| CN112971781A (zh) * | 2020-12-30 | 2021-06-18 | 杭州电子科技大学 | 一种基于脑功能网络抑郁对比方法 |
| CN112971781B (zh) * | 2020-12-30 | 2022-10-28 | 杭州电子科技大学 | 一种基于脑功能网络抑郁对比装置 |
| CN112932505A (zh) * | 2021-01-16 | 2021-06-11 | 北京工业大学 | 一种基于时频能量的符号传递熵及脑网络特征计算方法 |
| CN113017651A (zh) * | 2021-03-16 | 2021-06-25 | 哈尔滨工业大学 | 一种情感eeg的脑功能网络分析方法 |
| CN113180703A (zh) * | 2021-05-13 | 2021-07-30 | 李天睿 | 一种基于网络拓扑描述的脑电信号分析方法 |
| CN113558641A (zh) * | 2021-06-23 | 2021-10-29 | 瑞尔明康（杭州）医疗科技有限公司 | 脑功能网络构建方法、装置、电子设备及存储介质 |
| CN114186608B (zh) * | 2021-11-03 | 2024-03-12 | 杭州电子科技大学 | 基于运动想象的混合脑机接口特征提取方法 |
| CN114186608A (zh) * | 2021-11-03 | 2022-03-15 | 杭州电子科技大学 | 基于运动想象的混合脑机接口特征提取方法 |
| CN114027857B (zh) * | 2021-12-22 | 2024-04-26 | 杭州电子科技大学 | 一种基于脑电信号测量运动能力的方法 |
| CN114027857A (zh) * | 2021-12-22 | 2022-02-11 | 杭州电子科技大学 | 一种基于脑电信号测量运动能力的方法 |
| CN114521905A (zh) * | 2022-01-25 | 2022-05-24 | 中山大学 | 一种基于同步连接特征的脑电信号处理方法及系统 |
| CN114611556A (zh) * | 2022-03-08 | 2022-06-10 | 中国人民解放军国防科技大学 | 一种基于图神经网络的多类别运动想象任务识别方法 |
| CN114611556B (zh) * | 2022-03-08 | 2024-03-15 | 中国人民解放军国防科技大学 | 一种基于图神经网络的多类别运动想象任务识别方法 |
| CN115294413B (zh) * | 2022-10-10 | 2023-01-24 | 齐鲁工业大学 | 一种基于时序脑电数据的脑疾病分类方法 |
| CN115294413A (zh) * | 2022-10-10 | 2022-11-04 | 齐鲁工业大学 | 一种基于时序脑电数据的脑疾病分类方法 |
| CN115337026A (zh) * | 2022-10-19 | 2022-11-15 | 之江实验室 | 一种基于卷积神经网络的eeg信号特征检索方法、装置 |
| CN115337026B (zh) * | 2022-10-19 | 2023-03-10 | 之江实验室 | 一种基于卷积神经网络的eeg信号特征检索方法、装置 |
| CN116019462A (zh) * | 2023-03-30 | 2023-04-28 | 同心智医科技(北京)有限公司 | 运动执行和运动意图的分析方法、装置及存储介质 |
| CN116019462B (zh) * | 2023-03-30 | 2023-07-04 | 同心智医科技(北京)有限公司 | 运动执行和运动意图的分析方法、装置及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN102722727B (zh) | 2014-03-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102722727B (zh) | 基于脑功能网络邻接矩阵分解的脑电特征提取方法 | |
| CN110969108B (zh) | 一种基于自主运动想象脑电的肢体动作识别方法 | |
| Gao et al. | A recurrence network-based convolutional neural network for fatigue driving detection from EEG | |
| Lemm et al. | Spatio-spectral filters for improving the classification of single trial EEG | |
| CN102722728B (zh) | 基于通道加权支持向量的运动想象脑电分类方法 | |
| CN102184019B (zh) | 基于隐性注意的视听联合刺激脑-机接口方法 | |
| CN105956624B (zh) | 基于空时频优化特征稀疏表示的运动想象脑电分类方法 | |
| Ashokkumar et al. | Implementation of deep neural networks for classifying electroencephalogram signal using fractional S‐transform for epileptic seizure detection | |
| CN110013248A (zh) | 脑电张量模式识别技术与脑机交互康复系统 | |
| CN108280414A (zh) | 一种基于能量特征的运动想象脑电信号的识别方法 | |
| Miller et al. | Higher dimensional analysis shows reduced dynamism of time-varying network connectivity in schizophrenia patients | |
| Ahmed | Wheelchair movement control VIA human eye blinks | |
| CN113274037B (zh) | 一种动态脑功能网络的生成方法、系统及设备 | |
| Shi et al. | Feature extraction of brain–computer interface electroencephalogram based on motor imagery | |
| CN105286860A (zh) | 一种基于双树复小波能量差的运动想象脑电信号识别方法 | |
| CN112426162A (zh) | 一种基于脑电信号节律熵的疲劳检测方法 | |
| CN105266804A (zh) | 一种基于低秩和稀疏矩阵分解的新型脑电信号处理方法 | |
| Abdullah et al. | Automatic extraction system for common artifacts in EEG signals based on evolutionary stone’s BSS algorithm | |
| Geng et al. | A fusion algorithm for EEG signal processing based on motor imagery brain-computer interface | |
| CN111543983B (zh) | 一种基于神经网络的脑电信号通道选择方法 | |
| Li et al. | Subject-based dipole selection for decoding motor imagery tasks | |
| Guan et al. | Multiclass motor imagery recognition of single joint in upper limb based on NSGA-II OVO TWSVM | |
| CN115640827B (zh) | 对电刺激数据处理的智能闭环反馈网络方法及系统 | |
| Akhanda et al. | Detection of cognitive state for brain-computer interfaces | |
| Zhao et al. | Temporal and spatial features of single-trial EEG for brain-computer interface |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20181107 Address after: 313000 industrial zone of Donglin Town, Wuxing District, Huzhou, Zhejiang Patentee after: Zhejiang far new material Co., Ltd. Address before: 310018 2 street, Xiasha Higher Education Park, Hangzhou, Zhejiang Patentee before: Hangzhou Electronic Science and Technology Univ |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20191211 Address after: 314311 No. 166, Haiwang Road, Shendang Industrial Park, Haiyan County, Jiaxing City, Zhejiang Province Patentee after: Zhejiang Deyikang Photoelectric Co., Ltd. Address before: 313000 Zhejiang Province, Huzhou city Wuxing District East Town Industrial Zone Patentee before: Zhejiang far new material Co., Ltd. |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20201208 Address after: 214000 2201 Wuxi chamber of Commerce building, financial 8th Street, economic development zone, Wuxi City, Jiangsu Province Patentee after: Jiangsu intelligent workshop Technology Research Institute Co.,Ltd. Address before: 314311 No. 166, Haiwang Road, Shendang Industrial Park, Haiyan County, Jiaxing City, Zhejiang Province Patentee before: Zhejiang Deyikang Photoelectric Co.,Ltd. |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20210420 Address after: 226200 No. 500 Linyang Road, Qidong Economic Development Zone, Nantong City, Jiangsu Province Patentee after: QIDONG SHENGHAN MEDICAL TECHNOLOGY Co.,Ltd. Address before: 214000 2201 Wuxi chamber of Commerce building, financial 8th Street, economic development zone, Wuxi City, Jiangsu Province Patentee before: Jiangsu intelligent workshop Technology Research Institute Co.,Ltd. |
|
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20140305 Termination date: 20210611 |