CN105147282A - 认知功能障碍脑电识别系统 - Google Patents
认知功能障碍脑电识别系统 Download PDFInfo
- Publication number
- CN105147282A CN105147282A CN201510522445.0A CN201510522445A CN105147282A CN 105147282 A CN105147282 A CN 105147282A CN 201510522445 A CN201510522445 A CN 201510522445A CN 105147282 A CN105147282 A CN 105147282A
- Authority
- CN
- China
- Prior art keywords
- acquisition
- electroencephalogram
- amplification circuit
- stimulation
- brain electrical
- 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.)
- Pending
Links
- 208000010877 cognitive disease Diseases 0.000 title claims abstract description 26
- 230000000638 stimulation Effects 0.000 claims abstract description 28
- 238000004458 analytical method Methods 0.000 claims abstract description 26
- 208000006011 Stroke Diseases 0.000 claims abstract description 18
- 238000012706 support-vector machine Methods 0.000 claims abstract description 16
- 239000013307 optical fiber Substances 0.000 claims abstract description 14
- 230000015654 memory Effects 0.000 claims abstract description 5
- 230000003321 amplification Effects 0.000 claims description 25
- 210000004556 brain Anatomy 0.000 claims description 25
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 25
- 238000004422 calculation algorithm Methods 0.000 claims description 19
- 230000001149 cognitive effect Effects 0.000 claims description 16
- 238000012880 independent component analysis Methods 0.000 claims description 12
- 230000009466 transformation Effects 0.000 claims description 7
- 239000000284 extract Substances 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 230000001939 inductive effect Effects 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 206010008190 Cerebrovascular accident Diseases 0.000 abstract 2
- 230000019771 cognition Effects 0.000 abstract 1
- 238000011002 quantification Methods 0.000 abstract 1
- 238000000034 method Methods 0.000 description 13
- 208000028698 Cognitive impairment Diseases 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000003759 clinical diagnosis Methods 0.000 description 2
- 230000003920 cognitive function Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000013139 quantization Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 230000003936 working memory Effects 0.000 description 2
- 101100460704 Aspergillus sp. (strain MF297-2) notI gene Proteins 0.000 description 1
- 206010012289 Dementia Diseases 0.000 description 1
- 208000012902 Nervous system disease Diseases 0.000 description 1
- 208000031481 Pathologic Constriction Diseases 0.000 description 1
- 208000032023 Signs and Symptoms Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 210000001627 cerebral artery Anatomy 0.000 description 1
- 230000002490 cerebral effect Effects 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000004064 dysfunction Effects 0.000 description 1
- 238000013399 early diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000002001 electrophysiology Methods 0.000 description 1
- 230000007831 electrophysiology Effects 0.000 description 1
- 230000000763 evoking effect Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000003557 neuropsychological effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000008433 psychological processes and functions Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000036262 stenosis Effects 0.000 description 1
- 208000037804 stenosis Diseases 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009747 swallowing Effects 0.000 description 1
Landscapes
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
一种认知功能障碍脑电识别系统，包括：脑电采集电路；采集控制电路，与脑电采集电路通过光纤连接；采集分析主机，与采集控制电路通过USB接口连接，采集控制电路将其由光纤接收到的信号通过USB接口发送给采集分析主机；刺激主机显示器，用于向患者提供用于诱发脑电变化的刺激信号；光敏检测器，安装在刺激主机显示器上，用于与脑电信号同步地检测刺激信号；光敏检测器将其检测到的刺激信号发送给采集分析主机；采集分析主机利用小波变换提取正常对照者和卒中患者的工作记忆1－back任务的脑电信号中的认知电位P300作为分类特征量，并将其送入支持向量机集成学习分类器以完成对正常对照者和卒中患者的分类。本发明具有可量化、易于实现、精度高的特点。
Description
技术领域
本发明涉及医疗器械领域，特别是涉及一种认知功能障碍脑电识别系统。
背景技术
脑卒中是指因各种诱发因素引起脑内动脉狭窄、闭塞或破裂，而造成脑血液循环障碍，临床上表现为脑功能障碍的症状和体征。脑卒中不仅引起运动、言语、吞咽等功能障碍，更严重的是导致脑的认知障碍。认知障碍严重影响了患者的日常生活活动能力，比起正常人尤其关联工作记忆的损失。因此，认知障碍的早期诊断和早期干预对患者的身体及心理功能恢复，预防痴呆有着特别重要的意义，这就需要对认知障碍进行准确的识别，以指导康复治疗，也有助于判断疗效和预后。
目前认知障碍的临床诊断主要由一些神经心理测试量表来完成，如MMSE量表。量表的最大局限性是主观性太强，只能作为诊断的重要参考资料，在临床诊断上还需要结合神经电生理学等检查结果，如基于事件相关电位的脑电信号就可以很好地反映认知障碍，其敏感性远远超出量表评分。人在不同的认知活动中，大脑动力学运动特性不同，认知电位也不同，患有认知功能缺陷的病人在认知活动时的认知电位和正常人的有显著差别，认知障碍对应了脑电信号潜伏期延长、幅度下降、节律不对称等抑制现象，通过比较可以评判其认知功能。
发明内容
本发明的目的是提供一种可量化、易于实现、精度高的认知功能障碍脑电识别系统
为解决上述技术问题，作为本发明的一个方面，提供了一种认知功能障碍脑电识别系统，包括：脑电采集电路；采集控制电路，与脑电采集电路通过光纤连接；采集分析主机，与采集控制电路通过USB接口连接，采集控制电路将其由光纤接收到的信号通过USB接口发送给采集分析主机；刺激主机显示器，用于向患者提供用于诱发脑电变化的刺激信号；光敏检测器，安装在刺激主机显示器上，用于与脑电信号同步地检测刺激信号；光敏检测器将其检测到的刺激信号发送给采集分析主机；采集分析主机利用小波变换提取正常对照者和卒中患者的工作记忆1－back任务的脑电信号中的认知电位P300作为分类特征量，并将其送入支持向量机集成学习分类器以完成对正常对照者和卒中患者的分类，从而指导认知评定。
优选地，脑电采集电路包括脑电传感器和信号放大电路，脑电传感器与信号放大电路连接，信号放大电路通过光纤与采集控制电路连接。
优选地，信号放大电路包括前置级放大电路和与前置级放大电路连接的后置级放大电路，其中，前置级放大电路为采用三个放大器组成的仪表放大电路，后置级放大电路为二阶低通滤波放大电路。
优选地，光敏检测器检测到的刺激信号经过放大和差分信号转换后，通过RS485通讯接口传送给采集分析主机。
优选地，采集分析主机首先利用独立分量分析算法进行脑电信号预处理，然后再利用小波变换提取正常对照者和卒中患者的脑电信号中的认知电位P300作为分类特征量。
优选地，利用独立分量分析算法进行脑电信号预处理包括：利用独立分量分析算法分解原始脑电信号，得到18个独立分量，然后根据四阶累积量的峭度分析去除其中的噪声干扰，提取出显著特征分量。
优选地，光敏检测器为光敏三级管。
优选地，脑电传感器为脑电电极。
由于采用了上述技术方案，本发明具有可量化、易于实现、精度高的特点。
附图说明
图1示意性示出了本发明中的脑电信号采集系统示意图；
图2示意性示出了基于支持向量机集成学习的认知功能障碍脑电分类算法流程图；
图3A示意性示出了正常对照者的P300波形及能量分布对比示意图；
图3B示意性示出了卒中患者的P300波形及能量分布对比示意图。
具体实施方式
以下结合附图对本发明的实施例进行详细说明，但是本发明可以由权利要求限定和覆盖的多种不同方式实施。
请参考图1和图2，本发明提供了一种认知功能障碍脑电识别系统，包括：脑电采集电路；采集控制电路1，与脑电采集电路通过光纤连接；采集分析主机2，与采集控制电路1通过USB接口连接，采集控制电路1将其由光纤接收到的信号通过USB接口发送给采集分析主机；刺激主机显示器3，用于向患者提供用于诱发脑电变化的刺激信号；光敏检测器，安装在刺激主机显示器3上，用于与脑电信号同步地检测刺激信号；光敏检测器将其检测到的刺激信号发送给采集分析主机；采集分析主机2利用小波变换提取正常对照者和卒中患者的工作记忆1－back任务的脑电信号中的认知电位P300作为分类特征量，并将其送入支持向量机集成学习分类器以完成对正常对照者和卒中患者的分类，从而指导认知评定。优选地，光敏检测器为光敏三级管。
优选地，选择1-back工作记忆任务。刺激内容为“1”、“2”、“3”、“4”四个阿拉伯数字，刺激顺序采用伪随机方式，靶和非靶的概率相等。1-back任务中当前靶刺激和前一个刺激内容一致时即为靶刺激，靶刺激出现时被试者需要按键确认。记录18导联（EOG1,EOG2,Fp1,Fp2,F3,F4,F7,F8,Fz,C3,Cz,C4,P3,Pz,P4,O1,Oz和O2）的诱发电位，电极安放采用标准10/20系统。
被试病人佩戴含有脑电采集电路的测试帽，其完成脑电信号的采样、存储，并将信号通过光纤传送给采集控制电路1。由于采用光纤传输，因此，屏蔽了工频干扰，且光纤传输数据带宽较普通电缆宽，数据传输速率快、稳定、安全。进一步地，采集控制电路1通过USB总线将采集到的数据上传到采集分析主机2。同时，光敏检测器检测刺激主机显示器3上的刺激变化，并将其检测到的信号同步地传送给采集分析主机2，于是实现了脑电刺激与采集的同步。这样，采集分析主机2便可利用小波变换提取正常对照者和卒中患者的脑电信号中的认知电位P300作为分类特征量，并将其送入支持向量机集成学习分类器以完成对正常对照者和卒中患者的分类，从而指导认知评定。
由于采用了上述技术方案，本发明具有可量化、易于实现、精度高的特点。
优选地，脑电采集电路包括脑电传感器4和信号放大电路5，脑电传感器4与信号放大电路5连接，信号放大电路5通过光纤与采集控制电路1连接。优选地，脑电传感器4为脑电电极。
优选地，信号放大电路5包括前置级放大电路和与前置级放大电路连接的后置级放大电路，其中，前置级放大电路为采用三个放大器组成的仪表放大电路，后置级放大电路为二阶低通滤波放大电路。
优选地，光敏检测器检测到的刺激信号经过放大和差分信号转换后，通过RS485通讯接口传送给采集分析主机2。
优选地，采集分析主机2首先利用独立分量分析算法进行脑电信号预处理，然后再利用小波变换提取正常对照者和卒中患者的脑电信号中的认知电位P300作为分类特征量。优选地，利用独立分量分析算法进行脑电信号预处理包括：利用独立分量分析算法分解原始脑电信号，得到18个独立分量，然后根据四阶累积量的峭度分析去除其中的噪声干扰，提取出显著特征分量。
下面，对采集分析主机2的工作过程进行详细描述。
首先，利用独立分量分析算法分解原始脑电信号，得到18个独立分量，根据四阶累积量的峭度分析去除其中的噪声干扰，提取出显著特征分量。具体地说：
利用独立分量分析算法进行脑电信号预处理，假设诱发脑电原始信号为，为时间，L为导联数，T为转置，此处L=18，例如，为第1导联脑电原始信号，为第18导联脑电原始信号。在无先验知识的前提下寻求分离矩阵W，得到分离信号，使中的各分量尽可能地相互统计独立，从而获得独立分量源的估计。分离矩阵的求解方法如下：
其中，，tanh为双曲正切函数，为单位阵，为N维对角矩阵K的元素，m为迭代次数，为学习步长。可从峭度符号变量中获得，即
其中，为符号函数，为求均值。
其次，由于P300具有锁时的特性，经小波变换后与特征关联的小波系数出现在相应的时间段上（300ms左右），且幅值较大。把与P300相关频带的小波系数保留，其余小波系数均置为零，进行小波重构得到P300特征波。具体地说：
预处理后信号经过小波变换处理后，可由下式重构得到有用信号
式中，表示由第n层的低频系数重构信息，表示由不同尺度的近似高频系数重构信息。根据脑电信号的采集频率，此处分解层数选择5层，即选择第5层子带信息。从图3A和3B可以看出，重构后的脑电信号P300（脑电波形中300ms左右正电位标记，有时会延长）特征明显，正常对照和卒中患者脑电特征差异较大，利于后续的分类识别。
第三，将从不同被试人群提取出的P300幅度和潜伏期作为特征量输入至分类器，通过Bootstrap重复采样法产生个训练子集，由每个训练子集产生对应的基学习器。基学习器采用支持向量机方法，每一个子集训练一个支持向量机个体模型，最后通过最大投票法得到的集成分类结果，这些作为对不同被试人群的P300波形分类结果的输出，即可以智能识别不同被试人群的P300波形时域特征。具体地说：
利用支持向量机集成学习对P300的特征（幅度和潜伏期）进行分类识别，其随机地从大小为的原始训练集中抽取个样本作为此回训练的集合，以此增加分量学习器集成的差异度，提高泛化能力。
给定一数据集，基学习器为支持向量机。输入为，通过来预测输出。假定有一个数据集序列
，每个序列都由个与从同样分布下得来的独立观察组成。任务是使用来得到一个更好的学习器，它比单个数据集学习器要强，这就要使用学习器序列。
如果是数值的，一个明显的过程是用在上的平均取代，即通过实现，其中表示L上的数学期望，表示的综合。如果预测一个类，综合的方法是最大投票。
请参考下表，本发明实现了两种不同人群脑电信号的定量分类，取得了较好的识别结果，平均分类精度85.71%，较传统支持向量机基算法分类精度有所提高。同时，训练子集数量的增加有益于算法性能的提高。
| 算法 | 平均分类精度 |
| 传统支持向量机基算法 | 71.43% |
| 5个子支持向量机基集成学习算法 | 81.00% |
| 11个子支持向量机基集成学习算法 | 85.71% |
可见，本发明较单个支持向量机分类器，识别性能好，实现了认知障碍脑电信号的有效分类。
综上，本发明基于24位高精度脑电信号采集系统记录诱发脑电信号，利用独立分量分析算法预处理认知障碍病人和正常人基于工作记忆任务的P300信号，小波特征被分别抽取，这些特征和基于Bagging算法的支持向量机集成分类器用于完成正常对照和卒中患者的分类，以指导认知评定。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.一种认知功能障碍脑电识别系统，其特征在于，包括：
脑电采集电路；
采集控制电路（1），与所述脑电采集电路通过光纤连接；
采集分析主机（2），与所述采集控制电路（1）通过USB接口连接，所述采集控制电路（1）将其由所述光纤接收到的信号通过所述USB接口发送给所述采集分析主机；
刺激主机显示器（3），用于向患者提供用于诱发脑电变化的刺激信号；
光敏检测器，安装在所述刺激主机显示器（3）上，用于与所述脑电信号同步地检测所述刺激信号；所述光敏检测器将其检测到的刺激信号发送给所述采集分析主机；
所述采集分析主机（2）利用小波变换提取正常对照者和卒中患者的工作记忆1－back任务的脑电信号中的认知电位P300作为分类特征量，并将其送入支持向量机集成学习分类器以完成对正常对照者和卒中患者的分类，从而指导认知评定。
2.根据权利要求1所述的认知功能障碍脑电识别系统，其特征在于，所述脑电采集电路包括脑电传感器（4）和信号放大电路（5），所述脑电传感器（4）与所述信号放大电路（5）连接，所述信号放大电路（5）通过所述光纤与所述采集控制电路（1）连接。
3.根据权利要求1至2所述的认知功能障碍脑电识别系统，其特征在于，所述信号放大电路（5）包括前置级放大电路和与所述前置级放大电路连接的后置级放大电路，其中，所述前置级放大电路为采用三个放大器组成的仪表放大电路，所述后置级放大电路为二阶低通滤波放大电路。
4.根据权利要求1所述的认知功能障碍脑电识别系统，其特征在于，所述光敏检测器检测到的所述刺激信号经过放大和差分信号转换后，通过RS485通讯接口传送给所述采集分析主机（2）。
5.根据权利要求1所述的认知功能障碍脑电识别系统，其特征在于，所述采集分析主机（2）首先利用独立分量分析算法进行脑电信号预处理，然后再利用小波变换提取正常对照者和卒中患者的脑电信号中的认知电位P300作为分类特征量。
6.根据权利要求5所述的认知功能障碍脑电识别系统，其特征在于，利用独立分量分析算法进行脑电信号预处理包括：利用独立分量分析算法分解原始脑电信号，得到18个独立分量，然后根据四阶累积量的峭度分析去除其中的噪声干扰，提取出显著特征分量。
7.根据权利要求1所述的认知功能障碍脑电识别系统，其特征在于，所述光敏检测器为光敏三级管。
8.根据权利要求2所述的认知功能障碍脑电识别系统，其特征在于，所述脑电传感器（4）为脑电电极。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510522445.0A CN105147282A (zh) | 2015-08-25 | 2015-08-25 | 认知功能障碍脑电识别系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510522445.0A CN105147282A (zh) | 2015-08-25 | 2015-08-25 | 认知功能障碍脑电识别系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN105147282A true CN105147282A (zh) | 2015-12-16 |
Family
ID=54788595
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510522445.0A Pending CN105147282A (zh) | 2015-08-25 | 2015-08-25 | 认知功能障碍脑电识别系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105147282A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106108858A (zh) * | 2016-09-21 | 2016-11-16 | 中国科学院电子学研究所 | 一种光调控神经信息检测系统 |
| CN106175701A (zh) * | 2016-09-30 | 2016-12-07 | 中国科学院电子学研究所 | 一种神经信息光电调控与双模检测系统 |
| CN106267514A (zh) * | 2016-10-19 | 2017-01-04 | 上海大学 | 基于脑电反馈的情绪调控系统 |
| CN107174203A (zh) * | 2017-05-10 | 2017-09-19 | 东华大学 | 一种脑电信号的识别方法 |
| CN108078563A (zh) * | 2017-01-11 | 2018-05-29 | 浙江师范大学 | 一种集成分类器的eeg信号分析方法 |
| CN109743656A (zh) * | 2019-03-15 | 2019-05-10 | 南京邮电大学 | 基于脑电意念的智能运动耳机及其实现方法与系统 |
| CN110520041A (zh) * | 2017-04-28 | 2019-11-29 | 麦克赛尔株式会社 | 脑波数据分析系统、信息处理终端、电子设备以及用于认知症检查的信息的呈现方法 |
| CN110613446A (zh) * | 2019-09-30 | 2019-12-27 | 京东方科技集团股份有限公司 | 一种信号处理方法及装置 |
| CN110755050A (zh) * | 2019-11-11 | 2020-02-07 | 遂宁市中心医院 | 一种认知功能障碍评定装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1444904A (zh) * | 2003-01-27 | 2003-10-01 | 周曙 | 神经行为通用测试系统 |
| CN1552284A (zh) * | 2003-12-18 | 2004-12-08 | 常州市第一人民医院 | 儿童认知功能发育测试系统 |
| WO2007016149A2 (en) * | 2005-08-02 | 2007-02-08 | Brainscope Company, Inc. | Automatic brain function assessment apparatus and method |
| CN103165098A (zh) * | 2011-12-13 | 2013-06-19 | 国际商业机器公司 | 自动调整电子显示器设置的系统和方法 |
| CN104306006A (zh) * | 2014-10-15 | 2015-01-28 | 东南大学 | 便携式工作记忆评测与训练装置 |
| CN104586387A (zh) * | 2015-01-19 | 2015-05-06 | 秦皇岛市惠斯安普医学系统有限公司 | 一种时、频、空域多参数脑电特征提取与融合方法 |
-
2015
- 2015-08-25 CN CN201510522445.0A patent/CN105147282A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1444904A (zh) * | 2003-01-27 | 2003-10-01 | 周曙 | 神经行为通用测试系统 |
| CN1552284A (zh) * | 2003-12-18 | 2004-12-08 | 常州市第一人民医院 | 儿童认知功能发育测试系统 |
| WO2007016149A2 (en) * | 2005-08-02 | 2007-02-08 | Brainscope Company, Inc. | Automatic brain function assessment apparatus and method |
| WO2007016149A3 (en) * | 2005-08-02 | 2009-04-23 | Brainscope Co Inc | Automatic brain function assessment apparatus and method |
| CN103165098A (zh) * | 2011-12-13 | 2013-06-19 | 国际商业机器公司 | 自动调整电子显示器设置的系统和方法 |
| CN104306006A (zh) * | 2014-10-15 | 2015-01-28 | 东南大学 | 便携式工作记忆评测与训练装置 |
| CN104586387A (zh) * | 2015-01-19 | 2015-05-06 | 秦皇岛市惠斯安普医学系统有限公司 | 一种时、频、空域多参数脑电特征提取与融合方法 |
Non-Patent Citations (2)
| Title |
|---|
| 谭英超等: "基于多核学习方法的前瞻性记忆脑电识别", 《中国医学物理学杂志》 * |
| 钟丽莉，熊兴中: "基于峭度的独立分量算法的性能分析研究", 《四川理工学院学报（自然科学版）》 * |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106108858A (zh) * | 2016-09-21 | 2016-11-16 | 中国科学院电子学研究所 | 一种光调控神经信息检测系统 |
| CN106175701A (zh) * | 2016-09-30 | 2016-12-07 | 中国科学院电子学研究所 | 一种神经信息光电调控与双模检测系统 |
| CN106267514A (zh) * | 2016-10-19 | 2017-01-04 | 上海大学 | 基于脑电反馈的情绪调控系统 |
| CN106267514B (zh) * | 2016-10-19 | 2019-07-23 | 上海大学 | 基于脑电反馈的情绪调控系统 |
| CN108078563A (zh) * | 2017-01-11 | 2018-05-29 | 浙江师范大学 | 一种集成分类器的eeg信号分析方法 |
| CN110520041A (zh) * | 2017-04-28 | 2019-11-29 | 麦克赛尔株式会社 | 脑波数据分析系统、信息处理终端、电子设备以及用于认知症检查的信息的呈现方法 |
| CN107174203A (zh) * | 2017-05-10 | 2017-09-19 | 东华大学 | 一种脑电信号的识别方法 |
| CN109743656A (zh) * | 2019-03-15 | 2019-05-10 | 南京邮电大学 | 基于脑电意念的智能运动耳机及其实现方法与系统 |
| CN110613446A (zh) * | 2019-09-30 | 2019-12-27 | 京东方科技集团股份有限公司 | 一种信号处理方法及装置 |
| CN110755050A (zh) * | 2019-11-11 | 2020-02-07 | 遂宁市中心医院 | 一种认知功能障碍评定装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105147282A (zh) | 认知功能障碍脑电识别系统 | |
| CN110876626B (zh) | 基于多导联脑电最优导联选择的抑郁检测系统 | |
| Wang et al. | Multi-class motor imagery EEG decoding for brain-computer interfaces | |
| CN102697493B (zh) | 一种快速的脑电信号中眼电伪迹自动识别和去除的方法 | |
| Sharanreddy et al. | EEG signal classification for epilepsy seizure detection using improved approximate entropy | |
| Wu et al. | A novel method to detect multiple arrhythmias based on time-frequency analysis and convolutional neural networks | |
| Dodia et al. | An efficient EEG based deceit identification test using wavelet packet transform and linear discriminant analysis | |
| CN103584872A (zh) | 一种基于多生理参数融合的心理压力评估方法 | |
| Jacob et al. | Diagnosis of encephalopathy based on energies of EEG subbands using discrete wavelet transform and support vector machine | |
| Gwilliams et al. | Functional characterisation of letter-specific responses in time, space and current polarity using magnetoencephalography | |
| Bugeja et al. | A novel method of EEG data acquisition, feature extraction and feature space creation for early detection of epileptic seizures | |
| Zhao et al. | A study on EEG feature extraction and classification in autistic children based on singular spectrum analysis method | |
| Haider et al. | Performance enhancement in P300 ERP single trial by machine learning adaptive denoising mechanism | |
| JP6655242B2 (ja) | 楽曲聴取経験有無推定方法、楽曲聴取経験有無推定装置、及び楽曲聴取経験有無推定プログラム | |
| Fattah et al. | Evaluation of different time and frequency domain features of motor neuron and musculoskeletal diseases | |
| Guo et al. | Diagnosing Parkinson’s disease using multimodal physiological signals | |
| Zhu et al. | Altered eeg oscillatory brain networks during music-listening in major depression | |
| Hu et al. | Effect of electrocardiographic contamination on surface electromyography assessment of back muscles | |
| Ahamad | System architecture for brain-computer interface based on machine learning and internet of things | |
| Siuly et al. | Exploring Rhythms and Channels-Based EEG Biomarkers for Early Detection of Alzheimer's Disease | |
| Tang et al. | Epileptic seizure detection based on path signature and bi-LSTM network with attention mechanism | |
| Kulkarni et al. | Electroencephalogram based diagnosis of Alzheimer disease | |
| Saikia et al. | Machine Learning based Diagnostic System for Early Detection of Parkinson’s Disease | |
| Mahmoodin et al. | Selection of Symlets wavelet function order for EEG signal feature extraction in children with dyslexia | |
| Iaquinta et al. | EEG multipurpose eye blink detector using convolutional neural network |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C41 | Transfer of patent application or patent right or utility model | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20151204 Address after: 201318 Zhou Zhu highway 279, Shanghai, Pudong New Area Applicant after: SHANGHAI UNIVERSITY OF MEDICINE & HEALTH SCIENCES Address before: 200093 Yingkou Road, Shanghai, No. 101, No. Applicant before: Shanghai Medical Instrumentation College |
|
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20151216 |
|
| WD01 | Invention patent application deemed withdrawn after publication |