CN114224341B - 基于可穿戴前额脑电的抑郁症快速诊断筛查系统及方法 - Google Patents
基于可穿戴前额脑电的抑郁症快速诊断筛查系统及方法 Download PDFInfo
- Publication number
- CN114224341B CN114224341B CN202111473230.6A CN202111473230A CN114224341B CN 114224341 B CN114224341 B CN 114224341B CN 202111473230 A CN202111473230 A CN 202111473230A CN 114224341 B CN114224341 B CN 114224341B
- Authority
- CN
- China
- Prior art keywords
- forehead
- signal
- electroencephalogram
- module
- electroencephalogram signal
- 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.)
- Active
Links
- 210000001061 forehead Anatomy 0.000 title claims abstract description 99
- 238000012216 screening Methods 0.000 title claims abstract description 43
- 238000003745 diagnosis Methods 0.000 title claims abstract description 17
- 238000000034 method Methods 0.000 title claims abstract description 15
- 238000007781 pre-processing Methods 0.000 claims abstract description 18
- 239000011159 matrix material Substances 0.000 claims description 42
- 238000000605 extraction Methods 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 10
- 230000000284 resting effect Effects 0.000 claims description 8
- 238000002474 experimental method Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 210000004556 brain Anatomy 0.000 claims description 3
- 230000000994 depressogenic effect Effects 0.000 claims description 3
- 208000024714 major depressive disease Diseases 0.000 claims description 2
- 238000005070 sampling Methods 0.000 claims description 2
- 230000003044 adaptive effect Effects 0.000 claims 1
- 238000012360 testing method Methods 0.000 abstract description 4
- 230000004927 fusion Effects 0.000 abstract description 2
- 238000011156 evaluation Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 206010012374 Depressed mood Diseases 0.000 description 1
- 206010065604 Suicidal behaviour Diseases 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 208000020016 psychiatric disease Diseases 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/25—Bioelectric electrodes therefor
- A61B5/251—Means for maintaining electrode contact with the body
- A61B5/256—Wearable electrodes, e.g. having straps or bands
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/25—Bioelectric electrodes therefor
- A61B5/279—Bioelectric electrodes therefor specially adapted for particular uses
- A61B5/291—Bioelectric electrodes therefor specially adapted for particular uses for electroencephalography [EEG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
- A61B5/372—Analysis of electroencephalograms
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
- A61B5/6803—Head-worn items, e.g. helmets, masks, headphones or goggles
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7282—Event detection, e.g. detecting unique waveforms indicative of a medical condition
Abstract
本发明公开了基于可穿戴前额脑电的抑郁症快速诊断筛查系统及方法,涉及抑郁症风险筛查技术领域,包括:脑电信号采集模块、信号预处理模块、抑郁症筛查模块和显示/输入模块。本发明个体用户能够直接穿戴,方便用户的自测以及全天候的监测;分类准确率高;降低不同用户数据差异性对齐融合带来的困难。
Description
技术领域
本发明涉及抑郁症风险筛查技术领域,尤其涉及基于可穿戴前额脑电的抑郁症快速诊断筛查系统及方法。
背景技术
抑郁症是一种常见的精神疾病,以心境低落和悲观为主要特征,症状严重时可能会产生自杀行为。本文在对抑郁症的病症、背景、诊断依据、工具和评估标准进行归类和分析的基础上,发现抑郁症患者不但人数众多,而且发病年龄、范围和行业也在逐步扩大,给社会和家庭带来沉重的负担。目前抑郁症的筛查主要依赖于各种问卷评测和谈话,比较主观,并需要病人诚实的配合,一致性差且误诊率高,从事抑郁症诊断和评估工作的人员比较匮乏,而且其诊断和评估依赖的主观因素较多,容易造成误诊和漏诊。脑电图(EEG)因其方便无创,含有丰富神经认知信息,很有发展潜力,但其采集过程多为固定空间和时间。因而,迫切需要提高其采集的便利性和诊断的准确性和效率。
因此,提出一种基于脑电的可穿戴抑郁症快速诊断筛查的软硬件系统,解决现有技术中存在的问题,是本领域技术人员亟需解决的问题。
发明内容
有鉴于此,本发明提供了一种基于可穿戴前额脑电的抑郁症快速诊断筛查系统及方法,实现方便个体用户使用,降低各种噪声之间的干扰,提高了检测准确度和效率。
为了实现上述目的,本发明采用如下技术方案:
基于可穿戴前额脑电的抑郁症快速诊断筛查系统,包括:脑电信号采集模块、信号预处理模块、抑郁症筛查模块和显示/输入模块;
所述脑电信号采集模块,与所述信号预处理模块的输入端连接,用于采集第一前额脑电信号,并将所述第一前额脑电信号输入所述信号预处理模块;
所述信号预处理模块,与所述抑郁症筛查模块的输入端连接,用于对所述第一前额脑电信号进行滤波处理,得到滤波后第一前额脑电信号,并将所述滤波后第一前额脑电信号输入至所述抑郁症筛查模块;
所述抑郁症筛查模块,用于对所述滤波后第一前额脑电信号进行特征提取、对齐和分类处理,得到预测标签,并将所述预测标签输入所述显示/输入模块;
所述显示/输入模块,与所述抑郁症筛查模块的输入/输出端连接,用于显示所述滤波后第一前额脑电信号、所述预测标签,以及用于采集者信息的输入。
可选的,所述信号预处理模块包括多个连续频段并联的小波包滤波器,用于对采集通道的所述前额脑电信号进行滤波处理。
可选的,所述抑郁症筛查模块包括依次连接的特征提取单元、对齐单元和分类单元;
所述特征提取单元,用于对所述滤波后第一前额脑电信号的进行特征提取,得到所述滤波后第一前额脑电信号的协方差矩阵;
所述对齐单元,用于利用黎曼中心进行所述协方差矩阵的自适应对齐,得到对齐后第一前额脑电信号协方差矩阵;
所述分类单元,用于计算所述对齐后第一前额脑电信号协方差矩阵与预设对齐后第二前额脑电信号协方差中心的距离,所述对齐后第一前额脑电信号协方差矩阵与预设对齐后第三前额脑电信号协方差中心的距离,取距离小的类别作为预测标签。
可选的,还包括打印模块,与所述显示/输入模块的输出端连接,用于打印预测报告。
可选的,所述前额脑电信号采集位置按照国际10-20电极标准,为前额FP1、FPz和FP2。
基于可穿戴前额脑电的抑郁症快速诊断筛查方法,利用基于可穿戴前额脑电的抑郁症快速诊断筛查系统,包括以下步骤:
脑电信号采集步骤:利用所述脑电信号采集模块采集所述第一前额脑电信号;
信号预处理步骤:对所述第一前额脑电信号进行滤波处理,得到所述滤波后第一前额脑电信号;
抑郁症筛查步骤:对所述滤波后第一前额脑电信号进行特征提取、对齐和分类处理,得到所述预测标签;
显示步骤:显示所述滤波后第一前额脑电信号、所述预测标签以及所述采集者信息。
可选的,在脑电信号采集步骤前还包括所述采集者信息输入步骤,用于输入所述采集者信息,包括:采集者类型、姓名、性别、出生日期、联系电话。
经由上述的技术方案可知,与现有技术相比,本发明提供了一种基于可穿戴前额脑电的抑郁症快速诊断筛查系统及方法:个体用户能够直接穿戴,方便用户的自测;分类准确率高;降低不同用户数据差异性对齐融合带来的困难。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明基于可穿戴前额脑电的抑郁症快速诊断筛查系统结构框图;
图2为本发明中抑郁症筛查模块的结构框图;
图3为本发明基于可穿戴前额脑电的抑郁症快速诊断筛查方法流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参照图1所示,本发明公开了基于可穿戴前额脑电的抑郁症快速诊断筛查系统,包括:脑电信号采集模块、信号预处理模块、抑郁症筛查模块和显示/输入模块;
脑电信号采集模块,与信号预处理模块的输入端连接,用于采集第一前额脑电信号,并将第一前额脑电信号输入信号预处理模块;
信号预处理模块,与抑郁症筛查模块的输入端连接,用于对第一前额脑电信号进行滤波处理,得到滤波后前额脑电信号,并将滤波后第一前额脑电信号输入至抑郁症筛查模块;
抑郁症筛查模块,用于对滤波后第一前额脑电信号进行特征提取、对齐和分类处理,得到预测标签,并将预测标签输入显示/输入模块;
显示/输入模块,与抑郁症筛查模块的输入/输出端连接,用于显示滤波后第一前额脑电信号、预测标签,以及用于采集者信息的输入。
在一个具体实施例中,信号预处理模块包括多个连续频段并联的小波包滤波器,用于对采集通道的第一前额脑电信号进行滤波处理。
在一个具体实施例中,频段依次为[0.5~4]、[4~8]、[8~12]、[12~16]、[16~24]、[20~28]、[28~36]、[32~60],对第一前额脑电信号的通道进行滤波;滤波后第一前额脑电信号的维度为(8·ch)·sa。
在一个具体实施例中,参照图2所示,抑郁症筛查模块包括依次连接的特征提取单元、对齐单元和分类单元;
特征提取单元,用于对滤波后第一前额脑电信号的进行特征提取,得到滤波后第一前额脑电信号的协方差矩阵;
对齐单元,用于利用黎曼中心进行协方差矩阵的自适应对齐,得到对齐后第一前额脑电信号协方差矩阵;
分类单元,用于计算对齐后第一前额脑电信号协方差矩阵与预设对齐后第二前额脑电信号协方差中心的距离,对齐后第一前额脑电信号协方差矩阵与预设对齐后第三前额脑电信号协方差中心的距离,取距离小的类别作为预测标签。
在一个具体实施例中,特征提取单元的具体内容为:
基于信号处理模块将通道进行分频段滤波,直接将代表脑电信号的频段协方差矩阵作为前额脑电信号的特征,EEG信号X(t)通常可以写成ch1×sa的矩阵,如下式:
X(t)=[x(t),…x(t+sa-1)]∈Rch×sa (1)
式中,ch为信号的电极数*频段数,本发明中,频段数为8,电极数等于3;sa为单次实验采样点数;t为时间,Rch×sa为ch*sa的脑电信号矩阵。
第i次实验对应的协方差矩阵Ci可用下式表示:
式中,Cov(X)表示X的协方差矩阵,Xi表示ch*sa的脑电信号矩阵,表示矩阵Xi的转置,/>表示/>的迹。
在一个具体实施例中,对齐单元的具体内容为:
将协方差矩阵Ci利用黎曼中心M得到对齐后的协方差矩阵具体计算公式如下:
在一个具体实施例中,分类单元的具体内容为;
静息脑电信号协方差中心M利用下式进行计算得到,
式中,Rci是第i个静息态脑电样本的协方差矩阵(静息态脑电数据是用户实验时休息采集到的,用户不做具体任务时的脑电数据均可作为静息态脑电样本)。RD(·,·)是求两个协方差矩阵之间的黎曼流形距离,距离求取如(5)所示:
式中,代表协方差矩阵P1的逆,βi为矩阵/>的第i个特征值,式(4)实际上就是求取所有用户静息态脑电协方差矩阵的黎曼中心。
同样的,利用(4)和(5)计算健康用户对齐后前额脑电信号协方差矩阵的黎曼中心以及严重抑郁症患者对齐后前额脑电信号协方差矩阵的黎曼中心/>
在测试时,任一测试用户脑电样本Xti经过(1)~(3)处理得到对齐的协方差矩阵后,应用(5)分别计算与/>和/>的黎曼流形距离RDHC和RDMMD,取距离小的类别作为预测标签,同时输出用户是健康和抑郁的概率PH和PM,按照式子(6)和(7)。
在一个具体实施例中,还包括打印模块,与显示/输入模块的输出端连接,用于打印预测报告。
在一个具体实施例中,前额脑电信号采集位置按照国际10-20电极标准,为前额FP1、FPz和FP2。
在一个具体实施例中,前额脑电信号采集模块为可穿戴前额脑电采集装置,设置有无线通讯模块,可进行4G、WIFE等数据传输。
参照图3所示,本发明还公开了基于可穿戴前额脑电的抑郁症快速诊断筛查方法,利用基于可穿戴前额脑电的抑郁症快速诊断筛查系统,包括以下步骤:
脑电信号采集步骤:利用脑电信号采集模块采集前额脑电信号,前额脑电信号包括第一前额脑电信号、第二前额脑电信号和第三前额脑电信号;
信号预处理步骤:对前额脑电信号进行滤波处理,得到滤波后前额脑电信号;
抑郁症筛查步骤:对滤波后前额脑电信号进行特征提取、对齐和分类处理,得到预测标签;
显示步骤:显示滤波后前额脑电信号、预测标签以及采集者信息。
在一个具体实施例中,在脑电信号采集步骤前还包括采集者信息输入步骤,用于输入采集者信息,包括:采集者类型、姓名、性别、出生日期、联系电话等。
在另一具体实施例中,第一前额脑电信号为采集测试者的前额脑电信号,第二前额脑电信号为采集健康者前额脑电信号,第二前额脑电信号为采集抑郁症者的前额脑电信号。
对所公开的实施例的上述说明,按照递进的方式进行,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (4)
1.基于可穿戴前额脑电的抑郁症快速诊断筛查系统,其特征在于,包括:脑电信号采集模块、信号预处理模块、抑郁症筛查模块和显示/输入模块;
所述脑电信号采集模块,与所述信号预处理模块的输入端连接,用于采集第一前额脑电信号,并将所述第一前额脑电信号输入所述信号预处理模块;
所述信号预处理模块,与所述抑郁症筛查模块的输入端连接,用于对所述第一前额脑电信号进行滤波处理,得到滤波后第一前额脑电信号,并将所述滤波后第一前额脑电信号输入至所述抑郁症筛查模块;
所述抑郁症筛查模块,用于对所述滤波后第一前额脑电信号进行特征提取、对齐和分类处理,得到预测标签,并将所述预测标签输入所述显示/输入模块;
所述抑郁症筛查模块包括依次连接的特征提取单元、对齐单元和分类单元;
所述特征提取单元,用于对所述滤波后第一前额脑电信号的进行特征提取,得到所述滤波后第一前额脑电信号的协方差矩阵,具体为:
EEG信号写成ch1×sa的矩阵,如下:
X(t)=[x(t),…x(t+sa-1)]∈Rch×sa; (1)
其中,ch为信号的电极数*频段数;sa为单词实验采样点数;t为时间;Rch×sa为ch*sa的脑电信号矩阵;
第i次实验对应的协方差矩阵Ci,如下:
其中,Cov(X)为X的协方差矩阵;Xi为第i次实验对应的ch*sa的脑电信号矩阵;为矩阵Xi的转置;/>为/>的迹;
所述对齐单元,用于利用黎曼中心进行所述协方差矩阵的自适应对齐,得到对齐后第一前额脑电信号协方差矩阵,具体为:
所述分类单元,用于计算所述对齐后第一前额脑电信号协方差矩阵与预设对齐后第二前额脑电信号协方差中心的距离,所述对齐后第一前额脑电信号协方差矩阵与预设对齐后第三前额脑电信号协方差中心的距离,取距离小的类别作为预测标签,具体为:
静息脑电信号协方差中心M,如下:
其中,Rci为第i个静息态脑电样本的协方差矩阵;RD(·,·)为两个协方差矩阵之间的黎曼流形距离,如下:
其中,为协方差矩阵P1的逆;βi为矩阵/>的第i个特征值;
所述预设对齐后第二前额脑电信号协方差中心和所述预设对齐后第三前额脑电信号协方差中心为健康用户对齐后前额脑电信号协方差矩阵的黎曼中心和严重抑郁症患者对齐后前额脑电信号协方差矩阵的黎曼中心,由式(4)和式(5)计算得出;
通过式(5)分别计算所述健康用户对齐后前额脑电信号协方差矩阵的黎曼中心和所述严重抑郁症患者对齐后前额脑电信号协方差矩阵的黎曼中心与所述对齐后第一前额脑电信号协方差矩阵的黎曼流形距离,取距离小的类别作为预测标签;
所述显示/输入模块,与所述抑郁症筛查模块的输入/输出端连接,用于显示所述滤波后第一前额脑电信号、所述预测标签,以及用于采集者信息的输入。
2.根据权利要求1所述的基于可穿戴前额脑电的抑郁症快速诊断筛查系统,其特征在于,所述信号预处理模块包括多个连续频段并联的小波包滤波器,用于对采集通道的所述第一前额脑电信号进行滤波处理。
3.根据权利要求1所述的基于可穿戴前额脑电的抑郁症快速诊断筛查系统,其特征在于,还包括打印模块,与所述显示/输入模块的输出端连接,用于打印预测报告。
4.根据权利要求1所述的基于可穿戴前额脑电的抑郁症快速诊断筛查系统,其特征在于,所述前额脑电信号采集位置按照国际10-20电极标准,为前额FP1、FPz和FP2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111473230.6A CN114224341B (zh) | 2021-12-02 | 2021-12-02 | 基于可穿戴前额脑电的抑郁症快速诊断筛查系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111473230.6A CN114224341B (zh) | 2021-12-02 | 2021-12-02 | 基于可穿戴前额脑电的抑郁症快速诊断筛查系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114224341A CN114224341A (zh) | 2022-03-25 |
CN114224341B true CN114224341B (zh) | 2023-12-15 |
Family
ID=80753380
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111473230.6A Active CN114224341B (zh) | 2021-12-02 | 2021-12-02 | 基于可穿戴前额脑电的抑郁症快速诊断筛查系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114224341B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106407733A (zh) * | 2016-12-12 | 2017-02-15 | 兰州大学 | 基于虚拟现实场景脑电信号的抑郁症风险筛查系统和方法 |
EP3241489A1 (en) * | 2016-05-04 | 2017-11-08 | Mensia Technologies | Predictive neuromarkers of alzheimer's disease |
CN111265212A (zh) * | 2019-12-23 | 2020-06-12 | 北京无线电测量研究所 | 一种运动想象脑电信号分类方法及闭环训练测试交互系统 |
CN111291614A (zh) * | 2020-01-12 | 2020-06-16 | 杭州电子科技大学 | 基于迁移学习多模型决策融合的儿童癫痫综合症分类方法 |
CN111723661A (zh) * | 2020-05-18 | 2020-09-29 | 华南理工大学 | 一种基于流形嵌入分布对齐的脑机接口迁移学习方法 |
CN112560937A (zh) * | 2020-12-11 | 2021-03-26 | 杭州电子科技大学 | 一种利用静息态对齐的运动想象迁移学习的方法 |
CN112580436A (zh) * | 2020-11-25 | 2021-03-30 | 重庆邮电大学 | 一种基于黎曼流形坐标对齐的脑电信号域适应方法 |
CN113191206A (zh) * | 2021-04-06 | 2021-07-30 | 华南理工大学 | 基于黎曼特征迁移的脑磁图信号分类方法、装置及介质 |
CN113378687A (zh) * | 2021-06-07 | 2021-09-10 | 浙江工业大学 | 一种结合独立分量分析和迁移学习的运动想象零训练方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2962821B1 (fr) * | 2010-07-13 | 2013-02-22 | Commissariat Energie Atomique | Procede et systeme de classification de signaux neuronaux, et procede de selection d'electrodes pour commande neuronale directe. |
WO2014062857A1 (en) * | 2012-10-16 | 2014-04-24 | Brigham Young University | Extracting aperiodic components from a time-series wave data set |
WO2016075324A1 (en) * | 2014-11-13 | 2016-05-19 | Mensia Technologies | Scoring method based on improved signals analysis |
-
2021
- 2021-12-02 CN CN202111473230.6A patent/CN114224341B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3241489A1 (en) * | 2016-05-04 | 2017-11-08 | Mensia Technologies | Predictive neuromarkers of alzheimer's disease |
CN106407733A (zh) * | 2016-12-12 | 2017-02-15 | 兰州大学 | 基于虚拟现实场景脑电信号的抑郁症风险筛查系统和方法 |
CN111265212A (zh) * | 2019-12-23 | 2020-06-12 | 北京无线电测量研究所 | 一种运动想象脑电信号分类方法及闭环训练测试交互系统 |
CN111291614A (zh) * | 2020-01-12 | 2020-06-16 | 杭州电子科技大学 | 基于迁移学习多模型决策融合的儿童癫痫综合症分类方法 |
CN111723661A (zh) * | 2020-05-18 | 2020-09-29 | 华南理工大学 | 一种基于流形嵌入分布对齐的脑机接口迁移学习方法 |
CN112580436A (zh) * | 2020-11-25 | 2021-03-30 | 重庆邮电大学 | 一种基于黎曼流形坐标对齐的脑电信号域适应方法 |
CN112560937A (zh) * | 2020-12-11 | 2021-03-26 | 杭州电子科技大学 | 一种利用静息态对齐的运动想象迁移学习的方法 |
CN113191206A (zh) * | 2021-04-06 | 2021-07-30 | 华南理工大学 | 基于黎曼特征迁移的脑磁图信号分类方法、装置及介质 |
CN113378687A (zh) * | 2021-06-07 | 2021-09-10 | 浙江工业大学 | 一种结合独立分量分析和迁移学习的运动想象零训练方法 |
Non-Patent Citations (1)
Title |
---|
P. Zanini,M. Congedo.Transfer Learning: A Riemannian Geometry Framework With Applications to Brain–Computer Interfaces.《IEEE Transactions on Biomedical Engineering》.2018,第65卷(第5期),第1108-1116页. * |
Also Published As
Publication number | Publication date |
---|---|
CN114224341A (zh) | 2022-03-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110916631B (zh) | 基于可穿戴生理信号监测的学生课堂学习状态评测系统 | |
CN108836323B (zh) | 一种基于脑电波分析的学习状态监测系统及其使用方法 | |
US4699153A (en) | System for assessing verbal psychobiological correlates | |
CN112353391A (zh) | 一种基于脑电信号的汽车车内声音品质识别方法及装置 | |
CN102541261B (zh) | 基于脑电信号特征的影片剪辑筛选辅助仪及实现方法 | |
CN105559779A (zh) | 一种通过脑电频谱进行认知评价的方法 | |
CN110840432A (zh) | 基于一维cnn-lstm的多通道脑电图癫痫自动检测装置 | |
CN111184509A (zh) | 一种基于传递熵的情绪诱导脑电信号分类方法 | |
CN113080998B (zh) | 一种基于脑电的专注状态等级评定方法和系统 | |
Li et al. | Single-channel selection for EEG-based emotion recognition using brain rhythm sequencing | |
CN109567831A (zh) | 一种视觉认知神经机制下产品的偏好意象识别系统和方法 | |
Hasan et al. | Fine-grained emotion recognition from eeg signal using fast fourier transformation and cnn | |
CN1745701A (zh) | 高真实度职业测试方法及其装置 | |
CN111671445A (zh) | 一种意识障碍程度分析方法 | |
Vialatte et al. | Audio representations of multi-channel EEG: a new tool for diagnosis of brain disorders | |
CN114224341B (zh) | 基于可穿戴前额脑电的抑郁症快速诊断筛查系统及方法 | |
CN113208629A (zh) | 一种基于eeg信号的阿尔兹海默症筛查方法及系统 | |
Janjarasjitt | Examination of Single Wavelet-Based Features of EHG Signals for Preterm Birth Classification. | |
CN114881089A (zh) | 基于双分支融合模型的抑郁脑电分类方法 | |
CN115659207A (zh) | 一种脑电情绪识别方法及系统 | |
Vialatte et al. | Sparse bump sonification: a new tool for multichannel EEG diagnosis of mental disorders; application to the detection of the early stage of Alzheimer’s disease | |
Li et al. | Detecting ADHD from Speech Using Full-Band and Sub-Band Convolution Fusion Network | |
CN117708682B (zh) | 脑电波智能采集分析系统及方法 | |
Li et al. | Automatic detection of epileptic slow-waves in EEG based on empirical mode decomposition and wavelet transform | |
CN113598791B (zh) | 基于静息态脑电图使用时空卷积神经网络的意识障碍分类方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |