CN114795117B - 基于图信号处理的脑信号分析方法 - Google Patents
基于图信号处理的脑信号分析方法 Download PDFInfo
- Publication number
- CN114795117B CN114795117B CN202210387530.0A CN202210387530A CN114795117B CN 114795117 B CN114795117 B CN 114795117B CN 202210387530 A CN202210387530 A CN 202210387530A CN 114795117 B CN114795117 B CN 114795117B
- Authority
- CN
- China
- Prior art keywords
- brain
- graph
- signals
- matrix
- regions
- 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
- 210000004556 brain Anatomy 0.000 title claims abstract description 97
- 238000004458 analytical method Methods 0.000 title claims abstract description 20
- 238000012545 processing Methods 0.000 title claims abstract description 14
- 239000011159 matrix material Substances 0.000 claims abstract description 33
- 238000005259 measurement Methods 0.000 claims abstract description 23
- 230000005021 gait Effects 0.000 claims abstract description 18
- 230000008859 change Effects 0.000 claims abstract description 9
- 239000000523 sample Substances 0.000 claims abstract description 5
- 238000001228 spectrum Methods 0.000 claims abstract description 5
- 238000007781 pre-processing Methods 0.000 claims abstract description 4
- 238000000034 method Methods 0.000 claims description 13
- 238000003672 processing method Methods 0.000 claims description 5
- 238000012935 Averaging Methods 0.000 claims description 3
- 108010064719 Oxyhemoglobins Proteins 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 8
- 230000003860 sleep quality Effects 0.000 abstract description 5
- 230000005821 brain abnormality Effects 0.000 abstract description 3
- 230000007246 mechanism Effects 0.000 abstract description 2
- 238000004891 communication Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000002610 neuroimaging Methods 0.000 description 2
- 230000005311 nuclear magnetism Effects 0.000 description 2
- 238000002600 positron emission tomography Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 235000013405 beer Nutrition 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000008569 process Effects 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
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0075—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by spectroscopy, i.e. measuring spectra, e.g. Raman spectroscopy, infrared absorption spectroscopy
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
- A61B5/14551—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
- A61B5/14553—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases specially adapted for cerebral tissue
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4058—Detecting, measuring or recording for evaluating the nervous system for evaluating the central nervous system
- A61B5/4064—Evaluating the brain
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
- A61B5/4809—Sleep detection, i.e. determining whether a subject is asleep or not
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
- A61B5/4812—Detecting sleep stages or cycles
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4806—Sleep evaluation
- A61B5/4815—Sleep quality
-
- 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
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
-
- 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
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
- A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
-
- 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
- A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
-
- 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
- A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Signal Processing (AREA)
- Physiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Neurology (AREA)
- Psychiatry (AREA)
- Artificial Intelligence (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Neurosurgery (AREA)
- Psychology (AREA)
- Power Engineering (AREA)
- Anesthesiology (AREA)
- Optics & Photonics (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明涉及一种基于图信号处理的脑信号分析方法,其技术特点是:建立基于功能近红外的测量范式;测量人员佩戴功能近红外探头并进行测量并收集测量人员在进行步态任务时的脑信号;对测量的脑信号进行预处理;计算通道信号之间的相位滞后系数,并建立连通性矩阵;根据连通性矩阵和顶点位置构建脑图;根据脑图提取描述脑区和脑区变化的图特征。本发明利用功能近红外测量步态任务时的脑信号,根据近红外通道之间的相关系数和顶点位置将预处理后的信号转换成脑图,通过对脑图进行频谱拆解,计算得到区域和区域之间的图特征,从而有效地描述不同区域之间的变化,揭示脑部的合作机制,可广泛用于睡眠质量监测、大脑异常监测和脑机接口等领域。
Description
技术领域
本发明属于信号检测分析技术领域,涉及脑信号检测分析,尤其是一种基于图信号处理的脑信号分析方法。
背景技术
近年来,脑成像技术飞速发展,且得到了越来越多研究人员的关注和重视。常用的脑成像技术有脑电、功能核磁和正电子放射断层造影术等,然而,功能核磁和正电子放射断层造影术存在抗运动干扰能力差的问题,难以记录人进行运动任务时大脑的变化,而脑电则存在准备过程繁杂以及空间分辨率不高等问题。
目前,功能近红外技术被越来越多地应用到大脑分析和研究当中。功能近红外准备过程简单,空间分辨率较高,具有较强的抗干扰能力,能够有效测量进行运动任务时大脑的信号,因此,其应用范围也越来越广泛。
在功能近红外的信号分析研究中,很多研究人员提取信号的均值、方差、峰度等特征进行分析,并没有考虑大脑不同区域之间的变化。由于大脑是一个紧密合作的系统,在执行某个任务时,不同脑区会产生紧密的合作,进而高效地完成任务。大脑区域和区域之间的变化能够描述区域之间的关联和交流,可广泛用于脑机接口以及睡眠质量监测等任务,因此,如何将其应用到脑信号分析中进行脑图特征提取是目前迫切需要解决的问题。
发明内容
本发明的目的在于克服现有技术的不足,提供一种设计合理、能够准确地获取脑图特征的基于图信号处理的脑信号分析方法。
本发明解决现有的技术问题是采取以下技术方案实现的:
一种基于图信号处理的脑信号分析方法,包括以下步骤:
步骤1、建立基于功能近红外的测量范式;
步骤2、测量人员佩戴功能近红外探头并按照步骤1建立的测量范式进行测量,收集测量人员在进行步态任务时的脑信号;
步骤3、对测量的脑信号进行预处理,包括光强转换、去噪、伪迹去除、信号截取和基线校正处理;
步骤4、计算通道信号之间的相位滞后系数,并建立连通性矩阵;
步骤5、根据连通性矩阵和顶点位置构建脑图;
步骤6、根据脑图提取描述脑区和脑区变化的图特征。
进一步,所述步骤1建立的测量范式包括:
⑴测量人员站立30秒;
⑵测量人员按照日常的步行速度行走35秒;
⑶测量人员停止并站在原地10秒;
⑷测量人员休息2分钟。
进一步,所述步骤2按照测量范式,进行三次步态任务并收集三次步态任务时的脑信号。
进一步,所述步骤3的具体处理方法为:
⑴利用修正的朗伯比尔定律将收集的光强信号转换成含氧血红蛋白的浓度变化;
⑵利用0.01-0.2Hz的帯通滤波器去除噪声;
⑶利用滑动窗去除信号的伪迹;
⑷提取进行步态任务时3-33s的数据;
⑸利用步行前5秒的数据作为基线校正步行数据。
进一步,所述步骤4的具体处理方法为:
设xi(t)和xj(t)是功能近红外的两个通道信号,两个通道信号在t时刻的相位差为:
其中和/>分别表示xi(t)和xj(t)的瞬时相位,/>和/>表示xi(t)和xj(t)经过希尔伯特变换后的信号;
按下式计算xi(t)和xj(t)之间的相位滞后系数PLI:
其中,M是信号的长度,sign(·)表示符号函数;
根据相位滞后系数PLI建立如下连通性矩阵CM:
其中N是通道的数目;
通过对三次步态任务所得到的CM进行平均,得到最终使用的CM。
进一步,所述步骤5构建的脑图G=(V,CM),其中V={v1,v2,…,vN}代表N个顶点。
进一步,所述步骤6的具体实现方法包括以下步骤:
⑴建立度矩阵该度矩阵D是一个对角矩阵,第i个对角元素为
⑵计算脑图G的拉普拉斯矩阵L定义为L=D-CM;
⑶对脑图G的拉普拉斯矩阵L进行频谱拆解:
L=UΛUH
其中U=[u0,u1,...,uN]是特征向量矩阵,ui表示第i个特征向量,UH是U的厄密共轭;Λ是对角特征值矩阵λi是第i个特征向量的特征值;
⑷定义低、中、高三个图频段,分别表示为 其中Klow和Kmid设置为10;
⑸分别计算三个图频段的脑区和脑区之间的变化并分别对三个图频段的脑区和脑区之间的变化/>进行平均,最后得到描述脑区和脑区变化的图特征;
所述计算三个图频段的脑区和脑区之间的变化的方法为:
其中,表示区域r1和区域r2在uk的变化,α是一个范围因子,Z1和Z2分别表示区域r1和区域r2内通道的数量。
本发明的优点和积极效果是:
本发明设计合理,其利用功能近红外测量步态任务时的脑信号,根据近红外通道之间的相关系数和顶点位置将预处理后的信号转换成脑图,通过对脑图进行频谱拆解,计算得到区域和区域之间的图特征,从而有效地描述不同区域之间的变化,揭示脑部的合作机制,可广泛用于睡眠质量监测、大脑异常监测和脑机接口等领域。
附图说明
图1是本发明的处理流程图。
具体实施方式
以下结合附图对本发明实施例做进一步详述。
一种基于图信号处理的脑信号分析方法,如图1所示,包括以下步骤:
步骤1、建立基于功能近红外的测量范式,该测量范式的具体流程如下:
⑴测量人员站立30秒。
⑵测量人员按照日常的步行速度行走35秒。
⑶测量人员停止并站在原地10秒。
⑷测量人员休息2分钟。
步骤2、测量人员佩戴功能近红外探头,保证功能近红外探头贴近于需要测量的脑区,按照步骤1测量范式,记录测量人员在进行步态任务时的脑信号。
在本步骤中,根据测量范式,进行三次步态任务并记录三次步态任务时脑信号。
步骤3、对测量的脑信号进行预处理,包括光强转换、去噪、伪迹去除、信号截取和基线校正,具体处理方法如下:
(1)利用修正的朗伯比尔定律将收集的光强信号转换成含氧血红蛋白的浓度变化。
(2)利用0.01-0.2Hz的帯通滤波器去噪。
(3)利用滑动窗去除信号的伪迹。
(4)提取进行步态任务时3-33s的数据。
(5)利用步行前5秒的数据作为基线校正步行数据。
步骤4、计算通道信号之间的相位滞后系数,并建立连通性矩阵CM。
本步骤的具体实现方法如下:
假设xi(t)和xj(t)是功能近红外的两个通道,在t时刻的相位差为:
其中和/>分别表示xi(t)和xj(t)的瞬时相位。/>和/>表示xi(t)和xj(t)经过希尔伯特变换后的信号。
xi(t)和xj(t)之间的相位滞后系数(PLI)为:
其中,M是信号的长度,sign(·)表示符号函数。
利用相位滞后系数(PLI)建立连通性矩阵CM:
其中N是通道的数目;
通过对三次步态任务所得到的CM进行平均,得到最终使用的CM。
步骤5、根据连通性矩阵CM和顶点位置构建如下:脑图为G=(V,CM),其中V={v1,v2,...,vN}代表N个顶点。
步骤6、根据脑图提取描述脑区和脑区变化的图特征。
本步骤的具体方法包括以下步骤:
(1)建立度矩阵该度矩阵D是一个对角矩阵,第i个对角元素为
(2)计算脑图G的拉普拉斯矩阵L定义为L=D-CM。
(3)对脑图G的拉普拉斯矩阵L进行频谱拆解:
L=UΛUH
其中U=[u0,u1,...,uN]是特征向量矩阵,ui表示第i个特征向量。UH是U的厄密共轭。Λ是对角特征值矩阵λi是第i个特征向量的特征值。
(4)定义低、中、高三个图频段,分别表示为 Klow和Kmid可设置为10。
(5)按下式计算脑区和脑区之间的变化:
其中,表示区域r1和r2在uk的变化,α是一个范围因子,Z1和Z2分别表示区域r1和区域r2内通道的数量。
在本步骤,按上述分别计算三个图频段的脑区和脑区之间的变化最后分别在三个图频段进行平均,最后得到描述脑区和脑区变化的图特征。
通过以上步骤即可实现基于图信号处理的脑信号分析功能,得到描述脑区和脑区变化的图特征。
通过上述方法获得的描述脑区和脑区变化的图特征能够表示脑区之间的交流和关联,具有广泛的应用领域,如:
脑机接口:图特征能够描述脑区之间的交流和变化,当变化较大时,代表存在某个意图,通过识别这个意图加强脑部信号和机器之间的交流。
睡眠监测:当脑区之间的交流在睡眠时依然处于高度的变化时,可以反映大脑依然处于比较活跃的状态,可用于发出睡眠质量预警提示。
大脑异常监测:当脑区之间的变化与正常值存在较大的差异时,可发出异常提示。
需要强调的是,本发明所述的实施例是说明性的,而不是限定性的,因此本发明包括并不限于具体实施方式中所述的实施例,凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式,同样属于本发明保护的范围。
Claims (6)
1.一种基于图信号处理的脑信号分析方法,其特征在于:包括以下步骤:
步骤1、建立基于功能近红外的测量范式;
步骤2、测量人员佩戴功能近红外探头并按照步骤1建立的测量范式进行测量,收集测量人员在进行步态任务时的脑信号;
步骤3、对测量的脑信号进行预处理,包括光强转换、去噪、伪迹去除、信号截取和基线校正处理;
步骤4、计算通道信号之间的相位滞后系数,并建立连通性矩阵;
步骤5、根据连通性矩阵和顶点位置构建脑图;
步骤6、根据脑图提取描述脑区和脑区变化的图特征;
所述步骤6的具体实现方法包括以下步骤:
⑴建立度矩阵该度矩阵D是一个对角矩阵,第i个对角元素为/>其中,PLIi,j为xi(t)和xj(t)之间的相位滞后系数,xi(t)和xj(t)是t时刻的功能近红外的两个通道信号;
⑵计算脑图G的拉普拉斯矩阵L定义为L=D-CM,其中,CM为利用相位滞后系数建立的连通性矩阵;
⑶对脑图G的拉普拉斯矩阵L进行频谱拆解:
L=UΛUH
其中U=[u0,u1,...,uN]是特征向量矩阵,ui表示第i个特征向量,UH是U的厄密共轭;Λ是对角特征值矩阵λi是第i个特征向量的特征值;
⑷定义低、中、高三个图频段,分别表示为 其中Klow和Kmid设置为10;
⑸分别计算三个图频段的脑区和脑区之间的变化并分别对三个图频段的脑区和脑区之间的变化/>进行平均,最后得到描述脑区和脑区变化的图特征;
所述计算三个图频段的脑区和脑区之间的变化的方法为:
其中,表示区域r1和区域r2在uk的变化,α是一个范围因子,Z1和Z2分别表示区域r1和区域r2内通道的数量。
2.根据权利要求1所述的基于图信号处理的脑信号分析方法,其特征在于:所述步骤1建立的测量范式包括:
⑴测量人员站立30秒;
⑵测量人员按照日常的步行速度行走35秒;
⑶测量人员停止并站在原地10秒;
⑷测量人员休息2分钟。
3.根据权利要求1所述的基于图信号处理的脑信号分析方法,其特征在于:所述步骤2按照测量范式,进行三次步态任务并收集三次步态任务时的脑信号。
4.根据权利要求1所述的基于图信号处理的脑信号分析方法,其特征在于:所述步骤3的具体处理方法为:
⑴利用修正的朗伯比尔定律将收集的光强信号转换成含氧血红蛋白的浓度变化;
⑵利用0.01-0.2Hz的帯通滤波器去除噪声;
⑶利用滑动窗去除信号的伪迹;
⑷提取进行步态任务时3-33s的数据;
⑸利用步行前5秒的数据作为基线校正步行数据。
5.根据权利要求1所述的基于图信号处理的脑信号分析方法,其特征在于:所述步骤4的具体处理方法为:
设xi(t)和xj(t)是功能近红外的两个通道信号,两个通道信号在t时刻的相位差为:
其中和/>分别表示xi(t)和xj(t)的瞬时相位,/>和/>表示xi(t)和xj(t)经过希尔伯特变换后的信号;
按下式计算xi(t)和xj(t)之间的相位滞后系数PLI:
其中,M是信号的长度,sign(·)表示符号函数;
根据相位滞后系数PLI建立如下连通性矩阵CM:
其中N是通道的数目;
通过对三次步态任务所得到的CM进行平均,得到最终使用的CM。
6.根据权利要求5所述的基于图信号处理的脑信号分析方法,其特征在于:所述步骤5构建的脑图G=(V,CM),其中V={v1,v2,...,vN}代表N个顶点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210387530.0A CN114795117B (zh) | 2022-04-14 | 2022-04-14 | 基于图信号处理的脑信号分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210387530.0A CN114795117B (zh) | 2022-04-14 | 2022-04-14 | 基于图信号处理的脑信号分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114795117A CN114795117A (zh) | 2022-07-29 |
CN114795117B true CN114795117B (zh) | 2024-05-14 |
Family
ID=82535782
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210387530.0A Active CN114795117B (zh) | 2022-04-14 | 2022-04-14 | 基于图信号处理的脑信号分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114795117B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006109964A (ja) * | 2004-10-13 | 2006-04-27 | Shimadzu Corp | 光生体計測装置 |
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 |
KR20200052209A (ko) * | 2018-11-06 | 2020-05-14 | 고려대학교 산학협력단 | 뇌 기계 인터페이스 기반의 움직임 의도 검출에 따른 착용형 로봇 제어 장치 및 방법 |
CN112022136A (zh) * | 2020-09-11 | 2020-12-04 | 国家康复辅具研究中心 | 基于近红外脑功能与步态参数的评估方法及系统 |
CN112587796A (zh) * | 2020-12-10 | 2021-04-02 | 天津市环湖医院 | 脑深部电刺激促醒效果量化方法及设备 |
KR102241759B1 (ko) * | 2020-07-22 | 2021-04-20 | (주)엔브레인 | 인공지능 기반 뇌 정보 제공 장치 |
KR102288267B1 (ko) * | 2020-07-22 | 2021-08-11 | 액티브레인바이오(주) | 인공지능 기반 뇌 정보 제공 방법 |
EP3865061A1 (en) * | 2018-10-11 | 2021-08-18 | Advanced Telecommunications Research Institute International | Brain functional connectivity correlation value adjustment method, brain functional connectivity correlation value adjustment system, brain activity classifier harmonization method, brain activity classifier harmonization system, and brain activity biomarker system |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR3063378A1 (zh) * | 2017-02-27 | 2018-08-31 | Univ Rennes | |
US11000224B2 (en) * | 2017-09-05 | 2021-05-11 | Korea University Research And Business Foundation | Method and apparatus of monitoring anaesthesia and consciousness depth through brain network analysis |
-
2022
- 2022-04-14 CN CN202210387530.0A patent/CN114795117B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006109964A (ja) * | 2004-10-13 | 2006-04-27 | Shimadzu Corp | 光生体計測装置 |
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 |
EP3865061A1 (en) * | 2018-10-11 | 2021-08-18 | Advanced Telecommunications Research Institute International | Brain functional connectivity correlation value adjustment method, brain functional connectivity correlation value adjustment system, brain activity classifier harmonization method, brain activity classifier harmonization system, and brain activity biomarker system |
KR20200052209A (ko) * | 2018-11-06 | 2020-05-14 | 고려대학교 산학협력단 | 뇌 기계 인터페이스 기반의 움직임 의도 검출에 따른 착용형 로봇 제어 장치 및 방법 |
KR102241759B1 (ko) * | 2020-07-22 | 2021-04-20 | (주)엔브레인 | 인공지능 기반 뇌 정보 제공 장치 |
KR102288267B1 (ko) * | 2020-07-22 | 2021-08-11 | 액티브레인바이오(주) | 인공지능 기반 뇌 정보 제공 방법 |
CN112022136A (zh) * | 2020-09-11 | 2020-12-04 | 国家康复辅具研究中心 | 基于近红外脑功能与步态参数的评估方法及系统 |
CN112587796A (zh) * | 2020-12-10 | 2021-04-02 | 天津市环湖医院 | 脑深部电刺激促醒效果量化方法及设备 |
Non-Patent Citations (8)
Title |
---|
Design of a Novel Functional Near-Infrared Spectroscopy System for Human Brain Imaging;Yaqub, MA; Zafar, A ; Ghafoor, U;2019 12TH ASIAN CONTROL CONFERENCE (ASCC);20190612;全文 * |
Lee, SH; Park, SS; Jang, JH.Effects of Acupuncture Treatment on Functional Brain Networks of Parkinson's Disease Patients during Treadmill Walking: An fNIRS Study.APPLIED SCIENCES-BASEL.2020,第10卷(第24期),全文. * |
Revealing Topological Organization of Human Brain Functional Networks with Resting-State Functional near Infrared Spectroscopy;Niu, HJ;Wang, JH;Zhao, TD;PLOS ONE;20120924;第7卷(第9期);全文 * |
Yu, Ningbo ; Liang, Siquan ; Lu, Jiewei.Quantified assessment of deep brain stimulation on Parkinson's patients with task fNIRS measurements and functional connectivity analysis: a pilot study..Chinese neurosurgical journal.2021,第7卷(第1期),全文. * |
基于静息态fMRI数据的人脑功能连接研究;杨亮;中国优秀硕士学位论文全文数据库医药卫生科技辑;20140715(第7期);全文 * |
太极拳对老年人认知功能的影响:fNIRS研究;关硕;中国优秀硕士学位论文全文数据库医药卫生科技辑;20210215(第2期);全文 * |
脑功能成像技术在帕金森病步态障碍中的应用进展;朱志中, 于洋, 于宁波等;中国现代神经疾病杂志;20201225;第20卷(第12期);全文 * |
面向抑郁障碍患者的前额fNIRS信号脑网络研究;伍春昀;中国优秀硕士学位论文全文数据库医药卫生科技辑;20210915(第9期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114795117A (zh) | 2022-07-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Feng et al. | Motion-resistant remote imaging photoplethysmography based on the optical properties of skin | |
Pawar et al. | Body movement activity recognition for ambulatory cardiac monitoring | |
CN106236049A (zh) | 基于视频图像的血压测量方法 | |
CN112233813A (zh) | 一种基于ppg的非接触式无创心率呼吸测量方法及系统 | |
CN103263271A (zh) | 非接触式自动血氧饱和度测量系统及测量方法 | |
CN111387959A (zh) | 一种基于ippg的非接触式生理参数检测方法 | |
CN110236511A (zh) | 一种基于视频的无创心率测量方法 | |
CN111275018B (zh) | 一种基于环形感兴趣区域加权的非接触式心率信号提取方法 | |
Park et al. | Remote pulse rate measurement from near-infrared videos | |
CN111027485A (zh) | 一种基于人脸视频检测与色度模型的心率检测方法 | |
Blackford et al. | Remote spectral measurements of the blood volume pulse with applications for imaging photoplethysmography | |
Przybyło | A deep learning approach for remote heart rate estimation | |
CN115581445A (zh) | 一种基于能量调制的激光散斑血流成像方法及装置 | |
CN111839492A (zh) | 一种基于面部视频序列的心率非接触式测量方法 | |
CN106691410B (zh) | 一种脉搏及血红细胞浓度监测仪及方法 | |
CN114795117B (zh) | 基于图信号处理的脑信号分析方法 | |
US20180122066A1 (en) | System and method for extracting a periodic signal from video | |
CN114246570B (zh) | 峰值信噪比和皮尔森相关系数融合的近红外心率检测方法 | |
CN114557685A (zh) | 一种非接触式运动鲁棒心率测量方法及测量装置 | |
CN116509359A (zh) | 一种工地作业的多目标心率监测方法及装置 | |
Hu et al. | Study on Real-Time Heart Rate Detection Based on Multi-People. | |
Wang et al. | KLT algorithm for non-contact heart rate detection based on image photoplethysmography | |
CN104688199A (zh) | 一种基于皮肤色素浓度差分的非接触式脉搏测量方法 | |
CN114387479A (zh) | 一种基于人脸视频的非接触式心率测量方法及系统 | |
CN114732358B (zh) | 基于状态转换特征的脑信号检测方法 |
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 |