申请/专利权人:成都信息工程大学
申请日:2023-08-16
公开(公告)日:2023-09-15
公开(公告)号:CN116756657A
主分类号:G06F18/2415
分类号:G06F18/2415;G06F18/25;G06F18/10;G06N3/0464;G06N3/0455;G06N3/047;G06N3/0499;G06N3/048;G06N3/084;G06F123/02
优先权:
专利状态码:有效-授权
法律状态:2023.11.17#授权;2023.10.03#实质审查的生效;2023.09.15#公开
摘要:本发明公开了一种基于CNN和Transformer的fNIRS脑力负荷检测方法,其包括获取fNIRS采集设备采集的原始数据,并对原始数据进行预处理得到氧合血红蛋白和脱氧血红蛋白浓度的信号和;对信号和进行一维卷积操作,并在通道维度上对卷积操作后的两个信号进行组合,得到组合信号Hb;采用卷积神经网络对组合信号Hb进行局部细粒度时间特征的提取,得到特征矩阵;采用Transformer模块对特征矩阵进行特征增强提取,得到状态特征;将状态特征输入多层感知机分类层,得到脑力负荷检测的分类结果。
主权项:1.基于CNN和Transformer的fNIRS脑力负荷检测方法,其特征在于,包括步骤:S1、获取fNIRS采集设备采集的原始数据,并对原始数据进行预处理得到氧合血红蛋白和脱氧血红蛋白浓度的信号和;S2、对信号和进行一维卷积操作,并在通道维度上对卷积操作后的两个信号进行组合,得到组合信号Hb;S3、采用卷积神经网络对组合信号Hb进行局部细粒度时间特征的提取,得到特征矩阵;S4、采用Transformer模块对特征矩阵进行特征增强提取,得到状态特征;S5、将状态特征输入多层感知机分类层,得到脑力负荷检测的分类结果。
全文数据:
权利要求:
百度查询: 成都信息工程大学 基于CNN和Transformer的fNIRS脑力负荷检测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。