龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：复旦大学
申请日：2024-03-26
公开（公告）日：2024-06-14
公开（公告）号：CN118177835A
主分类号：A61B5/369
分类号：A61B5/369;A61B5/372;A61B5/374;A61B5/291;A61B5/00;G06F18/213;G06N3/0464;G06N3/084;G06N3/0985;G06F123/02
优先权：
专利状态码：在审-公开
法律状态：2024.06.14#公开
摘要：本发明公开了一种基于脑电信号的疲劳程度预测方法及系统，涉及疲劳检测技术领域，通过将待预测个体与已有个体通过特定的脑电电极通道匹配，使得待预测个体无需经过繁琐的校准程序也能保持较高的预测准确率，使个体使用更加便捷，可接受程度高。还具有较高的时间分辨率，通过提取与疲劳程度最相关的电极通道，减少了降低了EEG数据的维度，减少了与疲劳程度无关的信息对模型的干扰，使得EEG数据与疲劳程度标签更加易于对应。数据切片工作将时域上连续的EEG信号转化为1s的样本时间窗口，建模时依据1s的样本时间窗口进行模型的建立，以至于以1s的时间分辨率进行疲劳程度预测，既保证了较高效率的同时也有比较高的预测准确率。
主权项：1.一种基于脑电信号的疲劳程度预测方法，其特征在于，包括：采集多个历史被试者的EEG原始数据和标签；对所述多个历史被试者的EEG原始数据进行频谱分析，并对脑电采集通道进行选择，得到历史被试者各自的脑电通道集合；采集待检测被试者的EEG原始数据，并进行频谱分析和对脑电采集通道选择，得到目标脑电通道集合；从历史被试者中选出与待检测被试者目标脑电通道集合相同的历史被试者；基于选出的历史被试者的EEG原始数据和标签进行建模，得到疲劳性预测模型；利用疲劳预测模型对待检测被试者进行预测，得到待检测被试者的疲劳状态。
全文数据：
权利要求：
百度查询： 复旦大学 一种基于脑电信号的疲劳程度预测方法及系统
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号