申请/专利权人:西北工业大学
申请日:2024-03-04
公开(公告)日:2024-06-25
公开(公告)号:CN118245727A
主分类号:G06F18/10
分类号:G06F18/10;A61B5/00;A61B5/0536;G06N3/006;G06N3/0499;G06N3/084
优先权:
专利状态码:在审-公开
法律状态:2024.06.25#公开
摘要:本发明公开了一种基于VMD分解的颅脑EIT体动干扰识别与滤除方法,首先使用Z‑score值和皮尔逊相关系数联合评价指标对电极连接状态进行判定;然后基于WOA优化算法,以均方误差作为优化的目标函数对BP神经网络参数进行优化,以补偿电极脱落下的损失数据,保持数据的完整性和连续性;最后基于PSO优化算法,以最小熵为适应度函数对VMD分解法的参数进行寻优,获得最优参数,进而获得优化后的VMD分解法;基于优化后的VMD分解法分解原始EIT电压信号,去掉体动带来的高频噪声,获得去除干扰的EIT数据。本发明使用PSO优化后的VMD分解法对EIT原始电压数据进行分解,弥补了VMD分解法需要人工调整参数的缺点,有利于去除EIT成像过程中的运动伪影。
主权项:1.一种基于VMD分解的颅脑EIT体动干扰识别与滤除方法,其特征在于,包括如下步骤:步骤1:使用Z-score值和皮尔逊相关系数联合评价指标对电极连接状态进行判定;步骤2:基于WOA优化算法,以均方误差作为优化的目标函数对BP神经网络参数进行优化;步骤3:基于PSO优化算法,以最小熵为适应度函数对VMD分解法的参数进行寻优,获得最优参数,进而获得优化后的VMD分解法;步骤4:基于优化后的VMD分解法分解原始EIT电压信号,去掉体动带来的高频噪声,获得去除干扰的EIT数据。
全文数据:
权利要求:
百度查询: 西北工业大学 一种基于VMD分解的颅脑EIT体动干扰识别与滤除方法
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。