申请/专利权人：浙大宁波理工学院

申请日：2022-07-28

公开（公告）日：2024-06-25

公开（公告）号：CN115211868B

主分类号：A61B5/369

分类号：A61B5/369;A61B5/291;A61B5/256;A61B5/372;A61B5/055;G06F18/24;G06F18/213;G06F18/214;G06N3/045;G06N3/0895

优先权：

专利状态码：有效-授权

法律状态：2024.06.25#授权;2022.11.08#实质审查的生效;2022.10.21#公开

摘要：本发明公开了融合Topomap图像识别与fMRI结合的高精度EEG识别系统，包括：若干组EEG电极；容积传导模型单元，所述容积传导模型单元采用模糊理论结合MRI技术及电场理论来构造每个测试者独有的容积传导模型，并利用此模型来消除容积传导效应的影响；逆向溯源模型单元，所述逆向溯源模型单元通过多层同心半球模型结合数据关联性分析及信息熵计算，来建立有效的逆向溯源模型；动态分析单元；本发明提供的融合Topomap图像识别与fMRI结合的高精度EEG识别系统，与传统的EEG识别系统相比，本发明提高了EEG空间精度；再者，本发明利用深度学习及图论方法来实施例EEG动态变化过程及相应延迟情况，来保证时‑空精度一致性、准确性；将时‑空模型误差控制在1％以内，将识别准确率提高10％。

主权项：1.融合Topomap图像识别与fMRI结合的高精度EEG识别系统，其特征在于：包括：若干组EEG电极，分别在1导，16导，32导的EEG电极帽上进行实验；容积传导模型单元，所述容积传导模型单元采用模糊理论结合MRI技术及电场理论来构造每个测试者独有的容积传导模型，并利用此模型来消除容积传导效应的影响；逆向溯源模型单元，所述逆向溯源模型单元通过多层同心半球模型结合数据关联性分析及信息熵计算，来建立有效的逆向溯源模型；动态分析单元，所述动态分析单元采用对多电极、分时段进行PLA处理后产生带权重的网络图，并且探究测试个体EEG动态脑网络结构与时频、空间等变化的关联及规律，实现动态建立个体差异模型；将图像识别方法与传统的脑电分析方法相结合，通过卷积神经网络（CNN）的正则化结构和平移不变性程度，来提高识别准确性；所述动态分析单元采用数据采样及分段压缩模型来对EEG数据进行快速处理，具体为：1）在设定的时间窗口对实时采集到的数据进行分段；2）对每个P300的EEG数据进行PLA处理，将EEG数据降维；3）计算动态变化下最优PLA算法的结合；4）采用视觉几何群VGG-16模型方法对脑热力图像进行分类；所述系统还包括：空间功能映射模型单元，所述空间功能映射模型单元采用的方法为：1）利用三层四层同心半球模型将分时间窗口聚合的EEG数据以各个电极点为结点；2）按逆向溯源的方法及个体差异模型来构造EEG源空间功能映射模型；所述空间功能映射模型单元采用的方法还包括：采用最小生成树结合周期时间序列构造复杂网络的方法，来为每个测试者构建个体差异的EEG复杂网络；将PLA及频率分割的每一时间窗口作为网络的一个结点，准周期间的距离小于某一阈值时两结点存在连边，实现了将脑电信号转换成复杂网络进行分析。

全文数据：

权利要求：

百度查询： 浙大宁波理工学院 融合Topomap图像识别与fMRI结合的高精度EEG识别系统

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD