高等教育领域数字化综合服务平台
云上高博会服务平台 高校科技成果转化对接服务平台 大学生创新创业服务平台 登录 | 注册
|
搜索
搜 索
  • 综合
  • 项目
  • 产品
日期筛选: 一周内 一月内 一年内 不限
一种通过scout ESI和CNN解码EEG运动想象四分类任务的新方法
导读东北电力大学和长春理工大学研究团队开发并实现一种结合脑电图源成像(ESI)技术和卷积神经网络(CNN)的新方法,以对运动想象(MI)任务进行分类。ESI技术采用边界元法(BEM)和加权最小范数估计(WMNE)分别解决EEG的正向和逆向问题。然后在运动皮层中创建十个scout来选择感兴趣的区域(ROI)。研究者使用Morlet小波方法从scout的时间序列中提取特征。最后,使用CNN对MI任务进行分类。实验结果:在Physionet数据库上的整体平均准确率达到94.5%,分别对左拳头、右拳头、双拳和双脚的单个准确率达到95.3%、93.3%、93.6%、96%,采用十倍交叉验证进行验证。研究人员表示,他们的研究成果与最先进的MI分类方法的结果相比,总体分类增加了14.4%。研究者为验证方法的有效性,加入了4个新的受试者进行验证,发现总体平均准确率为92.5%。此外,全局分类器适应单一对象,整体平均准确率提高到94.54%。研究者表示,他们提出的结合scout ESI和CNN的方法,提高了脑电解码四类MI任务的BCI性能。系统框架图1 系统框架图系统框架如图1所示。原始数据来自国际10-10系统的64个电极(不包括Nz、F9、F10、FT9、FT10、A1、A2、TP9、TP10、P9和P10电极),并以每秒160个样本的速度采集。根据国际10-10系统从64个通道采集原始脑电图,并使用BCI2000系统进行记录。记录的数据被分为四个独立MI任务包括左拳MI,右拳MI,双拳MI和双脚MI。首先,由于ERD在执行运动想象时在alpha和beta中不同,因此使用FIR滤波器对EEG进行了8 Hz至30 Hz的带通滤波。然后,通过计算包含正问题和逆问题的源,将传感器空间的活动转化为源空间的活动。接下来,创建scout并提取特征。研究者在运动皮层中创建了10个scout,因为我们只关心与运动相关的活动。十个scout中的每一个都代表了可用源空间中的一个感兴趣的区域(ROI),并且是定义在皮层表面或头部体积上的偶极子的子集。左脑的scout称为L1、L2、L3、L4、L5,右脑的scout称为R1、R2、R3、R4、R5。利用JTFA从10个scout的源时间序列中提取特征。最后,利用CNN对时频图进行分离并进行分类。实验在实验中,研究人员仅使用了随机选择的十个受试者的MI trail (S5,S6,S7,S8,S9,S10,S11,S12,S13,S14)。这里用于分析的数据集包含每个受试者84次试验,每一类包含21次试验。在记录64通道脑电图时,受试者执行了不同的运动想象任务。每个受试者针对以下四个任务中的每一个执行了3轮21试验:当目标出现在屏幕左侧时,受试者想象打开和合上相应的拳头,直到目标消失。然后受试者放松。当目标出现在屏幕的右侧时,受试者想象打开和合上相应的拳头,直到目标消失。然后受试者放松。当目标出现在屏幕顶部时,受试者想象打开和合上双手的拳头,直到目标消失。然后受试者放松。当目标出现在屏幕底部时,目标会想象双脚张开和合拢,直到目标消失。然后受试者放松。为了统一数据维数,研究者选择了4s的数据,因为每次想象任务的执行时间都在4s左右。此外,脑电图任务是分开的,研究人员在实验中将左拳,右拳,双拳和双脚MI任务分别称为T1,T2,T3和T4。图2 scout命名左右运动想象的scout分别命名为L1、L2、L3、L4、L5、R1、R2、R3、R4、R5,如图2所示。10个scout每一个都被扩展到40个顶点,每个顶点只有一个源。L1区域对应40个信号,其他scout也一样。在计算了来源后,研究者在运动皮层中创建了十个scout,如图3所示。图3 创建10个scout使用ESI计算十个受试者(S5、S6、S7、S8、S9、S10、S11、S12、S13、S14)每次试验的四个任务(T1、T2、T3、T4)的源。对于这四项任务中的每一项,每个受试者每次都要进行7次测试(#1,#2,#3,#4,#5,#6,#7)。展示了第一个步的10个被试的10个scout的4项任务的来源。然后提取10个scout的时间序列进行进一步分析。特征提取在计算源之后,研究人员在运动皮层中创建了包含40个源的10个scout,并提取了scout的时间序列。如图4所示为提取R5 scout时间序列作为示例。图的右边显示了R5 scout的时间序列。本文利用小波变换从scout时间序列中提取特征。图4 提取R5 scout时间序列作为示例在这项研究中,研究者提出利用CNN来解决运动想象任务分类的问题。该模型基于Schirrmeister等提出的Deep ConvNet架构,该网络模型由一个六层卷积网络组成,其中两个最大池层和三个全连接层,如图5所示。图5对于Physionet数据库,研究者首先采用Deep ConvNet架构,包括四个卷积层、四个最大池层和一个全连接层。在实验中,研究者依据经验使用两个最大池化层。并尝试了不同数量的卷积层和完全连接层。时频图利用Morlet小波方法得到了scout的特征。对于每个任务,R5 scout的时频图如图6所示。包含时间和频率互补的时频分析方法提供了时域和频域的联合分布信息,清晰地描述了信号频率与时间的关系。图6 R5 scout的时频图显然,只有部分时频映射是红色的,表明每个任务只对特定的频率和时间敏感。由于图的数量比较大,研究者使用CNN来选择和学习这些图中最基本的特征。研究人员随机选择了几个样本,并将一些特征图可视化,作为MI任务的学习表示,如图7所示。图7为了获得有效的结果,将数据集分为90%作为训练集,其余10%作为测试集。首先,将十个受试者的数据集(总共19320个样本)分为17388个样本以训练所提出的CNN模型,以及1932个样本以验证模型的有效性。在实验中,研究者还选择了另外四个受试者的数据集以增加数据集的规模(27048个样本),其中24343个样本是训练集,其他样本是测试集。在选定的scout上对所提出的CNN架构进行了十次训练和测试,以验证所提出模型的鲁棒性。图8(a)显示了10个scout中每个的全局平均精度。图8 统计结果R5的全局平均精度最高,达到94.5%,而L2的全局平均精度最低,为91.3%。对应L1、L3、L4、L5、R1、R2、R3、R4的整体准确率分别为92.4%、92.5%、93.6%、91.9%、93.0%、91.8%、92.1%、92.6%。所有scout的总体精度均在91%以上,标准差均在0.20%以下。图8(b)显示了十个scout中每个scout四个MI任务的组级统计结果及其标准差。一般来说,R5表现的要比其他的好,而L2在迭代2000中表现最差。标准差较小,说明这些精度更接近平均值且稳定。图9 统计结果图9(a)显示了带有标准差的混淆矩阵,说明了group level分类结果。T1、T2、T3和T4的全局平均精度峰值分别为95.3%、93.3%、93.6%和96.0%。R5 scout的四个MI任务中的每一个都如图9(b)所示。通过改变训练集和测试集顺序的10次试验,确定了scoutR5的性能,结果如图10(a)和(b)所示。在10次试验中,scout R5的T1、T2、T3、T4的平均准确率分别为93.3%、93.8%、94.2%、94.1%。换句话说,四个任务中每一个的平均准确率都超过了93%。全局平均准确率为93.7%。10次试验结果表明,该方法对scout R5的分类效果较好。从以上结果可以清楚地看出,R5 scout在四种MI任务的分类中扮演着最重要的角色。因此,选择R5对四个MI任务进行分类。图 10图11. (a)是不同模型的全局平均准确性的比较。可以发现,该研究提出的模型可以达到最大的精度。从图11. (b)不同模型的ROC曲线可以看出提出的模型比其他模型表现更好。©不同模型T1上的精度比较。(d)不同模型T2的精度比较。(e)不同模型T3的精度比较。(f)不同型号T4的精度比较。图11 不同模型的精度比较结论东北电力大学和长春理工大学研究团队开发并实现一种结合脑电图源成像(ESI)技术和卷积神经网络(CNN)的新方法。该方法可以对运动想象(MI)任务进行分类。实验结果表明,他们的研究成果与最先进的MI分类方法的结果相比,总体分类增加了14.4%。研究者加入了4个新的受试者进行验证来验证方法的有效性。研究者表示,他们提出的结合scout ESI和CNN的方法,提高了脑电解码四类MI任务的BCI性能。论文信息:A novel approach of decoding EEG four-class motor imagery tasks via scout ESI and CNN
东北电力大学 2021-04-10
低成本轴角传感器模拟器
本实用新型涉及一种低成本轴角传感器模拟器,包括上位机、通信模块、液晶显示器、微处理器、数/模转换模块、信号调理模块I、磁编码器信号接口、信号调理模块II、乘法器、旋转变压器信号接口、信号发生模块、信号调理模块III、电平转换模块和光电编码器信号接口,微处理器分别与液晶显示器、数/模转换模块、信号发生模块和电平转换模块电连接,数/模转换模块分别与信号调理模块I和信号调理模块II电连接,信号调理模块I与磁编码器信号接口电连接,信号发生模块与信号调理模块III电连接,信号调理模块II和信号调理模块III分别与乘法器电连接,乘法器与旋转变压器信号接口电连接,电平转换模块与光电编码器信号接口电连接;上位机通过通信模块与微处理器进行通信。本实用新型成本低,精度高,方便科研人员衡量轴角解调算法的性能优劣。
青岛农业大学 2021-04-13
中学计算器函数型计算器
主要功能 双行显示,具有修改、插入、删除功能 重现功能 快速上下翻转 快速左右翻转 240种计算功能 10位数+2位指数显示 错误提示 9个变量 分数计算 百分数计算 答案存储 六十进制与十进制的换算 双曲/反双曲函数 常用及自然对数、指数、倒数、阶乘 随机数、π、小数位数、有效位数、舍入 平方根、立方根、根、平方、立方 极坐标/直角坐标变换/双曲/反双曲函数 分数计算、百分数计算、度分秒计算 排列、组合 统计、回归计算 规格参数          重量:135g(含电池) 机身尺寸:148mm*80mm*18mm 耗电:0.0002W 电源:一节AAA(7号/SUM-4) 电池寿命:约有2年(每天使用一小时) 操作温度:0℃-40℃ 包装尺寸:152mm*88mm*24mm
深圳市天雁电子有限公司 2021-08-23
抢答器,电子抢答器,抢答仪
产品详细介绍SPC-QL轮流显示抢答器    该系列产品在全国各地电视台、工厂、机关、团体、工会、学校、部队、行政和机关等部门得到广泛使用。产品性能:(单片机控制)1.本仪可允许8组(8队)进行抢答;2.抢答时间和答题时间可调;3.倒计时显示抢答时间和答题时间;4.显示屏上的抢答组用高4英寸数码管显示、时间用4英寸数码管显示;数码管采用长寿命高亮度数码管,白天亦可进行抢答活动;5.“抢答开始”、“有人抢答”、“抢答时间已到”均发出不同声音作提示;6.各组可分别进行加分或减分(加分以10分为单位,减分以10分为单位);7.自动累计各组得分,按“调显”键轮流显示各组得分;8.以闪烁方式显示出违法抢答(偷跑)小组,并用特殊声音告警;9.不需电池,本抢答器的得分情况,不会因突然停电事故而丢失或错乱。特点:   可悬挂式显示屏,真正LED数码管显示(与银行汇率牌相同,非发光二极管); 该产品做工精细,操作简便(傻瓜化),安装简单(都是插头连接)    来自国际 ISO 9001 质量体系认证企业。质量好、性能优、价格廉、售后服务及时,让您用的放心,欢迎您的光临。规格:37cm×25cm            厂家直销,欢迎订购,欢迎代理18959026935        0597-2888150
龙岩智电厂 2021-08-23
双口洗眼器/台式洗眼器
购买生物实验室设备|实验室通风设备|实验室水槽|实验室水龙头|实验室工作台|实验室操作台|实验室仪器设备|实验室装修设计|实验室家具|实验室实验台请到育人教仪,我们将以最诚挚的服务,最合理的价格,最完美的售后对待每位顾客。 备注:以上是单口洗眼器/台式洗眼器的详细信息,如果您对单口洗眼器/台式洗眼器的价格、型号、图片有什么疑问,请联系我们获取单口洗眼器/台式洗眼器的最新信息。 咨询电话:0577-67473999
温州市育人教仪制造有限公司 2021-08-23
液晶电视显示器桌面翻转器
产品详细介绍液晶显示屏翻转器       液晶显示器翻转器主要应用于各种高档会议厅,交易厅,高级多媒体网络系统,办公家私场所,该翻转器一般适用于17-24寸以下液晶显示器(其他尺寸定做), 当打开翻转器时液晶显示屏会自动翻转成105度角度(特殊要求也可以另行设计),键盘也同时会自动升起与桌面齐平,当不使用时,显示屏可 自动翻转隐藏于桌面内部,产品具有防盗、防尘保持桌面平整,美化桌面等功能。   产品特性:   1、 电动控制、翻转自如、外形美观; 2、 使用灵活、稳定性好、抗震性好; 3、 适用于17寸以下液晶显示器(尺寸小于410×345×70); 4、 手动控制、无线摇控、集中控制并支持RS232和RS485; 5、 安装方便、操作简单; 6、 面板有优质不锈钢面、砂纹黑、特质处理的木纹图案(不用贴木皮)。   电动翻转器参数要求: 1.电源   交流电220V 50Hz 2.翻转角度105度,同时可按客户要求来调节显示屏的角度   常规产品基本参数:(实际尺寸和参数以实物为准)  
长沙金臂视听设备有限公司 2021-08-23
一种提高喷膜主液稳定性的喷膜防水材料
成果描述:本发明公开了一种提高喷膜主液稳定性的喷膜防水材料,按重量份包括以下组分:由主液和丙烯酸盐组成,其重量组分为:主液+丙烯酸钙液体+丙烯酸锌固体,各组分的配比为:100份主液+5-20份30%丙烯酸钙液体+0.8-2.0份丙烯酸锌水溶液。本发明能够有效解决喷膜主液自聚及团聚,以提高喷膜主液稳定性,确保喷膜施工的顺利进行,稳定喷膜防水材料力学性能。市场前景分析:轨道交通基础设施建设领域。与同类成果相比的优势分析:技术先进,性价比较高。
西南交通大学 2021-04-10
一种用于高电压(5V)锂离子电池的电解液
锂离子动力电池在实际工作中需要很高的能量和功率密度,所以需要有些正极材料在高电压(4V 以上)还能进行锂离子的嵌入/脱出反应,而在这样高的电压下,现有的有机电解液体系不能满足要求。另外,锂离子动力电池的电解液还需要能满足大电流充放电和高温工作的要求。目前的电解液体系是把 LiPF6为电解质盐溶解于以环状碳酸酯[如碳酸乙烯酯(EC)或碳酸丙烯酯(PC)]和直链碳酸酯[如碳酸二甲 酯(DMC)或碳酸二乙酯(DEC)]混合溶剂中,不能满足锂离子动力电池的上述要求。我们近年来在对正极材料进行表面改性的基础上,进行了高电压新电解液体系的研究,可行的解决途径包括优化有机电解液体系、添加适当添加剂、选择新型锂盐以及使用离子液体等。 该电解液可以提高电解液与高电压正极的相容性,减少充电过程中电解液在高电压正极材料表面的分解,并可以在正负极表面形成稳定的 SEI 膜,使得正极材料的充放电容量及循环稳定性显著提高;而且工艺简单、易于实施、原料成本低廉、适于工业化生产,应用前景广阔。
南开大学 2021-02-01
一种用于高电压(5V)锂离子电池的电解液
项目成果/简介:锂离子动力电池在实际工作中需要很高的能量和功率密度,所以需要有些正极材料在高电压(4V 以上)还能进行锂离子的嵌入/脱出反应,而在这样高的电压下,现有的有机电解液体系不能满足要求。另外,锂离子动力电池的电解液还需要能满足大电流充放电和高温工作的要求。目前的电解液体系是把 LiPF6为电解质盐溶解于以环状碳酸酯[如碳酸乙烯酯(EC)或碳酸丙烯酯(PC)]和直链碳酸酯[如碳酸二甲 酯(DMC)或碳酸二乙酯(DEC)]混合溶剂中,不能满足锂离子动力电池的上述要求。我们近年来在对正极材料进行表面改性的基础上,进行了高电压新电解液体系的研究,可行的解决途径包括优化有机电解液体系、添加适当添加剂、选择新型锂盐以及使用离子液体等。 该电解液可以提高电解液与高电压正极的相容性,减少充电过程中电解液在高电压正极材料表面的分解,并可以在正负极表面形成稳定的 SEI 膜,使得正极材料的充放电容量及循环稳定性显著提高;而且工艺简单、易于实施、原料成本低廉、适于工业化生产,应用前景广阔。
南开大学 2021-04-11
一种固液两相PEG培养基的制备方法及应用
本发明提供了一种固液两相PEG培养基的制备方法及应用,是在培养瓶底部配置固体MS培养基,高压灭菌后冷却形成固体凝胶,沿垂直方向移出部分固体凝胶,优选为沿培养瓶直径移出一半体积的固体凝胶,在培养瓶底部形成空缺,在所述空缺处加入含PEG的MS液体培养基,所述加入的含PEG的MS液体培养基的体积与移出的固体凝胶的体积相同。本发明的培养基由固相MS培养基与液相PEG培养液两部分组成,液体PEG水平方向渗入固体凝胶,固相培养基上接入马铃薯试管苗茎段,进行抗旱性测定;具有制作简单、所需时间短、茎段接种方便等特点。
青岛农业大学 2021-04-11
首页 上一页 1 2
  • ...
  • 45 46 47
  • ...
  • 350 351 下一页 尾页
    热搜推荐:
    1
    云上高博会企业会员招募
    2
    64届高博会于2026年5月在南昌举办
    3
    征集科技创新成果
    中国高等教育学会版权所有
    北京市海淀区学院路35号世宁大厦二层 京ICP备20026207号-1