申请/专利权人：北京机械设备研究所

申请日：2023-11-17

公开（公告）日：2024-03-12

公开（公告）号：CN117679045A

主分类号：A61B5/372

分类号：A61B5/372

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.29#实质审查的生效;2024.03.12#公开

摘要：本公开是关于一种基于时频空多维度脑网络特征的脑力疲劳评估方法、装置、电子设备以及存储介质。该方法利用脑电的高时间分辨率，使用微状态分析的方法对大脑地形图进行聚类分析划分MMN过程中大脑的多个状态。鉴于脑电数据具有较差的空间分辨率，在构建脑网络前，将采集到的信息混叠的头皮脑电信号通过溯源的方式，将信息回溯至大脑皮层所在的源水平空间，同时将大脑脑区的空间信息整合入我们使用的脑电信号中。在构建脑功能网络时采用衡量频域特征的方法，通过衡量两两脑区间的频域特征关联性来构建脑网络，构建了融合时频空多维度的特征信息来刻画脑力疲劳的脑网络。本公开可以提高对人的大脑疲劳状态的准确评估，为脑力疲劳的评估提供客观指标。

主权项：1.一种基于时频空多维度脑网络特征的脑力疲劳评估方法，其特征在于，所述方法包括：对待评估人员基于oddball范式的预设刺激信号进行声音刺激，并基于预设脑电采集设备对所述待评估人员的脑电信号进行采集；对所述脑电信号进行滤波、去除眼动伪迹、提取ERP片段的预处理；基于改进的k-means对脑电信号的脑地形图进行聚类，并识别所述脑电信号各时间段的微状态；基于eLORETA的方法，将预设数量导联的脑电信号基于空间特征的大脑皮层进行脑功能网络溯源重建；基于相位滞后指数PLI对所述脑电信号进行基于频域特征的动态脑网络构建；基于所述动态脑网络，对脑网络和微状态特征进行降维处理后基于支持向量机SVM的进行拟合，完成对脑电信号的识别分类。

全文数据：

权利要求：

百度查询： 北京机械设备研究所 一种基于时频空多维度脑网络特征的脑力疲劳评估方法

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。

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