公共文化服务平台

李沛洋: 作品数：13 被引量：15H指数：3; 供职机构：重庆邮电大学生物信息学院更多>>; 发文基金：国家自然科学基金重庆市教育委员会科学技术研究项目北京市科技计划项目更多>>; 相关领域：医药卫生自动化与计算机技术电子电信更多>>

合作作者

基于脑电网络图特征的情绪识别研究: 2023年; 针对情绪脑电信号提出一种网络图特征学习与情绪识别算法。首先,利用情绪脑电数据构建对应的情绪脑电网络;其次,在由情绪脑电网络尺度定义的高维空间构建脑电网络样本间的局部邻接关系图以挖掘样本集的分布特性,进而得到样本集的图拉普拉斯矩阵;在此基础上,进一步利用谱图理论对情绪脑电网络的最优低维空间映射进行求解,在保留原始样本局部邻接关系的前提下实现对情绪脑电网络的降维与重新表达,并将每个情绪脑电网络样本表示成1组脑电网络特征集;最后利用提取到的情绪脑电网络特征集,结合支持向量机分类学习算法,针对情绪识别任务进行识别模型的训练和学习,实现对情绪状态的准确解码与识别。在国际公开情绪脑电数据集的实验结果表明:相较于传统情绪识别算法,本文所提方法能有效提升情绪识别准确率,在基于公开数据集的多类情绪识别任务中分别达到91.85%(SEED数据集,3类)、79.36%(MAHNOB-HCI数据集,3类)和79%(DEAP数据集,4类)的稳健识别效果。; 李存波杨蕾陈昭瑾汪义锋李沛洋李发礼尧德中徐鹏; 关键词：情绪识别脑电图特征提取

一种基于稀疏度量的分类方法: 本发明公开了一种基于稀疏度量的分类方法，具体为：计算类间离散度矩阵和类内离散度矩阵，对得到的矩阵进行分解，将Fisher判别准则转化为L1模结构，估计使得目标函数取得最大值的投影向量。针对现有的基于L2模测度函数的LDA...; 徐鹏李沛洋张锐田春阳郭兰锦尧德中; 文献传递

基于静息态脑电的心因性非癫痫性发作患者脑功能网络分析及分类识别研究被引量：3: 2015年; 研究表明,神经精神疾病患者的临床表现与其大脑功能网络连接异常是相关的。心因性非癫痫(PNES)是一种心理疾病,不具有特征性的癫痫放电表现,是临床诊断上的一个难点。本文基于采集的脑电图(EEG)信号,利用网络分析方法,发现PNES患者前额与枕顶脑区之间的网络连接强度较正常组减弱。并且,将网络属性作为特征,利用线性判别分析(LDA)可对PNES患者和对照组获得85%的分类准确率,为临床诊断提供具有实际意义的价值信息。; 王振宇薛青熊秀春李沛洋田春阳符策红王玉平尧德中徐鹏; 关键词：网络分析线性判别分析

一种基于局部密度的自适应眼电伪迹去除方法被引量：1: 2022年; 脑电信号幅值微弱且信噪比低易受到多种伪迹影响。其中,眼电伪迹幅值高、随机性强,常使脑电信号产生明显畸变,对信号的后续分析将产生极大的影响。传统伪迹去除方法难以精确定位伪迹成分,导致过多有效信息丢失。针对上述问题,该文提出一种基于数据驱动的自适应伪迹定位和去除方法。该方法将局部密度引入独立成分分析(ICA)并通过聚类分析自适应估计辨识脑电和噪声成分的阈值,最终实现了眼电伪迹的精准定位和去除。通过仿真和真实实验,该文对比了所提方法与传统伪迹去除方法在峰值信噪比、均方误差、互信息等量化指标下的性能差异,并通过统计检验揭示了所提方法相比于其他方法在信号恢复方面的显著性优势。; 李沛洋高晓辉朱鹏程黄伟杰李存波司亚静徐鹏田银; 关键词：自适应阈值脑电

运动想象的时变脑网络模式分析: 运动想象(Motor Imagery,MI)需要辅助运动区,初级运动皮层以及后顶叶皮层等脑区及其相互作用的参与。同时,在MI 脑机制研究中,时常涉及到与事件相关去同步/同步(Event-related Desynchro...; 李发礼王菲张涛李沛洋李鹤蒋依张露艳尧德中徐鹏

基于单通道肌电信号的人体下肢运动动作分类辨识方法: 本发明属于非平稳非线性表面肌电信号处理及下肢运动动作分类的技术领域，具体涉及一种基于单通道肌电信号的人体下肢运动动作分类辨识方法。本方法采用从与日常下肢运动动作相关的某一单一下肢肢体肌肉群处获取的单一通道所获取的肌电信号...; 张羿朱旭阳杨琴李沛洋; 文献传递

一种改进的ARX模型在脑电分析中的应用: 脑电是人体生理参数中一种非常重要的生物电信号。然而在实际应用中，脑电信号常常由于眨眼或头部晃动引入异常值。这些异常值将会极大影响信号的后续分析。传统的ARX模型是一种基于最小二乘解的参数估计方法，该方法可视为基于L2 范...; 李沛洋王旭睿周伟伟张涛刘欢黄晓烨徐鹏尧德中

基于脑功能网络和共空间模式分析的脑电情绪识别被引量：7: 2021年; 传统脑网络的情绪分类将聚类系数、平均最短路径等拓扑属性作为分类特征。针对这些属性易受网络连接阈值和特征选择的影响,难以完全表征不同情绪状态下的网络空间拓扑结构差异的问题,提出了一种基于脑网络和共空间模式的脑电情绪识别方法(EEG emotion classification based on common spatial patterns of brain networks topology,EEC-CSP-BNT)。该算法基于互信息在各个子频段内计算电极间的功能连接矩阵,同时利用共空间模式(common spatial pattern,CSP)分析学习空间滤波器,构建分类特征,最后通过分类器(如Fisher线性判别、支持向量机、K最近邻)实现基于脑电的情绪分类。基于DEAP和SEED数据集的实验结果表明,相比于脑网络拓扑属性,EEC-CSP-BNT能有效提取脑网络拓扑结构的分类信息,提高脑电情绪识别性能。; 刘柯张孝李沛洋陈多王国胤; 关键词：脑电互信息

基于Lp(0<p≤1)范数的脑电分析方法研究: 理解大脑的信息处理机制是认知神经科学领域中的一大热门研究课题，在推动大脑保护和提高脑功能中有着重要意义。脑电图（Electroencephalography, EEG）因为易于采集且具备毫秒级的高时间分辨率而被广泛地应用...; 李沛洋; 关键词：脑电图脑电信号; 文献传递

基于稀疏度量的运动想象脑电特征提取和模式识别算法研究: 对大脑的保护和信息挖掘是21世纪科技的热门研究课题,而―脑功能的研究是了解脑的基本途径。脑电图(Electroencephalography, EEG)具有较高的时间分辨率,可以在毫秒量级的尺度上的记录大脑信息的处理过程...; 李沛洋; 关键词：脑电信号最小二乘估计特征提取模式识别算法; 文献传递