Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 天津大学尤飞越获国家专利权

天津大学尤飞越获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉天津大学申请的专利一种基于PVT实验范式的精神疲劳检测数据集构建方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN118902457B

龙图腾网通过国家知识产权局官网在2026-01-06发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202410970129.9,技术领域涉及:A61B5/16;该发明授权一种基于PVT实验范式的精神疲劳检测数据集构建方法是由尤飞越;甘霖;张高燕;李忠杰;韩军伟;宋乐设计研发完成,并于2024-07-19向国家知识产权局提交的专利申请。

一种基于PVT实验范式的精神疲劳检测数据集构建方法在说明书摘要公布了:本发明公开了一种基于PVT实验范式的精神疲劳检测数据集构建方法,使用PVT实验范式诱发受试者的精神疲劳,同步采集其行为表现和对应的脑电信号数据;对采集的脑电信号进行降噪预处理;从脑电信号中切分出与各试次相对应的固定长度片段;基于PVT的反应时间任务绩效指标,制订多种衍生的任务绩效指标,将这些任务绩效指标及其组合用于表征精神疲劳状态;基于任务绩效指标及其所表征的精神疲劳状态,设置分类阈值、分类基准及清洗方法,对脑电信号片段进行分类标注及清洗;提取标注并保留脑电信号片段的特征,编制输入特征矩阵与标签向量,构建用于训练和测试机器学习模型的数据集。本发明的数据集构建方法可改善机器学习模型的精神疲劳检测性能。

本发明授权一种基于PVT实验范式的精神疲劳检测数据集构建方法在权利要求书中公布了:1.一种基于PVT实验范式的精神疲劳检测数据集构建方法,其特征在于,包括如下步骤: 步骤1,使用PVT实验范式诱发受试者的精神疲劳,同步采集其行为表现和对应的脑电信号数据; 步骤2,对采集的脑电信号数据进行降噪预处理; 步骤3,从脑电信号中切分出与各试次相对应的固定长度片段; 步骤4,基于PVT的反应时间任务绩效指标,制订多种衍生的任务绩效指标,将这些任务绩效指标及其组合用于表征精神疲劳状态; 步骤5,基于任务绩效指标及其所表征的精神疲劳状态,设置分类阈值、分类基准及清洗方法,对脑电信号片段进行分类标注及清洗; 步骤6,提取清洗后保留的具有分类标签的脑电信号片段的特征,编制输入特征矩阵与标签向量,从而构建用于训练和测试机器学习模型的数据集; 步骤7,对构建的输入特征矩阵与标签向量数据集,进行如下一种或者几种组合的验证:数据标注的有效性验证、特征提取的差异性验证、多种模型的适用性验证; 步骤4中,将每个试次的实际反应时间定义为其局部反应时间,将每个试次和与之依次相邻多个试次的局部反应时间加权和作为其全局反应时间,各试次的权重和为1;采用局部反应时间和或全局反应时间表征受试者的精神疲劳程度,并作为反映精神疲劳状态的任务绩效指标;设i为试次编号,l1表示纳入加权平均的第i个试次之前的相邻试次数量,l2表示纳入加权平均的第i个试次之后的相邻试次数量,依次相邻的试次数量之和为l1+l2+1;则全局反应时间的计算公式如下: 式中: wk为第k个试次的权重; LRTk为第k个试次的局部反应时间; GRTi为第i个试次的全局反应时间; 步骤5中,设置潜力反应时间、警觉反应时间和疲劳反应时间作为精神疲劳状态的分类阈值;设每位受试者在实验中经历了N个试次,即产生了N个局部反应时间,将所有局部反应时间从小到大地进行排序,则排序位次为5%×N的局部反应时间被定义为潜力反应时间;警觉反应时间被设定为潜力反应时间的1.20~1.30倍;疲劳反应时间被设定为潜力反应时间的1.50~2.00倍;在构建同一个数据集时,警觉反应时间与疲劳反应时间的比率固定;对于每一个样本,如果其局部反应时间和全局反应时间都小于其警觉反应时间,则将其标注为警觉样本;如果其局部反应时间和全局反应时间都大于其疲劳反应时间,则将其标注为疲劳样本;将既不属于警觉样本又不属于疲劳样本的样本清除。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人天津大学,其通讯地址为:300072 天津市南开区卫津路92号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

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。