科创中国

生物与新医药技术,医疗仪器技术、设备与医学专用软件

本课题针对抑郁症早期无法正确诊断的问题，寻找抑郁症早期诊断的指标，并与健康人的脑电信号对比，找出抑郁症患者的生物学差异。针对提取脑电信号特征的方法在小样本脑电数据集中表现不够稳定，传统分类器人工选取特征导致的精度偏差以及高维特征带来的时间复杂度较高的问题，研究并实现一种高鲁棒性、高精度的脑电信号特征提取后的降维及精准分类方法，为抑郁症分级评价提供科学量化指标。 面对突如其来的疫情，以及近期重大事件对高校师生的影响，特别是伴随着各种不安全因素持续增长的环境下，疫情灾后心理重建显得格为重要，建立灾后预警机制并定期跟踪特点目标人群的心理健康状况。

本课题研发灾后心理重建脑机接口，密切跟踪大学生心理状态及抑郁指标，为更好地疏导师生心理压力，提供技术支撑。 1.数据采集更简单，受试者佩戴16-128通道的Ag/AgCl电极帽通过放大器记录并通过***的带通滤波器进行16位(***μv)精度的数模转换。训练样本是从1000Hz降采样至100Hz的脑电信号。 2.数据处理精度更高。针对脑电信号微弱、复杂且不规则的特点，提出一种基于机器学习的特征提取与分类方法。 3.数据保存更长久。逐步形成存储脑电情绪数据的云结构存储。

项目负责人拥有较丰富的科技成果转化经验与相关能力，主持企业横向课题20余项，现主持北京市自然科学基金面上项目：基于生成对抗网络的脑卒中康复系统脑机接口关键技术研究(4192005)，主要研究利用机器学习对脑电信号EEG进行特征提取与高精度分类。曾主持北京市教委科技面上项目、北京市优秀人才资助项目、北京工业大学“日新人才”、校青基金、基础研究基金等；作为项目骨干参与国家自然科学基金项目。2017年作为核心技术骨干参与北京市教委项目智能制造领域大科研推进计划：“上肢智能运动康复训练装备功能样机研制（硬件与信息采集处理软件）”，为本课题的提出与进一步实施提供了理论基础。 本课题组在心理学、教育学、模式识别、神经医学、信号处理及数据分析领域进行了多年的深入研究，具有多项成果积累，有助于顺利完成本课题。申请者及课题组在申请前做了严谨和细致的预研工作，为本项目高质量地完成奠定了坚实的基础。本课题组成员主要由北京工业大学信号与信息处理学科的青年学术骨干和博士、硕士研究生组成。该学科是国家211工程在北京工业大学重点建设的信息学科基地之一，也是北京市重点建设的学科之一。

点击查看