科创中国

本成果提出一种基于HELM并结合PTSNE流形和LDA特征融合的运动想象脑电分类方法。运动想象的脑电信号用于识别大脑状态，并且可以根据脑电信号控制人脑想象。脑电信号的分析对脑病患者有很大的帮助。由于采集到的脑电信号是一种随机性强、波形直观上缺乏规律性的非平稳信号，因此需要采用有效的特征提取方法来提高脑电信号的分类准确率。本成果提出一种基于HELM并结合PTSNE流形和LDA特征融合的运动想象脑电分类方法，并提高其分类准确率。

本成果提出一种基于HELM并结合PTSNE流形和LDA特征融合的运动想象脑电分类方法，并提高其分类准确率。在特征提取方面，一方面，用PCA结合LDA方法提取线性特征，既可以消除噪声，又可以考虑训练数据的标签信息；另一方面，通过PTSNE和LDA获得非线性结合特征，可以发掘脑电中复杂的非线性内在流形特征。在特征分类方面，采用有高分类准确率的HELM算法做运动想象脑电信号分类识别。

在医学领域，目前普遍认为阿尔兹海默症、癫痫等疾病都与脑电异常有关。虽然脑电技术具有较高的时间分辨率，可以达到毫秒级别，但是由于通过头皮记录到的特定电压分布来估计潜在的神经元是一种“不适定”或“欠定”问题，空间分辨率仅能达到厘米级别。本成果一方面，用PCA结合LDA方法提取线性特征，既可以消除噪声，又可以考虑训练数据的标签信息；另一方面，通过PTSNE和LDA获得非线性结合特征，可以发掘脑电中复杂的非线性内在流形特征。采用有高分类准确率的HELM算法做运动想象脑电信号分类识别，极大的改善了“不适定”的问题。

北京工业大学是一所以工为主，工、理、经、管、文、法、艺术、教育相结合的多科性市属重点大学。8个学科跻身2020年QS世界大学排行榜前500，位列QS2020年世界大学排名中国内地第32，工程学、材料科学、化学、环境科学与生态学、计算机科学、生物学与生物化学6个学科进入ESI前1％。 该成果的第一发明人段立娟教授是IEEE会员，ACM会员，中国密码学会会员，中国计算机学会高级会员，中国人工智能学会科普专委会委员，中国图象图形学学会视觉大数据专委会委员。2003年在中国科学院计算所获得计算机应用技术博士学位。2006年、2009年分别在澳大利亚詹姆斯库克大学、德国波茨坦大学做短期的学术访问。2010.3-2011.3受国家留学基金委资助到Texas大学Austin分校访问。2006年入选北京市委组织部优秀人才培养计划，2012年入选北京市属高等学校青年拔尖人才培育计划，2013年入选北京工业大学“京华人才”。2012年获北京工业大学教育教学成果一等奖。2012年获得中国电子学会二等奖。2015年获得中国电子学会三等奖。

脑电是观测大脑时它是一个不可替代的技术。目前在脑电分析中常用的特征提取方法有时域、频域以及时频域结合。在时域中，峰值检测虽然针对性强，但主观性也强。自回归模型虽然不用先验知识并且主观性相对比较小，但是它对伪迹信号比较敏感。在频域中，功率谱密度可以反映能量变化，但基本上丢失了时域信息。在时频域结合中，小波变换可以获得目标频段的波形，但是它需要目标频段的先验知识。本成果将PCA、LDA和PTSNE进行结合使用的基础上采用HELM算法做运动想象脑电信号分类识别，能够帮助相关从业人员快速获取脑电信号信息。

入门费3000元，提成费按2%提取，许可期限届满日至：2039年3月12日。