[发明专利]基于脑部计算机界面的图像分类的方法及系统有效
申请号: | 201680043634.2 | 申请日: | 2016-06-02 |
公开(公告)号: | CN107924472B | 公开(公告)日: | 2022-11-25 |
发明(设计)人: | 埃米尔·B·杰瓦;利昂·Y·迪欧尔;谢尔盖·魏斯曼;奥马里·哈里什;然艾·马诺尔;艾坦·内泽尔;夏妮·夏尔吉 | 申请(专利权)人: | 英乐爱有限公司 |
主分类号: | G06V20/20 | 分类号: | G06V20/20;G06V10/22;G06V10/25;G06V10/44;G06V10/77;G06V10/764;G06V10/82;G06N20/10;G06N3/04;G06N3/08 |
代理公司: | 上海翼胜专利商标事务所(普通合伙) 31218 | 代理人: | 翟羽 |
地址: | 以色列荷兹*** | 国省代码: | 暂无信息 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 脑部 计算 机界面 图像 分类 方法 系统 | ||
一种分类一图像的方法被揭露。所述方法包含对所述图像使用一计算机视觉程序,以检测在所述图像中怀疑被一目标占据的多个候选图像区域;向一观察者呈现所述多个候选图像区域中的每一个以作为一视觉刺激,同时从所述观察者的一脑部收集多个神经生理信号;处理所述多个神经生理信号以识别一神经生理事件,所述神经生理事件用以代表所述观察者对所述目标的一检测结果;以及决定在所述图像中所述目标的一存在与否是至少部分地基于对所述神经生理事件的识别而进行的。
本申请案主张2015年6月3日提交的以色列专利申请案第239191号的优先权,其内容通过引用整体并入本文。
技术领域
本发明在一些实施例中是有关于一种脑部计算机界面(BCI),更具体但不排他地关于一种图像分类的方法及系统。
背景技术
脑部计算机界面(BCI)的应用依赖于解码响应于单个事件(试验)的脑部活动,而不是在基础研究中经常研究的平均响应的描写。脑电图(EEG)是一种非侵入性的记录技术,是用于监测脑部活动的多个常用系统之一。脑电图数据为在多个通道中同时被收集以一高时间分辨率,产生用于呈现单个试验脑部活动的高维数据矩阵。除了其无与伦比的时间分辨率之外,脑电图比其他神经影像技术相比是非侵入性的、可穿戴的、并且更便宜的,因此是任何类型切实可行的BCI的首要选择。
传统分类技术使用机器学习算法对单次试验的时空活动矩阵,基于这些矩阵的统计特性,进行分类。这些方法基于两个主要部分:有效降维的特征提取机制及分类算法。典型的分类器使用一样本数据以学习一映射规则,通过所述映射规则,其他测试数据可以被归类为两个或更多个类别中的一个。分类器可以大致分为线性及非线性的方法。非线性分类器,例如神经网络、隐马尔可夫模型及K-最近邻算法),可以近似广泛分布的函数,从而可以区分复杂的数据结构。同时非线性分类器具有捕获复杂的判别函数的潜力,但它们的复杂性也会导致过度拟合并带来繁重的计算需求,使其较不适合实时的应用。
另一方面,线性分类器较不复杂,因此对于数据过度拟合更稳健。线性分类器对可以线性分离的数据执行得特别好。费雪线性判别(FLD)、线性支持向量机(SVM)及逻辑回归(LR)是线性分类器的示例。费雪线性判别(FLD)找出多个特征的一个线性组合,将两个分类的数据映射到一个可分离的投影轴上。分离的标准被定义为多个分类之间的平均的距离与所述多个分类内方差的比率。支持向量机(SVM)找出一个分离的超平面,最大化两个类之间的边界。逻辑回归(LR),顾名思义,将数据投影到一逻辑函数中。
PCT专利申请案公开第WO2014/170897号,其内容通过引用结合于此,公开了一种用于实施一个人类对象的多个脑电图信号的单一试验分类的方法,所述方法生成一系列图像包含多个目标图像及多个非目标图像。所述方法包含:在一时间空间表示法中获得多个脑电图信号包含多个时间点及所述多个脑电图信号相对应的空间分布;使用一线性判别分类器对所述多个时间点进行独立分类,计算一时间空间判别权重;使用所述时间空间判别权重分别通过所述时间空间点处的所述时空区别权重来放大所述时间空间表示,创建一空间加权表示;利用一时域上的主成分分析(PCA)进行降维,分别为所述多个脑电图信号的每个空间波段创建一主成分分析投影;使用所述主成分分析投影到所述空间加权表示到多个第一主分量上,创建包含每个空间波段的一时间近似空间加权表示,对于多个主时间投影的主成分分析系数;并在多个波段上对所述时间近似空间加权表示进行分类,使用所述线性判别分类器,以产生一二进制决策系列,用以表示多个图像系列中的每个图像为属于所述目标图像或所述非目标图像。
发明内容
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于英乐爱有限公司,未经英乐爱有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201680043634.2/2.html,转载请声明来源钻瓜专利网。