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！

龙图腾网获悉安徽大学申请的专利基于自适应时空注意力与动态融合网络的癫痫预测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：CN119344751B 。

龙图腾网通过国家知识产权局官网在2025-04-29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：202411897459.6，技术领域涉及：A61B5/372；该发明授权基于自适应时空注意力与动态融合网络的癫痫预测方法是由孙登第;刘彦卿;董长续;赵启元;孙井鹏;丁转莲设计研发完成，并于2024-12-23向国家知识产权局提交的专利申请。

本基于自适应时空注意力与动态融合网络的癫痫预测方法在说明书摘要公布了：本发明公开一种基于自适应时空注意力与动态融合网络的癫痫预测方法，涉及脑信号预处理模块、上下文注意力编码层、远距离内容依赖网络、自适应时序状态空间建模模块和癫痫预测模块；脑信号预处理模块获得对应时域信息和频域信息和邻接矩阵；邻接矩阵视为图结构，图结构各条边的权重输入上下文注意力编码层，提取各通道间的空间特征，通过邻居节点信息的聚合和注意力动态调整权重，输出节点特征矩阵；节点特征矩阵输入远距离内容依赖网络输出全局空间特征和对应时间序列；通过自适应时序状态空间建模模块得到时空动态融合特征；时空动态融合特征输入癫痫预测模块后输出癫痫预测结果。本发明能够精准预测。

本发明授权基于自适应时空注意力与动态融合网络的癫痫预测方法在权利要求书中公布了：1.一种基于自适应时空注意力与动态融合网络的癫痫预测方法，其特征在于，涉及脑信号预处理模块、上下文注意力编码层、远距离内容依赖网络、自适应时序状态空间建模模块和癫痫预测模块，具体的癫痫预测方法包括以下步骤：步骤1、向脑信号预处理模块输入多通道脑电信号，对接收到的EEG信号进行预处理，获得对应时域信息和频域信息，并通过斯皮尔曼相关性计算得到EEG信号空间结构的邻接矩阵，此处所得邻接矩阵为0\1二值矩阵；具体的预处理过程如下：步骤1.1、对原始的多通道脑电信号进行滤波，去除噪声和高频干扰；步骤1.2、对滤波后的EEG信号进行归一化处理，将不同通道的信号标准化到相同的范围内；步骤1.3、对归一化后的EEG信号进行短时傅里叶变换，获得频域信息；步骤1.4，对短时傅里叶变换后的信号按照4s的时间窗口进行切割，将长时段的信号划分为多个较小的窗口，便于进行时序特征的提取；步骤1.5、计算各个通道之间的斯皮尔曼相关性，通过计算斯皮尔曼相关系数，来度量各通道之间的非线性关系，以生成表示脑电信号空间结构的邻接矩阵；斯皮尔曼相关性的计算公式如下： ；其中，n为样本的数量，是第i个数据点在变量X中的轶，是第i个数据点在变量Y中的轶，是轶次差的平方和；步骤2、将步骤1所得邻接矩阵视为图结构，图结构中的节点代表各个EEG通道，斯皮尔曼相关性较高的节点之间建立图结构的边；将各条边的权重输入两层上下文注意力编码层，上下文注意力编码层利用多头图注意力机制提取各通道间的空间特征，通过邻居节点信息的聚合和注意力动态调整权重，最终输出节点特征矩阵；步骤3、步骤2所得节点特征矩阵输入远距离内容依赖网络，远距离内容依赖网络通过多层次窗口自注意力机制SW-MSA捕捉多通道之间的长距离的全局依赖关系，输出全局空间特征和对应时间序列；具体方法为：先将节点特征矩阵分割成合适的非重叠窗口，每个窗口内独立地计算多头自注意力，将窗口位置移动，然后在偏移后的窗口内计算多头自注意力；步骤4、将步骤3所得时间序列输入自适应时序状态空间建模模块，自适应时序状态空间建模模块基于Mamba模块，并结合有状态空间模型SSM和卷积神经网络，通过自适应时序状态空间建模模块得到时空动态融合特征，其中状态空间模型SSM处理序列数据时，通过状态空间变换来动态更新隐藏状态，捕捉EEG信号中的时序依赖，通过状态空间变换和选择机制捕捉EEG信号中的重要时序特征；步骤5、将步骤4所得时空动态融合特征输入癫痫预测模块，所述癫痫预测模块采用全连接层，经全连接层对时空动态融合特征的处理，输出癫痫预测结果。

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安徽大学，其通讯地址为：230601 安徽省合肥市蜀山区经开区九龙路111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”。