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！

龙图腾网恭喜安徽大学申请的专利一种基于注意力机制和集成学习的睡眠分期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：CN114398932B 。

龙图腾网通过国家知识产权局官网在2025-06-13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：202210054298.9，技术领域涉及：G06F18/10；该发明授权一种基于注意力机制和集成学习的睡眠分期方法是由夏懿;方永康健;张诚志;许洋洋设计研发完成，并于2022-01-18向国家知识产权局提交的专利申请。

本一种基于注意力机制和集成学习的睡眠分期方法在说明书摘要公布了：本发明公开了一种基于注意力机制和集成学习的睡眠分期方法，涉及信号处理技术领域。获取一维原始脑电图EEG信号，对一维原始EEG信号进行预处理，得到对应的二维时频信号；将一维原始EEG信号和二维时频信号，输入预先训练好的双分支卷积神经网络中，获取一维原始EEG信号的不同预设频率范围的第一特征，以及二维时频信号的多尺度细化特征；双分支卷积神经网络是使用集成学习算法进行训练而得；集成学习算法用于增加训练网络模型过程中，样本数较少的样本的权重；将第一特征和多尺度细化特征进行融合，将融合后的特征输入分类器，得到一维原始EEG信号的睡眠分期结果。丰富了提取的信号特征，而且减小了数据集类别不平衡的问题。

本发明授权一种基于注意力机制和集成学习的睡眠分期方法在权利要求书中公布了：1.一种基于注意力机制和集成学习的睡眠分期方法，其特征在于，所述方法包括： 获取一维原始EEG信号，对所述一维原始EEG信号进行预处理，得到对应的二维时频信号； 将所述一维原始EEG信号和所述二维时频信号，输入预先训练好的双分支卷积神经网络中，获取所述一维原始EEG信号的不同预设频率范围的第一特征，以及所述二维时频信号的多尺度细化特征；所述双分支卷积神经网络是使用集成学习算法进行训练而得；所述集成学习算法用于增加训练网络模型过程中，样本数较少的样本的权重； 将所述第一特征和所述多尺度细化特征进行融合，将融合后的特征输入分类器，得到所述一维原始EEG信号的睡眠分期结果； 所述双分支卷积神经网络包括一维网络和二维网络； 将所述一维原始EEG信号和所述二维时频信号，输入预先训练好的双分支卷积神经网络中，获取所述一维原始EEG信号的不同预设频率范围的第一特征，以及所述二维时频信号的多尺度细化特征，包括： 通过所述一维网络获取所述一维原始EEG信号在不同预设频率范围的特征； 通过所述二维网络获取所述二维时频信号的多尺度细化特征； 所述二维网络为包括多尺度注意力机制模块的ResNet50网络；所述多尺度注意力机制模块包括SPC子模块、SEWeight子模块、Softmax子模块和元素积子模块； 通过所述二维网络获取所述二维时频信号的多尺度细化特征，包括： 将所述二维时频信号输入所述SPC子模块，得到所述二维时频信号在多个分支上不同尺度的特征，作为多尺度特征； 针对每一分支的多尺度特征，将该多尺度特征输入所述SEWeight子模块，得到该分支的第一权重； 针对每一分支的第一权重，通过所述Softmax子模块重新校准该第一权重，获得该分支重新校准的第二权重； 针对每一分支，通过元素积子模块将该分支的第二权重和该分支的多尺度特征结合，得到所述二维时频信号的多尺度细化特征； 将所述二维时频信号输入所述SPC子模块，得到所述二维时频信号在多个分支上不同尺度的特征，作为多尺度特征，包括： 将所述二维时频信号输入所述SPC子模块； 所述SPC子模块，根据公式 Fi＝convki×ki,GiX 得到所述二维时频信号每一分支上的多尺度特征Fi；其中，i的取值范围为0到S-1，其中，conv表示卷积运算，ki表示第i个分支上的卷积核大小，Gi表示第i个分支上的卷积组大小，S表示分支的总个数。

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：230000 安徽省合肥市肥西路3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”。