龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：沈阳航空航天大学
申请日：2024-01-31
公开（公告）日：2024-05-07
公开（公告）号：CN117982102A
主分类号：A61B5/00
分类号：A61B5/00;A61B5/369;A61B5/372;G06F18/25;G06F18/24;G06N3/0464;G06N3/0442;G06N3/09
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.05.24#实质审查的生效;2024.05.07#公开
摘要：本发明公开了一种基于跨链接嵌套子网及混合依存算法的癫痫检测方法及系统，其中所述检测方法包括S1:利用多任务分解模态及频谱变换算法将原始脑电信号数据转换为脑电图；S2:构建跨链接嵌套子网的时序并行多维粒度特征学习模块，将所述频谱图矩阵送入跨链接嵌套子网架构进行时空特征学习；S3:将跨链接嵌套子网分支的输出经过全连接层和位置嵌入求和，将求和与S1脑电图的结果分别输入到混合脑电依存算法，以进行多维脑电依存计算；S4:将混合脑电依存算法的输出送入分类器得到癫痫检测的结果。该方法能够有效的提取基于时频域信号的多维信息，在单通道数据集和多通道数据集上都获得了最佳性能。
主权项：1.一种基于跨链接嵌套子网及混合依存算法的癫痫检测方法，其特征在于，包括S1:采集原始脑电信号数据，利用多任务分解模态及频谱变换算法将原始脑电信号数据转换为脑图；其中利用所述多任务分解模态将每个信号切片中所有通道的原始信号分解成多个模态函数，并按照频率从高到低顺序进行选择来统一其数量；再将每个通道所得到的多个模态函数进行频谱变换；再将得到的频谱图矩阵按顺序拼接成一个频谱图矩阵P，公式如下：P＝P1⊕P2⊕…⊕Pn；S2:构建跨链接嵌套子网的时序并行多维粒度特征学习模块，将所述频谱图矩阵送入跨链接嵌套子网架构进行时空特征学习；S3:将跨链接嵌套子网分支的输出经过全连接层和位置嵌入求和，将求和与S1脑电图的结果分别输入到混合脑电依存算法，以进行多维脑电依存计算，获取脑电图数据中存在的全局知识；S4:将混合脑电依存算法的输出送入分类器得到癫痫检测的结果。
全文数据：
权利要求：
百度查询： 沈阳航空航天大学 基于跨链接嵌套子网及混合依存算法的癫痫检测方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号