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：西安电子科技大学
申请日：2024-05-15
公开（公告）日：2024-06-14
公开（公告）号：CN118177837A
主分类号：A61B5/369
分类号：A61B5/369;A61B5/372;A61B5/00;G06F18/213;G06F18/2413;G06F18/2415;G06F18/25;G06N3/0464;G06N3/082
优先权：
专利状态码：在审-公开
法律状态：2024.06.14#公开
摘要：本发明公开了一种基于多模态证据学习的癫痫脑电数据识别方法及装置，属于人工智能和信号处理技术领域，该方法包括：基于构建的多模态下初始态特征，利用模态学习深度神经网络从初始模态特征提取对应模态的高层模态特征，再利用证据学习深度神经网络从高层模态特征中收集每个类别的证据特征，并在证据融合阶段为不同模态的证据赋予不同证据融合权重，最后根据融合的证据可以获得待处理癫痫脑电数据的识别结果，同时根据融合证据可以计算待处理癫痫脑电数据的总体不确定度，利用该总体不确定度对识别结果的可信性进行评估。本发明具有数据利用率高、分类准确率高、抵抗噪声能力性强等优势。
主权项：1.一种基于多模态证据学习的癫痫脑电数据识别方法，其特征在于，所述方法包括：对待处理癫痫脑电数据进行预处理；构建预处理后的待处理癫痫脑电数据在多个模态下的初始模态特征；利用每个模态的预先训练好的模态学习深度神经网络，从对应模态的初始模态特征中提取高层模态特征；利用每个模态的预先训练好的证据学习深度神经网络，从所述高层模态特征中收集对应模态下每一类别的证据特征；根据所述证据特征计算对应模态下属于每一类别的置信度；根据所述置信度计算模态间属于每一类别的证据融合权重，并根据所述证据融合权重和所述证据特征计算属于每一类别的融合证据；根据所述融合证据计算所述待处理癫痫脑电数据属于每一类别的概率值，选择最大概率值对应的类别作为所述待处理癫痫脑电数据的识别结果；根据最大概率值对应的类别确定该类别的融合证据，根据该类别的融合证据计算所述待处理癫痫脑电数据的总体不确定度，并根据所述总体不确定度对所述待处理癫痫脑电数据的识别结果的可信性进行评估。
全文数据：
权利要求：
百度查询： 西安电子科技大学 基于多模态证据学习的癫痫脑电数据识别方法及装置
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