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：中国石油大学(华东)
申请日：2024-05-22
公开（公告）日：2024-06-21
公开（公告）号：CN118216934A
主分类号：A61B5/374
分类号：A61B5/374;A61B5/00;G16H50/20;G06F18/243;G06F18/10;G06F18/2131;G06F18/25
优先权：
专利状态码：在审-公开
法律状态：2024.06.21#公开
摘要：本发明公开小波散射变换与微分熵特征融合的脑电信号分类方法，属于脑电信号分类技术领域，用于脑电信号分类，包括导入采集的脑电波癫痫信号，将样本输入小波散射变换网络，对通道信号进行散射变换，提取二阶分解散射系数，获取通道信号的时频域特征；对通道信号进行微分熵计算，获取通道信号的非线性动力学特征，将时频域特征与非线性动力学特征进行判别相关分析，构建多模态融合特征；将融合特征输入长短期记忆神经网络进行训练学习，利用平均分类准确率对结果进行评估。本发明通过解析信号的时频域特征以及非线性动力学特征，通过特征融合方法降低特征维数，提高了分类准确率，更好地分辨癫痫患者与正常人脑电信号，为诊断治疗提供有效辅助。
主权项：1.小波散射变换与微分熵特征融合的脑电信号分类方法，其特征在于，包括：S1导入采集的脑电波癫痫信号，进行滤波预处理操作；S2对预处理过的脑电波癫痫信号进行分段操作，通过数据增强构建样本库；S3将样本输入小波散射变换网络，对通道信号进行散射变换，提取二阶分解散射系数，获取通道信号的时频域特征；S4对通道信号进行微分熵计算，获取通道信号的非线性动力学特征；S5将时频域特征与非线性动力学特征进行判别相关分析，构建多模态融合特征；S6将融合特征输入长短期记忆神经网络进行训练学习，利用平均分类准确率对结果进行评估。
全文数据：
权利要求：
百度查询： 中国石油大学(华东) 小波散射变换与微分熵特征融合的脑电信号分类方法
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