龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室)
摘要：本发明公开了一种基于拓扑图的时空多模态棘波检测方法，涉及棘波检测技术领域，对获取到的脑磁图数据通过数据处理后输入到已训练完成后的多模态深度网络模型中，输出对应的棘波预测结果；所述多模态深度网络模型的训练过程如下：构建训练集，将训练集输入到多模态深度网络模型中，输出最后一层特征和中间层特征序列；将所有中间层特征序列进行融合得到中间融合特征，将中间融合特征、最后一层特征基于自注意力机制的融合，得到最终融合特征，将最终融合特征送入分类器中，得到棘波预测结果，基于输出的棘波预测结果构建二元交叉熵损失函数，以对多模态深度网络模型进行训练；该多模态棘波检测方法提高了棘波的检测准确率。
主权项：1.一种基于拓扑图的时空多模态棘波检测方法，其特征在于，对获取到的脑磁图数据通过数据处理后输入到已训练完成后的多模态深度网络模型中，输出对应的棘波预测结果；所述多模态深度网络模型的训练过程如下：步骤一、对癫痫病人发作间期采样的脑磁图数据预处理和数据划分，获得分段脑磁图数据，对分段脑磁图数据进行脑拓扑位置的二维拓扑位置点嵌入和插值获得拓扑图数据；步骤二、将分段脑磁图数据输入到时序模态网络中，输出最后一层时序特征以及时序中间层特征序列；将拓扑图数据输入到图像模态网络中，输出最后一层拓扑特征以及拓扑中间层特征序列；按照时序模态网络从深层到浅层的顺序保留时序中间层特征序列，按照图像模态网络从深层到浅层的顺序保留拓扑中间层特征序列，所保留的时序中间层特征序列与所保留的拓扑中间层特征序列的数目一致；步骤三、将所保留的时序中间层特征序列与所保留的拓扑中间层特征序列融合得到中间融合特征，将中间融合特征、最后一层时序特征、最后一层拓扑特征基于自注意力机制的融合，得到最终融合特征，将最终融合特征送入分类器中，得到棘波预测概率，基于输出的棘波预测概率构建二元交叉熵损失函数，通过梯度反向传播更新模型参数，以对多模态深度网络模型进行训练。
全文数据：
权利要求：
百度查询： 合肥综合性国家科学中心人工智能研究院(安徽省人工智能实验室) 一种基于拓扑图的时空多模态棘波检测方法
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