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！

龙图腾网获悉安徽医科大学申请的专利基于注意力分频卷积神经网络的脑电神经反馈系统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：CN116392699B 。

龙图腾网通过国家知识产权局官网在2025-06-27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：202310490363.7，技术领域涉及：A61M21/00；该发明授权基于注意力分频卷积神经网络的脑电神经反馈系统是由卜俊杰;刘家芳;杨丽设计研发完成，并于2023-05-04向国家知识产权局提交的专利申请。

本基于注意力分频卷积神经网络的脑电神经反馈系统在说明书摘要公布了：本发明涉及一种基于注意力分频卷积神经网络的脑电神经反馈系统，包括：离线脑电信号采集模块：用于采集受试者在特定线索条件诱发下的脑电信号；脑电信号预处理模块：用于对脑电信号进行预处理，获得预处理后的脑电数据；离线模型训练模块：用于对预处理后的脑电数据进行训练，获取最优网络模型；神经反馈实时调节模块：用于在神经反馈时，加载最优网络模型，得到脑电信号的预测结果，受试者基于该预测结果进行实时的自我调节，以达到大脑状态的调节。本发明提供的系统提高神经反馈线上实时调节的准确性，实现对大脑认知状态的高精度识别，从而达到更加精准的治疗。

本发明授权基于注意力分频卷积神经网络的脑电神经反馈系统在权利要求书中公布了：1.一种基于注意力分频卷积神经网络的脑电神经反馈系统，其特征在于，包括： 离线脑电信号采集模块：用于采集受试者在特定线索条件诱发下的脑电信号； 脑电信号预处理模块：用于对所述脑电信号进行预处理，获得预处理后的脑电数据； 离线模型训练模块：用于对所述预处理后的脑电数据进行训练，获取最优网络模型所述离线模型训练模块，具体包括： 步骤S1：将所述预处理后的脑电数据分为训练集、验证集和测试集；将所述训练集输入基于注意力分频卷积神经网络进行训练，具体包括下述步骤： 步骤S11：输入层用于接收所述预处理后的脑电数据； 步骤S12：卷积层采用FBCSP算法从所述预处理后的脑电数据中提取每一个类别的特征矩阵： = 其中，为预处理后的脑电数据，其大小为，其中是信号的时间点，是信号的电极数量；是大小为的三维滤波器数组，其中是滤波器的数量； 对于每一个类别的特征矩阵y，计算其协方差矩阵，将所有类别的协方差矩阵相加，得到总协方差矩阵；计算所述总协方差矩阵的正交投影矩阵，使得投影后的特征方差最大，同时该特征可以区分出该类别与其他类别，其中的计算公式如下： 其中，和分别表示是两个类别的类协方差矩阵，和分别是对应的协方差矩阵，和是其均值； 使用空间计算模式方法得到特征向量和特征值，将得到所述特征向量按照特征值大小排序，选取前n个特征向量，得到特征图； 步骤S13：将所述特征图经过BatchNormalization层进行归一化处理，得到归一化特征图； 步骤S14：将所述归一化特征图经过激活层进行非线性转换，引入非线性因素，输出结果为非线性激活的特征图： 步骤S15：对所述非线性激活的特征图进行下采样，减小特征图的大小，得到池化后的特征图； 步骤S16：将所述池化后的特征图经过Dropout层，随机将一部分神经元的输出设置为0，从而减少神经元之间的相互依赖，避免过拟合，输出多通道特征图； 步骤S17：将所述多通道特征图经过Attention层，计算所述多通道特征图不同位置之间关系的机制，在不同的时间步骤上赋予不同的重要性，得到加权特征图；通过以下公式来计算所述加权特征图的每个位置的attention输出： 其中，Q,K,V分别表示所述多通道特征图中每个位置对应的Query、Key和Value，表示每个位置的Key向量的维度； 步骤S18：将所述加权特征图经过全连接层进行扁平化处理，输出为一维向量，其中每个值代表一个类别的概率估计值，所述一维向量的长度等于所涉及的类别总数； 步骤S19：将所述全连接层的输出转化为分类结果； 步骤S2：在离线模型训练中，通过调整学习率、权重初始值进行迭代训练，获得最优网络模型，实现对不同状态的所述脑电信号的预测和分类； 神经反馈实时调节模块：用于在神经反馈时，加载所述最优网络模型，得到脑电信号的预测结果，所述受试者基于该预测结果进行实时的自我调节，以达到大脑状态的调节。

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医科大学，其通讯地址为：230032 安徽省合肥市梅山路81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”。