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！

龙图腾网获悉中国科学技术大学申请的专利基于神经网络架构搜索的脑电图降噪方法、设备及介质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：CN119564229B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202411739918.8，技术领域涉及：A61B5/372；该发明授权基于神经网络架构搜索的脑电图降噪方法、设备及介质是由陈勋;吴乐;刘爱萍设计研发完成，并于2024-11-29向国家知识产权局提交的专利申请。

本基于神经网络架构搜索的脑电图降噪方法、设备及介质在说明书摘要公布了：本发明涉及脑电图信号降噪技术领域，公开了基于神经网络架构搜索的脑电图降噪方法、设备及介质。该方法先获取包含纯净脑电图信号以及不同信噪比的含噪脑电图信号的数据集；然后定义神经网络架构搜索空间，其卷积操作包括一个小核卷积操作以及多个大核卷积操作；搜索神经网络架构时的普通单元用于提取特征，缩减单元用于减少特征图的维度；再利用训练集和验证集，在神经网络架构搜索空间中搜索普通单元与缩减单元内的最佳操作组合，以确定最佳神经网络架构，并通过最佳神经网络架构优化脑电图降噪模型的模型参数，得到训练且验证合格的脑电图降噪模型；最后将待处理的脑电图数据输入至脑电图降噪模型以进行降噪。本发明可高效去除脑电图噪声。

本发明授权基于神经网络架构搜索的脑电图降噪方法、设备及介质在权利要求书中公布了：1.基于神经网络架构搜索的脑电图降噪方法，其特征在于，包括步骤： S1.获取包含纯净脑电图信号以及不同信噪比的含噪脑电图信号的数据集，将数据集划分为训练集、验证集和测试集； S2.定义神经网络架构搜索空间，其包含卷积操作、平均池化操作以及跳跃连接操作；其中，卷积操作包括一个卷积核大小为3×3的小核卷积操作以及多个卷积核大小均大于3×3且递增的大核卷积操作；搜索神经网络架构时的基本单元分为普通单元和缩减单元，普通单元用于提取特征，缩减单元用于减少特征图的维度； S3.利用所述训练集和验证集，在所述神经网络架构搜索空间中搜索普通单元与缩减单元内的最佳操作组合，以确定最佳神经网络架构，并通过最佳神经网络架构优化脑电图降噪模型的模型参数，从而得到训练且验证合格的脑电图降噪模型；步骤S3中，所述最佳操作组合的确定方法具体包括以下步骤： S31.使用包含所有可能操作的softmax函数来放宽节点之间特定操作的选择，计算过程的表达公式为： 式中，表示当前所有操作的综合输出；o和o'均表示操作；向量和分别为操作o和o'关联的操作混合权重；e为自然底数；xn为中间节点，xm为前驱节点，om,n表示将xm转换为xn的操作，操作o∈O，O为可选的操作集合； S32.通过将替换为具有高权重的操作来导出最终的离散架构；定义操作强度定义为os： S33.定义双层优化问题函数，并通过优化该函数以寻找到适合当下降噪任务的神经网络架构；双层优化问题函数的表达公式如下： 式中，θ为神经网络的架构参数，ω为神经网络的权重；θo表示经过验证集搜索到的网络架构权重参数；ω*θ表示给定θ下，通过训练集优化得到的最优模型参数；和分别表示训练损失和验证损失；步骤S33中，训练损失及验证损失均通过计算模型降噪后脑电信号与真实纯净脑电信号之间的差异得到，采用均方差误差MSE构造损失函数，MSE定义如下： 式中，表示真实的纯净脑电信号，表示由降噪后的重构脑电信号；xc,i和xd,i分别为纯净脑电信号和重构脑电信号的第i个样本点；为实数集；T为样本点总数； 其中，所述训练损失由形态学和频域信息的损失函数集成而得，表达公式为： 式中，表示基于重构脑电信号与纯净脑电信号计算得到的MSE差异；和分别表示基于重构脑电信号的一阶二阶与纯净脑电信号的一阶二阶差分所得的MSE差异；表示频率分量的损失；α1～α4表示四种损失的权重；的表达公式为： 其中，和分别表示纯净脑电信号和重构脑电信号在1～50Hz频率范围内的频谱估计值，共有r个频率点，频谱估计值通过快速傅里叶变换得到的功率谱密度进行Z-score标准化后获得； S34.基于θo选择操作强度最高的操作来确定最终的神经网络架构，使用固定架构θ，通过梯度下降优化降噪模型权重，从而搜索到最佳神经网络架构； S4.将待处理的脑电图数据输入至所述脑电图降噪模型以进行降噪处理。

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中国科学技术大学，其通讯地址为：230001 安徽省合肥市金寨路96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”。

以上内容由龙图腾AI智能生成。