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！

龙图腾网获悉哈尔滨工业大学申请的专利基于脑电图的面向跨受试疼痛分类方法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：CN119782880B 。

龙图腾网通过国家知识产权局官网在2025-10-10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：202411842229.X，技术领域涉及：G06F18/24；该发明授权基于脑电图的面向跨受试疼痛分类方法是由高文佳;汤泓;刘丹;王启松;刘莹;王治龙;孙金玮设计研发完成，并于2024-12-13向国家知识产权局提交的专利申请。

本基于脑电图的面向跨受试疼痛分类方法在说明书摘要公布了：基于脑电图的面向跨受试疼痛分类方法，解决如何有效提高跨受试疼痛分类的可靠性且减轻临床数据采集压力的问题，属于脑电图数据评估领域。本发明包括：识别目标受试者和历史数据集中历史受试者疼痛敏感度高度相关的静息EEG特征，并筛选出历史数据集中与目标受试者有相似疼痛反应的历史受试者，组成目标受试者的源受试者集合；利用源受试者集合构建伪标签，并在考虑认知等实验动态因素的情况下优化源受试者集合，得到源域；利用源域和目标域进行自适应迁移学习，对所有源域学习后得到的目标域的标签进行加权融合，得到目标受试者的预测分类结果，完成分类。

本发明授权基于脑电图的面向跨受试疼痛分类方法在权利要求书中公布了：1.基于脑电图的面向跨受试疼痛分类方法，其特征在于，所述方法包括： 以跨受试者为目标受试者，基于历史数据集中静息脑电信号对历史受试者进行筛选，筛选得到的历史受试者作为目标受试者的源受试者，并组成源受试者集合； 根据源受试者集合和目标受试者的疼痛脑电图，得到源受试者集合和目标受试者的疼痛特征； 利用源受试者集合的疼痛特征和真实标签训练出1号标签预测模型，利用1号标签预测模型预测目标受试者的伪标签，目标受试者的疼痛特征和伪标签作为目标域； 利用目标受试者的疼痛特征和伪标签训练2号标签预测模型，并利用2号标签预测模型对源受试者集合的疼痛标签进行预测，并根据得到的预测标签和真实标签，计算分类准确率，将分类准确率从高到低进行排名，并选择排名前的源受试者的疼痛特征和真实标签作为源域，为设定值； 利用源域和目标域进行自适应迁移学习，得到学习各源域后目标受试者的预测结果，进行融合，得到最终预测结果，完成分类； 基于历史数据集中静息脑电信号对历史受试者进行筛选，筛选得到的历史受试者作为目标受试者的源受试者的方法包括： 获取目标受试者和历史受试者由疼痛脑区映射的静息脑电信号； 计算中每个通道的相对功率谱密度特征，识别出P个统计显著的疼痛敏感性特征，，并构成疼痛敏感性特征向量； 计算目标受试者的疼痛敏感性特征向量和历史受试者j的疼痛敏感性特征向量之间的相似度； 根据计算的所有相似度进行聚类，选择聚类后相似度平均值最大的簇，簇内的历史受试者组成目标受试者的源受试者集合，，是源受试者集合中历史受试者的个数； 获取目标受试者和历史受试者由疼痛脑区映射的静息脑电信号的方法包括： 目标受试者和历史受试者的静息脑电信号为，通过线性配置单层边界元法获得引线场矩阵，再通过动态统计参数映射求解脑电逆问题，得到脑源信号： 其中，表示脑源偶极子的数量，是时间样本的数量，是传感器的数量； 保留脑源信号中与疼痛脑区对应的脑源信号，将其余非疼痛脑源信号置为零，得到，获得由疼痛脑区映射的静息脑电信号。

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哈尔滨工业大学，其通讯地址为：150001 黑龙江省哈尔滨市南岗区西大直街92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。