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！

龙图腾网获悉上海好瑞视智能科技有限公司申请的专利一种集成多模态生理数据的认知障碍风险识别装置和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：CN120585287B 。

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：202511102532.0，技术领域涉及：A61B5/00；该发明授权一种集成多模态生理数据的认知障碍风险识别装置和方法是由董志;王辉设计研发完成，并于2025-08-07向国家知识产权局提交的专利申请。

本一种集成多模态生理数据的认知障碍风险识别装置和方法在说明书摘要公布了：本发明涉及人工智能及生物医学传感技术领域，公开了一种集成多模态生理数据的认知障碍风险识别装置和方法，其中装置包括脑电EEG模块、眼动模块、fNIRS模块、边缘计算模块和加速度传感器；脑电EEG模块采集脑电EEG数据，眼动模块采集眼动eye‑tracking数据，fNIRS模块采集近红外光谱fNIRS数据，并输入至边缘计算模块；边缘计算模块运行多模态时空注意力融合模型，以利用模型输出认知障碍风险评估结果；加速度传感器运行基于运动加速度计的运行动态滤波算法抑制头部运动导致的信号漂移。本发明通过模块化头戴式多模态边缘设备，采集生理数据结合边缘计算模块进行边缘端处理和认知障碍识别筛查，能够低成本、便捷和有效地进行神经退行性疾病早期识别筛查。

本发明授权一种集成多模态生理数据的认知障碍风险识别装置和方法在权利要求书中公布了：1.一种集成多模态生理数据的认知障碍风险识别装置，其特征在于，包括相互连接的脑电EEG模块、眼动模块、fNIRS模块、边缘计算模块和加速度传感器； 所述脑电EEG模块用于采集脑电EEG数据，并输入至所述边缘计算模块； 所述眼动模块用于采集眼动eye-tracking数据，并输入至所述边缘计算模块； 所述fNIRS模块用于采集近红外光谱fNIRS数据，并输入至所述边缘计算模块； 所述加速度传感器运行基于运动加速度计的运行动态滤波算法，以抑制头部运动导致的信号漂移； 所述边缘计算模块用于运行多模态时空注意力融合模型，以利用所述多模态时空注意力融合模型输出认知障碍风险评估结果；具体包括： 所述边缘计算模块的主控芯片包含ARM多核CPU处理器和NPU处理器，运行定制Linux内核；所述边缘计算模块中，多模态时空注意力融合模型包括： 1时间注意力层，用于处理所述脑电EEG数据，对EEG时频矩阵进行LSTM编码，生成时间权重向量；具体包括： 输入经过预处理的所述脑电EEG数据，表现为一个时频矩阵，所述时频矩阵的维度是T×F，其中T代表时间步长，F代表EEG信号的频域特征数量； 将时频矩阵按时间步t依次输入到LSTM网络中，LSTM网络能够捕捉时间序列中的长期依赖关系，在每个时间点t，根据当前输入和前一时刻的隐藏状态，生成一个隐藏状态向量，向量被看作是到t时刻为止的EEG信号特征的浓缩表示； 注意力机制为每个隐藏状态向量计算一个注意力分数，通过前馈神经网络实现，其计算公式为： 其中，为LSTM在时间点t的隐藏状态输出，为注意力网络的可学习权重矩阵，为注意力网络的可学习偏置项，为双曲正切激活函数，用于将计算出的分数进行非线性变换； 计算出的所有时间点的注意力分数通过一个Softmax函数进行归一化，从而得到最终的时间权重向量 其中，是一个长度为T的向量，其中每个元素的值介于0和1之间，且所有元素的总和为1；的值就代表了第j个时间点的EEG数据对于最终判断的重要性，值越大，表明该时间点的脑电活动模式越关键；2空间注意力层，用于处理所述近红外光谱fNIRS数据，对fNIRS功能连接矩阵进行图卷积网络处理，输出脑区权重；具体包括： 输入根据fNIRS信号计算出的功能连接矩阵A，所述功能连接矩阵A是一个S×S的方阵，其中S是预设的脑区数量，矩阵中的元素Ai,j表示第i个脑区和第j个脑区之间的功能连接强度，同时还需要每个脑区的初始特征矩阵H； GCN将功能连接矩阵A作为图的邻接矩阵，对脑区节点特征进行卷积操作，GCN聚合每个节点邻居节点的信息，从而学习到该节点在整个脑网络中的高阶表示，GCN层的传播规则为： 其中，为第层的节点特征矩阵；，添加了自环的邻接矩阵，I是单位矩阵，表示每个脑区也考虑自身的信息；为的度矩阵，用于归一化；为第层的可训练权重矩阵；为激活函数；通过堆叠多层GCN，捕捉到不同脑区之间复杂的相互作用模式； GCN的最终输出每个脑区的高度抽象的特征表示，将GCN输出的特征向量通过一个全局平均池化层或一个全连接层，最终为S个脑区中的每一个都生成一个权重分数； 所述权重分数经过一个Softmax函数进行归一化，最终得到脑区权重向量： 其中，是一个长度为S的向量，其中每个元素代表第i个脑区对于认知障碍风险评估的重要性，值越大，表示该脑区的功能状态越值得关注； 3跨模态融合层，用于将时间权重向量与脑区权重进行张量外积，生成时空注意力图与所述眼动eye-tracking数据拼接后输入全连接层分类器；具体包括： 接收时间权重向量和脑区权重，并进行张量外积运算，生成一个T×S的矩阵，即时空注意力图，其中，计算公式为： 时空注意力图中的每一个元素Mt,s，都是由时间权重t和空间权重s相乘得到，因此Mt,s的值代表在t时刻的s脑区的综合重要性； 4全连接层分类器，用于接收拼接后的数据并判断认知障碍风险评估等级数值，输出认知障碍风险评估结果；具体包括： 数据拼接：首先，将T×S维的时空注意力图进行展平操作，形成一个一维长向量，然后将这个长向量与经过预处理的眼动eye-tracking数据特征向量进行拼接： 将拼接后的长向量输入到一个或多个全连接层中，进行一系列非线性的加权求和运算，深度整合所有输入特征；分类器的最后一层使用一个Softmax激活函数，若风险等级被划分为N个类别，则最后一层就有N个神经元；Softmax层的输出包含N个概率值的向量，每个值对应一个风险等级的概率，所有概率之和为1； 模型最终输出概率最高的那个等级作为认知障碍风险评估结果。

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上海好瑞视智能科技有限公司，其通讯地址为：201206 上海市浦东新区自由贸易试验区新金桥路1348号517室；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。