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！

龙图腾网获悉电子科技大学申请的专利一种基于因果卷积图神经网络的皮层脑网络构建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：CN116756496B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202310718382.0，技术领域涉及：G06F18/15；该发明授权一种基于因果卷积图神经网络的皮层脑网络构建方法是由徐鹏;陈婉钧;张舒涵;易婵林;李存波;李发礼设计研发完成，并于2023-06-16向国家知识产权局提交的专利申请。

本一种基于因果卷积图神经网络的皮层脑网络构建方法在说明书摘要公布了：本发明提出了一种基于因果卷积图神经网络的皮层脑网络构建方法，于皮层脑网络构建领域。从采集的头表EEG信号中直接挖掘大脑皮层源交互模式该方法以端到端方式从头表脑电信号直接挖掘皮层网络。本发明基于深度学习方法挖掘脑电信号与皮层源空间脑网络的端到端的隐式学习关系，直接估计对应于头表记录的脑电信号的皮层有向网络模式，避免了传统显示求解框架——基于脑电溯源后信号采用传统因果网络估计方法进行网络构建——面临的溯源病态、不稳定问题和传统因果网络构建面临的模型、假设约束等问题。能够稳健的从头表脑电信号估计其符合生理意义的皮层因果网络模式，对于时‑空双维度的精细大脑因果交互探索研究具有重要意义。

本发明授权一种基于因果卷积图神经网络的皮层脑网络构建方法在权利要求书中公布了：1.一种基于因果卷积图神经网络的皮层脑网络构建方法，包括以下步骤： 步骤S1：对头表采集的脑电信号进行如下步骤的预处理过程： 采用参考电极标准化技术对脑电信号进行重参考、使用带通滤波滤除信号噪声成分、对信号进行降采样、信号分段、去除含伪迹的信号片段； 步骤S2：随机选取固定通道数量的预处理后的脑电信号作为模拟皮层源神经活动信号的输入，采用多元自回归方程模拟其余皮层源的神经活动信号并构建皮层脑网络连接矩阵； 所述皮层源神经活动及皮层脑网络连接矩阵的生成步骤如下： 步骤S21：设T时间步模拟皮层源信号共有m+n个皮层源；随机选取不同通道的头表脑电信号作为m个皮层源对应的活动信号其余n个皮层源对应的活动信号幅值初始值为0； 步骤S22：对S1t进行多元线性回归拟合，采用最小二乘求解该线性自回归模型的参数取各阶数的模型参数对应位置的元素值的绝对值的总和，得到S1t对应的皮层脑网络连接矩阵模型的阶数P∈[1,3]； 步骤S23：生成均值为0的高斯分布的矩阵排序前α％的元素值保留，令B＝[WO]，则状态空间系统矩阵K＝[BA]T，其中O是零矩阵0P×m×n； 步骤S24：计算状态空间系统矩阵的特征值，若不小于1则重复步骤S23； 步骤S25：根据多元自回归方程生成皮层源信号S2t： 其中，εt表示时刻t的系统噪声，表示第p阶对应的A矩阵； 步骤S26：S2t对应的皮层脑网络连接矩阵令Q＝[D1O]，则皮层源信号S对应的皮层脑网络连接矩阵D＝[QD2]T，其中O是零矩阵0P×m×n； 步骤S3：将步骤S2的皮层源活动信号正向建模得到模拟的头表脑电信号； 步骤S4：将步骤S3得到的头表脑电信号划分训练集和验证集，添加随机噪声并基于通道归一化处理，每一次训练将训练集的模拟的头表脑电信号输入至基于因果卷积的图神经网络，得到皮层脑网络连接矩阵，采用优化算法，计算损失函数和其梯度并更新图神经网络的参数，采用验证集根据损失函数值的大小确定图神经网络的最优参数； 步骤S5：导入训练后确定的最优的图神经网络参数，使用步骤1处理待分析的头表脑电信号，将处理后的头表脑电信号输入至训练好的图神经网络，得到皮层脑网络连接矩阵； 步骤S6：设置阈值得到皮层源间显著的有向连接。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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。