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！

龙图腾网获悉中山大学申请的专利基于EEG脑电分析与深度学习的耳鸣分级方法及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：CN119970014B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202510067271.7，技术领域涉及：A61B5/12；该发明授权基于EEG脑电分析与深度学习的耳鸣分级方法及系统是由王昌栋;陈圳煌;刘佳瑜;王泓沣;胡舸耀;李程;蔡跃新设计研发完成，并于2025-01-16向国家知识产权局提交的专利申请。

本基于EEG脑电分析与深度学习的耳鸣分级方法及系统在说明书摘要公布了：本发明公开了基于EEG脑电分析与深度学习的耳鸣分级方法及系统，涉及耳鸣分级技术领域，包括：在预训练阶段，将不同耳鸣严重程度的耳鸣患者的EEG信号转化为EEG图输入到EEG自编码器中，提取EEG信号中的潜在特征，并在下游微调阶段输入五分类的线性分类器中，得到每个耳鸣严重级别的概率，根据概率预测耳鸣的严重程度。经过训练，得到一个包含用于EEG特征提取的EEG自编码器和用于生成患者耳鸣严重程度的线性分类器的深度神经网络模型。使用深度神经网络模型获取待分级耳鸣患者的耳鸣严重程度属于五个等级中每个严重级别的概率，从而精准预测耳鸣的严重程度，有助于医疗人员为患者制定个性化的康复方案。

本发明授权基于EEG脑电分析与深度学习的耳鸣分级方法及系统在权利要求书中公布了：1.一种基于EEG脑电分析与深度学习的耳鸣分级方法，其特征在于，包括以下步骤： 收集不同耳鸣严重程度的耳鸣患者静息状态EEG信号并进行预处理，将预处理后的EEG信号转化为EEG图； 其中，将预处理后的EEG信号转化为EEG图，具体为： 获取不同耳鸣严重程度耳鸣患者的预处理后的EEG信号，其中为电极个数，为每个电极的采样点个数； 将所述预处理后的EEG信号进行图表示，将每个电极视为节点，并根据电极之间的相关性构建边结构，图表示所得EEG图记为，其中表示节点的属性，表示边结构的加权邻接矩阵； 对于所述加权邻接矩阵，其中的矩阵元素表示节点和节点的EEG信号之间的滞后相干性，表示为： ， 其中表示节点在时间时的EEG信号，表示在延迟个时间单位后的信号，表示随机变量的平均值的期望算子； 在预训练阶段，将所述EEG图输入到基于GCN框架的EEG自编码器中进行预训练，获取用于EEG特征提取的EEG自编码器； 所述EEG自编码器包括编码器及解码器，所述编码器由两层GCN层组成，在预训练阶段，使用所述编码器对EEG图进行编码，获取EEG图的低维特征表示； 所述解码器包括属性解码器和结构解码器，使用所述属性解码器从编码后的低维特征表示中重构节点属性，应用一系列反卷积将数据拓展回原始特征空间； 使用所述结构解码器根据编码后的低维特征表示获取EEG图中节点之间的关系重构邻接矩阵，恢复EEG图中的连通关系，所述结构解码器预测每对节点之间是否存在连通； 在所述EEG自编码器中，通过原始节点特征矩阵与重构节点特征矩阵之间的L2范数平衡属性的重构有效性，其中属性的重构有效性表示为： ， 通过原始邻接矩阵与重构邻接矩阵之间的L2范数平衡结构的重构有效性，其中结构的重构有效性表示为： ， 从属性及结构两方面对重构进行综合评价，定义EEG自编码器的损失函数，对所述EEG自编码器进行迭代训练，直至损失函数收敛，所述损失函数表示为： ， 其中表示超参数，用于平衡属性重构及结构重构的重要性； 在下游微调阶段，训练五分类线性分类器，获取用于生成患者耳鸣严重程度的线性分类器，使用训练好的EEG自编码器及线性分类器构建深度神经网络模型； 获取待分级耳鸣患者经过预处理后的EEG信号，转化为EEG图输入到深度神经网络模型中，输出待分级耳鸣患者的耳鸣严重程度属于五个等级严重级别的概率，预测耳鸣的严重程度。

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山大学，其通讯地址为：510000 广东省广州市海珠区新港西路135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。