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！

龙图腾网获悉浙江大学申请的专利一种基于特征解耦的跨个体癫痫预测域泛化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：CN120280158B 。

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：202510751789.2，技术领域涉及：G16H50/30；该发明授权一种基于特征解耦的跨个体癫痫预测域泛化方法是由赵莎;张偲博;李石坚;潘纲设计研发完成，并于2025-06-06向国家知识产权局提交的专利申请。

本一种基于特征解耦的跨个体癫痫预测域泛化方法在说明书摘要公布了：本发明公开了一种基于特征解耦的跨个体癫痫预测域泛化方法，该方法通过提取多种癫痫预测中常用的时频特征，利用时空多尺度卷积神经网络进行有效融合，充分捕捉EEG信号中的短期与长期依赖关系及局部与全局空间结构；进而通过特征解耦策略将融合特征划分为域不变特征与域相关特征，并采用对抗训练抑制域不变特征中包含的个体信息，从而提升模型在未知受试者数据上的泛化能力。本发明显著提升了跨受试癫痫预测的准确性，减少了对新受试者长期数据采集的依赖，为癫痫预测的实际应用提供了切实可行的技术路径。

本发明授权一种基于特征解耦的跨个体癫痫预测域泛化方法在权利要求书中公布了：1.一种基于特征解耦的跨个体癫痫预测域泛化方法，包括如下步骤： 1获取癫痫患者的脑电数据集，对数据集进行预处理并将其划分为训练集和测试集，具体实现方式为：对于数据集中的EEG信号，首先移除在57～63Hz以及117～123Hz范围内的频率成分以及0Hz的直流成分，随后按照电极顺序重排脑电图记录，选择受试者EEG信号中共有的18个通道；然后对连续的EEG信号进行划分，将癫痫发作前30分钟作为发作前期，将癫痫发作前后4小时以外的信号时段作为发作间期，并对这两个时期的信号数据打上对应的标签；以5s长度的滑动窗口对EEG信号进行切片得到大量的信号样本，在发作间期不重叠切片，在发作前期半重叠切片；最后只选取每天癫痫发作次数在2～10次内的受试者进行实验，将这些受试者的信号样本对应划分成多个不同的域，采用留一交叉验证策略每次只选取一个域作为测试集，其余的域作为训练集，保证同一受试者的信号样本不会同时出现在训练集和测试集中； 2构建跨个体癫痫预测域泛化模型，其包括： 特征融合模块，用于从EEG信号中提取多种特征，进一步在时间和空间维度对这些特征进行多分辨率的特征提取，得到融合特征； 特征解耦模块，用于将融合特征解耦为域不变特征和域相关特征，利用域不变特征进行分类映射得到癫痫分类结果； 所述特征融合模块包括： 特征对齐模块，将EEG信号分别通过STFT、DWT和WPT提取对应的三种特征，进而通过全连接层将这三种特征映射到同一维度后相加，得到特征图； 多尺度时序卷积模块，将特征图输入至三个卷积核大小不同的一维卷积层，在时间维度上进行卷积后拼接，从而学习到EEG信号中的短期和长期依赖，提升时序特征表达的丰富性； 多尺度空间卷积模块，将多尺度时序卷积模块的输出再次输入至三个卷积核大小不同的一维卷积层，在通道维度上进行卷积后拼接，从而学习到局部和全局的空间信息，最终得到融合特征； 所述特征解耦模块包括： 特征解耦器，用于将融合特征从高维映射到低维得到域不变特征和域相关特征； 分类器，用于对域不变特征进行分类映射得到癫痫分类结果； 域判别器，用于对域相关特征进行分类映射得到受试者ID； 重构器，用于对域不变特征和域相关特征进行重构，还原得到解耦前特征； 3利用训练集对上述模型进行训练，将测试集中的信号样本输入至训练好的模型中进行预测，得到对应的癫痫分类结果；训练过程中采用以下损失函数L： L＝λ1Lce+λ2Ldis+λ3Ladv+λ4Lrecon 其中：Lce为分类损失、Ldis为域判别损失、Ladv为对抗损失、Lrecon为重构损失，λ1～λ4为给定的权重系数，N表示训练集的域数量，Kn表示当前输入域的样本数量，和分别表示训练集中第n个域的第i个信号样本的域不变特征和域相关特征，表示训练集中第n个域的第i个信号样本的标签；C表示分类器，D表示域判别器，GRL表示梯度反转层，表示训练集中第n个域的第i个信号样本的融合特征，表示训练集中第n个域的第i个信号样本的解耦前特征。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。