Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 成都信息工程大学王家强获国家专利权

成都信息工程大学王家强获国家专利权

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!

龙图腾网获悉成都信息工程大学申请的专利用于脑电伪迹去除的基于卷积注意力的自适应分离网络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:CN119867786B

龙图腾网通过国家知识产权局官网在2025-11-28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:202411932992.1,技术领域涉及:A61B5/372;该发明授权用于脑电伪迹去除的基于卷积注意力的自适应分离网络是由王家强;谢佳欣;李芃锐;刘世洪;陈俊;王录涛;郜东瑞设计研发完成,并于2024-12-26向国家知识产权局提交的专利申请。

用于脑电伪迹去除的基于卷积注意力的自适应分离网络在说明书摘要公布了:本发明公开了一种用于脑电伪迹去除的基于卷积注意力的自适应分离网络,包括顺序连接的编码模块、分离模块和解码模块;编码模块包含一个输入模块、三个子模块A和三个下采样模块,三个子模块A顺次连接,每个子模块A后连接一个下采样模块;所述分离模块包括由多个时序卷积模块组合而成的子模块B、PRelu激活函数、点卷积、sigmod激活函数;解码模块包括三个子模块C、三个上采样模块和输出模块,三个子模块C依次连接,每个子模块C之前连接一个上采样模块,第三个子模块C的输出与输出模块相连。本发明可以高效的从受污染的原始脑电图中提取干净的脑电信号,对脑电信号的自动且实时的预处理有重要意义。

本发明授权用于脑电伪迹去除的基于卷积注意力的自适应分离网络在权利要求书中公布了:1.用于脑电伪迹去除的基于卷积注意力的自适应分离网络,其特征在于,包括顺序连接的编码模块、分离模块和解码模块;网络的输入是单通道的被污染EEG信号,输出为纯净的EEG信号; 1所述编码模块包含一个输入模块、三个子模块A和三个下采样模块,三个子模块A顺次连接,每个子模块A后连接一个下采样模块; 输入模块使用标准一维卷积将一维的输入数据转换为具有序列和通道两个维度的二维数据,如下公式所示: X=InputBlockPE1 PE表示被污染EEG信号,X表示输入模块转换后的输出矩阵;InputBlock表示输入模块; 子模块A和下采样模块的编码过程表示为: E1=CABSX2 E2=CABSDownSamplingE13 E3=CABSDownSamplingE24 M1=E35 E1、E2、E3分别表示三个子模块A输出的编码特征,M1表示潜特征,CABS表示子模块A,DownSampling表示下采样模块; 2所述分离模块包括:由多个时序卷积模块顺序连接组合而成的子模块B、PRelu激活函数、点卷积模块、sigmod激活函数,子模块B、PRelu激活、点卷积模块、sigmod激活函数依次连接;潜特征M1经过这些模块得到与脑电信号相关的特征的权重,然后将权重与潜特征M1相乘,得到新的潜特征M2,实现潜特征的自适应分离;具体过程如下公式所示: F=PReluTCBSM16 W=SigmoidPointConvF7 M2=W*M18 W表示与脑电信号相关的特征的权重,TCBS表示子模块B,PointConv表示点卷积; 3所述解码模块包括三个子模块C、三个上采样模块和输出模块,三个子模块C依次连接,每个子模块C之前连接一个上采样模块,第三个子模块C的输出与输出模块相连;其中,第一个子模块C的输入为第三个子模块A和第一个上采样模块的输出的组合,第二个子模块C的输入为第二个子模块A和第二个上采样模块的输出的组合,第三个子模块C的输入为第一个子模块A和第三个上采样模块的输出的组合;子模块C和上采样模块的解码过程如下公式所示: M3=UpSamplingM29 D1=UpSamplingCABSM3+E310 D2=UpSamplingCABSD1+E211 D3=CABSD2+E112 CABS表示子模块C,UpSampling表示上采样模块; 输出模块使用卷积核大小为3的标准一维卷积将具有序列和通道两个维度的二维数据转为一维的重构脑电数据,得到纯净的EEG信号,如下公式所示: CE=OutBlockD313 CE表示重构EEG,OutBlock表示输出模块; 所述子模块A和子模块C的结构相同,都包含多个依次连接的卷积注意力模块,卷积注意力模块包含顺次连接的层规范A、逐点卷积A、深度卷积、门激活函数A、通道注意力模块、空间注意力模块、逐点卷积B、层规范B、逐点卷积C、门激活函数B、逐点卷积D,层规范B的输入和层规范A的输入与逐点卷积B的输出的组合,将层规范B的输入和逐点卷积D的输出组合后作为子模块的输出。

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成都信息工程大学,其通讯地址为:610225 四川省成都市西南航空港经济开发区学府路1段24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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。