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！

龙图腾网获悉成都大学;天府绛溪实验室申请的专利一种局部引导全局学习的多流脑电情绪识别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：CN121059190B 。

龙图腾网通过国家知识产权局官网在2026-02-17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：202511617317.4，技术领域涉及：A61B5/372；该发明授权一种局部引导全局学习的多流脑电情绪识别方法是由周楠;韩若祎;杨勇;施开波;王文昊;于钥;谢远伦;彭悦恒设计研发完成，并于2025-11-06向国家知识产权局提交的专利申请。

本一种局部引导全局学习的多流脑电情绪识别方法在说明书摘要公布了：本发明公开了一种局部引导全局学习的多流脑电情绪识别方法，包括：将四个脑区局部流EEG信号分别输入至对应局部流模块的局部自编码特征增强模块，得到局部流重构信号和局部分类结果；计算局部流指导全局流的置信度权重；全局流模块利用全局自编码特征增强模块、局部引导全局学习模块、全局分类器全局分类结果，作为脑电情绪识别结果。本发明提供了克服现有技术中模型对全脑数据盲目整体建模或多流间缺乏动态交互的缺陷，通过利用各功能区局部流的分类性能实时生成权重，引导全局流更加关注关键脑区特征，从而提高情绪识别的准确率与鲁棒性。

本发明授权一种局部引导全局学习的多流脑电情绪识别方法在权利要求书中公布了：1.一种局部引导全局学习的多流脑电情绪识别方法，其特征在于：包括以下步骤： 局部流模块包括顺次连接的局部自编码特征增强模块和局部分类器，所述局部自编码特征增强模块作为特征提取器；所述局部流模块包括四个，分别对应额叶、颞叶、顶叶、枕叶对应位置； 将额叶、颞叶、顶叶、枕叶对应位置的四个脑区局部流EEG信号分别输入至对应局部流模块的局部自编码特征增强模块；所述局部自编码特征增强模块包括两层串联的一维卷积单元Conv1d和一层一维卷积单元Conv1d，其中脑区局部流EEG信号经过两层串联的一维卷积单元Conv1d后得到中间特征F，再经过一层一维卷积单元Conv1d后将中间特征F重构回与输入同维度的局部流重构信号；所述中间特征F还经过包含两层FC单元的分类器后得到脑区局部流EEG信号的局部分类结果Logits； 基于四个局部流模块的分类结果Logits，计算每个局部流模块对每个类别的预测概率，其中每个局部流模块中预测概率最大的类别为对应局部流模块的最可能类别；利用每个局部流模块对每个类别的预测概率和总类别数量C计算得到预测优劣熵，并进一步利用预测优劣熵和对应局部流模块的最可能类别计算得到每个局部流模块的预测结果的复合置信度；将四个局部流模块的复合置信度进行归一化，得到局部流指导全局流的置信度权重； 全局流模块包括顺次连接的全局自编码特征增强模块、局部引导全局学习模块、全局分类器；全局自编码特征增强模块与局部自编码特征增强模块结构相同，将整个大脑的EEG信号输入至全局自编码特征增强模块输出得到全局流特征信号，并将全局流特征信号拆分为对应位置的全局局部特征；局部引导全局学习模块包括四个，分别对应额叶、颞叶、顶叶、枕叶对应位置的局部流模块，每个局部引导全局学习模块首先将对应局部流模块输出的中间特征F展平后、输入线性层得到单个数值、再使用Sigmoid函数映射至[0,1]区间从而获得局部权重；将每个局部流模块输出的局部流中间特征F和对应位置的全局局部特征利用局部权重加权后相加、并乘以所述局部流指导全局流的置信度权重，得到局部脑区特征；将所有局部脑区特征进行拼接得到全局特征；将全局特征输入至全局分类器得到全局分类结果； 将全局分类器输出得到的全局分类结果作为脑电情绪识别结果； 其中，所述利用每个局部流模块对每个类别的预测概率和总类别数量C计算得到预测优劣熵，包括： ； 式中，为预测优劣熵，为每个局部流模块对每个类别的预测概率，r表示第r个脑区，j表示第j个类别。

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大学;天府绛溪实验室，其通讯地址为：610106 四川省成都市龙泉驿区外东十陵镇成洛大道2025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。