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时序图结构学习的脑电特征提取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：CN118121211B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202410306161.7，技术领域涉及：A61B5/369；该发明授权一种基于时序图结构学习的脑电特征提取方法是由祁玉;张馨宇;练琪;王跃明;张建民;朱君明设计研发完成，并于2024-03-18向国家知识产权局提交的专利申请。

本一种基于时序图结构学习的脑电特征提取方法在说明书摘要公布了：本发明公开了一种基于时序图结构学习的脑电特征提取方法，包括：获取脑电信号数据，预处理后将脑电信号划分成时长一致的信号切片，将数据划分为训练集和测试集；对每一个样本，提取三维矩阵形式的频域特征和一维向量形式的功率谱特征，转换到对数空间并标准化；将三维矩阵形式的频域特征输入分组时序卷积神经网络提取节点特征；使用节点特征进行图结构学习；以一维向量形式的功率谱特征为节点属性，计算所得图结构的图表征；将图表征输入分类器，计算损失函数，训练并评估模型性能。本发明能够同时处理脑电信号单通道的时变性和通道间的连接关系时变性，在分类癫痫发作间期和癫痫发作前期脑电信号的问题上取得了良好的性能。

本发明授权一种基于时序图结构学习的脑电特征提取方法在权利要求书中公布了：1.一种基于时序图结构学习的脑电特征提取方法，其特征在于，包括以下步骤： 1提取脑电信号数据进行预处理，使用滑窗方法将脑电信号划分成时长一致的信号切片，并将信号切片数据划分为训练集和测试集； 2对训练集和测试集中的每一个信号切片数据，提取三维矩阵形式的频域特征和一维向量形式的功率谱特征； 3将所有提取到的频域特征和功率谱特征转换到对数空间并进行标准化； 4构建由若干个时序残差模块堆叠形成的分组时序卷积神经网络，将训练集中经过步骤3处理后的频域特征输入该分组时序卷积神经网络，得到由低层到高层的时序残差模块的输出； 5对每一层时序残差模块的输出，以该输出的每个通道为图节点，每个通道数据作为对应节点的特征，使用图结构学习方法得到图节点间的连接关系； 6以经过步骤3处理的各通道各频率功率谱特征为图节点的属性、以步骤5输出的图节点间的连接关系为图邻接矩阵，利用图卷积神经网络计算图表征； 7将步骤6输出的图表征输入分类器，得到分类分数，计算损失函数，根据损失函数使用梯度下降法训练并更新步骤4～7中的模型参数；训练完毕后使用测试集对模型进行测试与评估； 8应用过程中，将待提取特征的脑电信号数据经过步骤1～3的预处理后，依次经过步骤4～6的模型，得到图表征即为所需提取的脑电特征。

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。