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！

龙图腾网获悉中科智禾数字科技(北京)有限公司申请的专利一种基于多模态深度学习的脑电信号数据信号分析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：CN117056704B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202311020739.4，技术领域涉及：G06F18/213；该发明授权一种基于多模态深度学习的脑电信号数据信号分析方法是由王宗;付立军;李旭;刘雨江;丁黎辉设计研发完成，并于2023-08-14向国家知识产权局提交的专利申请。

本一种基于多模态深度学习的脑电信号数据信号分析方法在说明书摘要公布了：本发明属于人工智能与生理信号及医学图像处理领域的交叉领域，提供了一种基于多模态深度学习的脑电信号数据信号分析方法。目的在于解决现有方案，仍需人为设定提取的信号特征，不能完全涵盖west综合症的全部有效特征的问题。主要方案包括提取原始脑电信号数据以及原始肌肉电信号数据，得到二进制数据；数据分离得到多通道时频域数据并划分训练集数据、验证集数据、测试集数据；对深度学习的神经网络模型进行设定，并训练得到最佳的模型参数；然后输入数据进行分类，得到预测每个时间段上的异常的脑电信号数据以及肌肉电信号数据的标注，保存为注释文件。

本发明授权一种基于多模态深度学习的脑电信号数据信号分析方法在权利要求书中公布了：1.一种基于多模态深度学习的脑电信号数据信号分析方法，其特征在于，包括以下步骤： 步骤1：对原始脑电信号数据以及原始肌肉电信号数据进行预处理和分段，得到将分段后的数据格式转化与数据存储，得到二进制数据； 步骤2：对步骤1中得到的二进制数据，根据设定的脑电信号、肌肉电信号通道分离数据，对每条信号通道进行带通滤波和短时傅里叶变换，将后的滤波变换后的时频域数据格式转化与数据存储，得到多通道时频域数据； 步骤3：对步骤2中得到的多通道时频域数据，进行随机化数据划分，得到训练集数据、验证集数据、测试集数据； 步骤4：对深度学习的神经网络模型进行设定，包括用于脑电信号处理的深度卷积神经网络模型、用于肌电信号处理的深度卷积神经网络模型，以及用于同时处理脑电信号和肌电信号的深度卷积神经网络模型，输出两种模态融合的输出结果,步骤4具体包括以下步骤： 步骤4.1：定义一个类NetConcat，用于同时处理脑电信号和肌电信号的深度卷积神经网络模型，该类继承自nn.Module类，并有两个子网络deepEEGnet和deepEMGnet作为属性，deepEEGnet是用于处理脑电信号的网络，该网络输入步骤2中由Spectrogram处理后的脑电信号时频图，deepEMGnet是用于处理肌肉电信号的网络，该网络输入步骤2中由Spectrogram处理后的肌肉信号时频图，deepEEGnet和deepEMGnet都是使用GELU函数，二者都使用Bottleneck作为基本单元； 步骤4.2：在类NetConcat的__init__方法中，接受采样频率、时域卷积层的滤波器个数、批量归一化层的动量和模型的版本作为参数，并用super函数调用父类的__init__方法，然后用deepEEGnet类和deepEMGnet类创建两个子网络，并传入相同的参数； 步骤4.3：在类NetConcat的forward方法中，接受输入的数据作为参数，并用以下步骤实现模型的前向传播： 步骤4.3.1：将输入数据通过脑电时频数据子网络，得到脑电信号的时间频率特征； 步骤4.3.2：将输入数据通过肌肉时频数据子网络，得到肌电信号的时间频率特征； 步骤4.3.3：在第1维度上将两种特征拼接在一起，得到最终输出的特征，并返回融合特征; 步骤5：对步骤3中得到的训练集数据、验证集数据、测试集数据，使用步骤4中的神经网络模型来训练west综合征的是否发作的分类模型，得到最佳的模型参数； 步骤6：对需要进行west综合征发作预测的病人的脑电信号数据和肌肉电信号数据，使用步骤2的技术进行数据处理，然后使用步骤5中的保存最佳的模型参数，进行分类，得到预测每个时间段上的异常的脑电信号数据以及肌肉电信号数据的标注，保存为注释文件。

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科智禾数字科技(北京)有限公司，其通讯地址为：101499 北京市怀柔区北房镇幸福西街3号1幢101室；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。