-
公开(公告)号：CN115211870B
公开(公告)日：2024-07-09
申请号：CN202211015311.6
申请日：2022-08-23
申请人： 浙江大学
摘要： 本发明公开了一种基于多尺度特征融合网络的新生儿脑电信号惊厥放电检测系统。该方法针对新生儿的临床脑电信号数据，基于多尺度融合特征进行异常检测；建立高度并行的多分支一维卷积模型对标记后的新生儿脑电信号数据进行特征提取，多分支一维卷积模型可以在提取出脑电信号多尺度特征的同时，尽可能减小运算时间；使用基于深度网络的集成学习模型，将多个弱监督模型融合为一个强监督模型，最大程度地利用了多尺度融合特征，降低随机噪声的干扰，保证了模型具有较高的抗干扰性。本发明方法是基于数据的深度网络建模方法，网络计算步骤完备，建立的网络模型兼顾了脑电信号的多尺度特征，具有一定的理论价值与实际工程意义。
-
公开(公告)号：CN115211871A
公开(公告)日：2022-10-21
申请号：CN202211017634.9
申请日：2022-08-23
申请人： 浙江大学
摘要： 本发明公开了一种引入注意力机制的时频空域CNN‑LSTM的新生儿惊厥脑电信号分类系统。将采集的数据切片后分别对每一切片的时域、频域所含信息进行特征提取，拼接得到特征向量；按照电极空间关系将多导联脑电信号时、频特征映射为特征矩阵，充分保留电极空间位置信息；在特征处理中引入注意力机制，强化与惊厥症状显著相关的时频空域特征，削减无关信号的干扰；将不同切片得到的特征向量序列送入两层双向LSTM编码后利用自注意力机制，强化与异常显著相关的切片作用和对长时依赖的特征提取能力。本发明是基于多特征注意力的时序信号深度学习分类，充分考虑了脑电信号的时频空域特征，具有一定的理论价值和实际工程意义。
-
公开(公告)号：CN115211870A
公开(公告)日：2022-10-21
申请号：CN202211015311.6
申请日：2022-08-23
申请人： 浙江大学
摘要： 本发明公开了一种基于多尺度特征融合网络的新生儿脑电信号惊厥放电检测系统。该方法针对新生儿的临床脑电信号数据，基于多尺度融合特征进行异常检测；建立高度并行的多分支一维卷积模型对标记后的新生儿脑电信号数据进行特征提取，多分支一维卷积模型可以在提取出脑电信号多尺度特征的同时，尽可能减小运算时间；使用基于深度网络的集成学习模型，将多个弱监督模型融合为一个强监督模型，最大程度地利用了多尺度融合特征，降低随机噪声的干扰，保证了模型具有较高的抗干扰性。本发明方法是基于数据的深度网络建模方法，网络计算步骤完备，建立的网络模型兼顾了脑电信号的多尺度特征，具有一定的理论价值与实际工程意义。
-
公开(公告)号：CN115211869A
公开(公告)日：2022-10-21
申请号：CN202211015305.0
申请日：2022-08-23
申请人： 浙江大学
摘要： 本发明公开了一种基于经验模态分解和卡尔曼滤波的脑电信号去噪方法、装置及系统。针对头部电极采集的信号，发挥了经验模态分解处理非线性非平稳信号的自适应能力，对脑电信号进行自适应分解得到本征模态分量，保证了局部信息的完整性；根据相关性准则对若干本征模态分量进行分类处理；使用卡尔曼滤波算法对本征模态分量信号中与原始脑电信号相似度次高的分量进行去噪处理，避免了卡尔曼滤波在非线性系统下发散问题的同时提升了计算速度，最终得到了去除噪声的脑电信号。本发明是基于数据的信号去噪方法，数据处理步骤完备，选取的算法兼顾了实际脑电信号特征与实际自适应信号模型特征，具有一定的理论价值与实际工程意义。
-
-
-
搜索结果
4 条记录 (耗时 0.028 秒)
