公开(公告)号：CN115736828A

公开(公告)日：2023-03-07

申请号：CN202211424261.7

申请日：2022-11-14

Applicant: 北京邮电大学

Inventor： 康桂霞 ,  王盈 ,  包正峰

IPC: A61B5/00 ,  A61B5/374 ,  G06F18/213 ,  G06F18/24 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于脑网络特征和单导联特征的癫痫信号检测方法及装置，首先利用双分支结构的多尺度神经网络提取不同频域的单导联特征；然后利用基于皮尔逊相关性构建的时变脑网络提取脑网络时变特征，通过卷积层提取抽象高阶脑网络时变特征；再将抽象高阶脑网络时变特征和不同频域的单导联特征进行自适应特征融合，评估信号的致痫性。本发明不仅考虑了单通道SEEG数据的多尺度特征，而且通过脑功能网络获得了通道之间的相关性，使模型能够更全面地评估信号的致癫痫性，同时将交叉规范和自我规范被创新地应用于减少个体差异，本发明方法在检测癫痫信号的应用上表现出高准确率和高敏感度。

公开(公告)号：CN115631188A

公开(公告)日：2023-01-20

申请号：CN202211404450.8

申请日：2022-11-10

Applicant: 北京邮电大学

Inventor： 康桂霞 ,  包正峰 ,  王盈

IPC: G06T7/00 ,  G06V10/26 ,  G06V10/80 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种基于混合侧向连接的多通道网络，首先，使用多模态编码器提取多模态影像数据，同时使用SE模块增加通道注意力。然后使用侧向连接的方法，融合每次下采样后得到的不同模态的相同尺寸特征。最后，将这些混合特征与解码器上采样过程中得到的特征进行拼接，从而最大限度地利用每种模态的特征。该网络结构很好地解决了多编码器的特征融合问题，可应用于临床多模态成像任务。实验结果也表明，本发明提出的混合侧向连接网络可以在TC和ET的分割中取得最好的效果，可将其推广到其他图像分割任务中。