-
公开(公告)号：CN119961777A
公开(公告)日：2025-05-09
申请号：CN202510451505.8
申请日：2025-04-11
Applicant: 厦门大学 , 宁波市东方理工高等研究院
IPC: G06F18/2413 , G06F18/2415 , G06F18/2431 , G06F18/214 , G06F18/213 , G06F18/25 , G06N3/0464 , G06N3/045 , G06F18/10 , G06N3/084 , A61B5/00 , A61B5/369
Abstract: 本发明公开了基于并行注意力机制可解释的癫痫发作识别方法和装置，涉及信号检测技术领域，方法包括：构建神经网络模型并进行训练，得到癫痫样发作信号识别模型；获取患者头皮脑电信号，癫痫样发作信号识别模型利用若干卷积层对输入的脑电信号片段进行编码，输出时域编码结果和频域编码结果；分别利用多头注意力架构对时域编码结果和频域编码结果进行特征提取，输出时域特征和频域特征，相加得到融合特征，输入分类器得到分类结果；最后采用注意力块的权重数据和卷积层的梯度信息计算热力图并与脑电信号进行对比，找出预测重点关注部分。本发明分类效果优于传统的卷积神经网络模型，可解决难以高准确率识别跨个体IED信号的问题。
-
公开(公告)号：CN116616800B
公开(公告)日：2023-10-03
申请号：CN202310899158.6
申请日：2023-07-21
Applicant: 厦门大学
Abstract: 本发明公开了一种基于元迁移学习的头皮脑电高频振荡信号识别方法及装置，涉及信号检测领域，通过对头皮脑电信号进行预处理；采用源域数据对端到端的卷积神经网络模型进行训练；构建包括基学习器和元学习器的元迁移学习模型，将端到端的卷积神经网络模型的部分参数作为基学习器的第二特征提取器的初始参数，采用部分源域数据对基学习器进行训练，将训练得到的第二特征提取器的参数迁移至元学习器中，采用另一源域数据对元学习器进行训练；将最终训练得到的元学习器的第二特征提取器和第二分类器的参数迁移至基学习器中；并通过目标域数据进行微调，得到微调后的基学习器。解决难以获取高精度、稳定的跨个体的HFO信号的识别结果的问题。
-
公开(公告)号：CN116616800A
公开(公告)日：2023-08-22
申请号：CN202310899158.6
申请日：2023-07-21
Applicant: 厦门大学
Abstract: 本发明公开了一种基于元迁移学习的头皮脑电高频振荡信号识别方法及装置，涉及信号检测领域，通过对头皮脑电信号进行预处理；采用源域数据对端到端的卷积神经网络模型进行训练；构建包括基学习器和元学习器的元迁移学习模型，将端到端的卷积神经网络模型的部分参数作为基学习器的第二特征提取器的初始参数，采用部分源域数据对基学习器进行训练，将训练得到的第二特征提取器的参数迁移至元学习器中，采用另一源域数据对元学习器进行训练；将最终训练得到的元学习器的第二特征提取器和第二分类器的参数迁移至基学习器中；并通过目标域数据进行微调，得到微调后的基学习器。解决难以获取高精度、稳定的跨个体的HFO信号的识别结果的问题。
-
-
Search Results
3
records
(took 0.054 seconds)
