-
公开(公告)号：CN117171649A
公开(公告)日：2023-12-05
申请号：CN202311209391.3
申请日：2023-09-19
Applicant: 浙江大学
IPC: G06F18/241 , G06F18/25 , G06N3/0455 , G06N3/0464 , G06N3/0895 , G06F123/02
Abstract: 本发明公开了一种基于一致性学习的模糊分段时间序列分类方法和系统，属于时间序列和模式识别技术领域。将给定的时间序列数据划分为若干时间段；利用编码器模块提取各时间段的局部表示，基于所述的局部表征编码各时间段的全局关联表示；利用上下文感知的连贯预测模块根据各时间段的全局关联表示进行自身预测和上下文预测，根据双曲正切函数拟合上下文预测的单调性，得到约束后的上下文预测；结合自身预测和约束后的上下文预测得到各时间段的最终预测。本发明通过基于噪声标签学习和课程学习技术的一致性标签学习设计，协调不同来源的标签，从而得到更鲁棒、更一致的分类模型。
-
公开(公告)号：CN114931362A
公开(公告)日：2022-08-23
申请号：CN202210655871.1
申请日：2022-06-10
Applicant: 浙江大学
Abstract: 本发明提出了一种基于差分矩阵的跨患者的癫痫波检测方法、系统和存储介质，属于信号处理和模式识别技术领域。获取待检测片段的原始脑电信号数据，并在前后两侧拼接局部上下文参考、正常波形参考和全局近似发作波形参考，构建待检测片段的增广数据；提取增广数据的不同指标的特征，构成不同指标的差分矩阵，将所述的不同指标的差分矩阵拼接，得到待检测片段的合成差分矩阵；对待检测片段的合成差分矩阵进行迭代编码，对编码结果进行分类，得到待检测段是否是癫痫发作的检测结果。本发明通过利用癫痫脑波与正常脑波在斜率、振幅以及强度三个方面的差异以及三个重要的参考，结合差分操作和专用的卷积神经网络，实现了在SEEG数据上的癫痫检测。
-
公开(公告)号：CN114931362B
公开(公告)日：2025-04-18
申请号：CN202210655871.1
申请日：2022-06-10
Applicant: 浙江大学 , 诺尔产学研科技(广州)有限公司
Abstract: 本发明提出了一种基于差分矩阵的跨患者的癫痫波检测方法、系统和存储介质，属于信号处理和模式识别技术领域。获取待检测片段的原始脑电信号数据，并在前后两侧拼接局部上下文参考、正常波形参考和全局近似发作波形参考，构建待检测片段的增广数据；提取增广数据的不同指标的特征，构成不同指标的差分矩阵，将所述的不同指标的差分矩阵拼接，得到待检测片段的合成差分矩阵；对待检测片段的合成差分矩阵进行迭代编码，对编码结果进行分类，得到待检测段是否是癫痫发作的检测结果。本发明通过利用癫痫脑波与正常脑波在斜率、振幅以及强度三个方面的差异以及三个重要的参考，结合差分操作和专用的卷积神经网络，实现了在SEEG数据上的癫痫检测。
-
公开(公告)号：CN114938946A
公开(公告)日：2022-08-26
申请号：CN202210655910.8
申请日：2022-06-10
Applicant: 浙江大学
Abstract: 本发明公开了一种基于分层图扩散学习的SEEG癫痫波检测方法、系统和存储介质，属于信号处理和模式识别技术领域。方法包括获取原始SEEG信号，提取各时间段表征，所述的各时间段表征包括各时间段信道表征、各时间段区域表征和各时间段患者表征；基于图结构学习和脑波扩散过程，交替执行跨时间扩散和时间内扩散，得到各时间段内扩散后的表征，所述的各时间段内扩散后的表征包括各时间段内扩散后的信道表征、各时间段内扩散后的区域表征和各时间段内扩散后的患者表征；以三个层面的各时间段出现癫痫发作的概率设计损失函数，在进行SEEG癫痫波检测时，仅根据信道层面的各时间段出现癫痫发作的概率获得最终检测结果。
-
-
-
Search Results
4
records
(took 0.014 seconds)
