買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜安徽大學(xué)申請的專利一種腦電多指標(biāo)網(wǎng)絡(luò)規(guī)范化建模方法與系統(tǒng)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN119598136B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-05-23發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510142637.2，技術(shù)領(lǐng)域涉及：G06F18/20；該發(fā)明授權(quán)一種腦電多指標(biāo)網(wǎng)絡(luò)規(guī)范化建模方法與系統(tǒng)是由胡世昂;黃霄龍;盛孝亮;呂釗;吳小培;李平;李心慧設(shè)計(jì)研發(fā)完成，并于2025-02-10向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種腦電多指標(biāo)網(wǎng)絡(luò)規(guī)范化建模方法與系統(tǒng)在說明書摘要公布了：本發(fā)明公開了一種腦電多指標(biāo)網(wǎng)絡(luò)規(guī)范化建模方法，包括以下步驟：S1：采用基于大規(guī)模全生命周期多國家腦電交叉譜數(shù)據(jù)集作為原始腦電數(shù)據(jù)，計(jì)算原始腦電數(shù)據(jù)的交叉譜矩陣，并對原始腦電交叉譜矩陣進(jìn)行預(yù)處理；S2：利用預(yù)處理后的原始腦電交叉譜矩陣構(gòu)建加權(quán)無向網(wǎng)絡(luò)，作為腦功能網(wǎng)絡(luò)；S3：計(jì)算所述腦功能網(wǎng)絡(luò)的腦網(wǎng)絡(luò)功能整合、功能分離及中心性三個(gè)維度的網(wǎng)絡(luò)特征，并建立所述網(wǎng)絡(luò)特征的演化軌跡；S4：設(shè)計(jì)一個(gè)具有可解釋性的輕量級神經(jīng)網(wǎng)絡(luò)回歸模型，對腦功能網(wǎng)絡(luò)的上三角元素進(jìn)行重構(gòu)得到完整的腦功能網(wǎng)絡(luò)，即此年齡對應(yīng)的規(guī)范化腦功能網(wǎng)絡(luò)。還公開了一種腦電多指標(biāo)網(wǎng)絡(luò)規(guī)范化建模系統(tǒng)。本發(fā)明能更準(zhǔn)確地反映腦功能網(wǎng)絡(luò)的原理。

本發(fā)明授權(quán)一種腦電多指標(biāo)網(wǎng)絡(luò)規(guī)范化建模方法與系統(tǒng)在權(quán)利要求書中公布了：1.一種腦電多指標(biāo)網(wǎng)絡(luò)規(guī)范化建模方法，其特征在于，包括以下步驟：S1：采用基于大規(guī)模全生命周期多國家腦電交叉譜數(shù)據(jù)集作為原始腦電數(shù)據(jù)，計(jì)算原始腦電數(shù)據(jù)的交叉譜矩陣，并對原始腦電交叉譜矩陣進(jìn)行預(yù)處理；預(yù)處理的步驟包括：S101：對原始腦電交叉譜矩陣進(jìn)行平均參考，平均參考公式為： ；其中，為頻率，為平均參考變換矩陣： ；其中，Nc為所使用腦電數(shù)據(jù)的電極數(shù)；S102：對整個(gè)腦電信號進(jìn)行全局性的調(diào)整，通過乘以一個(gè)全局增益因子，來改變信號的幅度，使用全局增益因子矯正后的交叉譜矩陣為： ；S2：利用預(yù)處理后的原始腦電交叉譜矩陣構(gòu)建加權(quán)無向網(wǎng)絡(luò)，作為腦功能網(wǎng)絡(luò)；S3：計(jì)算所述腦功能網(wǎng)絡(luò)的腦網(wǎng)絡(luò)功能整合、功能分離及中心性三個(gè)維度的網(wǎng)絡(luò)特征，并建立所述網(wǎng)絡(luò)特征的演化軌跡；S4：設(shè)計(jì)一個(gè)具有可解釋性的輕量級神經(jīng)網(wǎng)絡(luò)回歸模型，模型的輸入為年齡和對應(yīng)的演化軌跡下的所述網(wǎng)絡(luò)特征值，輸出為此年齡下的腦功能網(wǎng)絡(luò)的上三角元素，對腦功能網(wǎng)絡(luò)的上三角元素進(jìn)行重構(gòu)得到完整的腦功能網(wǎng)絡(luò)，即此年齡對應(yīng)的規(guī)范化腦功能網(wǎng)絡(luò)；所述輕量級神經(jīng)網(wǎng)絡(luò)回歸模型的網(wǎng)絡(luò)結(jié)構(gòu)由輸入層、三個(gè)隱藏層h1、h2、h3和輸出層組成，輸入為年齡和對應(yīng)的演化軌跡下的所述網(wǎng)絡(luò)特征的數(shù)量的神經(jīng)元，第一個(gè)隱藏層h1的神經(jīng)元數(shù)量表示每個(gè)輸入元素將對應(yīng)一個(gè)參數(shù)來學(xué)習(xí)與每個(gè)輸出元素的關(guān)系，第二個(gè)隱藏層h2的神經(jīng)元數(shù)量通過輸入輸出間的相關(guān)性分析確定，第三個(gè)隱藏層h3的神經(jīng)元數(shù)量為腦功能網(wǎng)絡(luò)上三角元素的數(shù)量。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人安徽大學(xué)，其通訊地址為：230601 安徽省合肥市經(jīng)濟(jì)技術(shù)開發(fā)區(qū)九龍路111號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。