申请/专利权人:广东工业大学
申请日:2023-12-27
公开(公告)日:2024-05-07
公开(公告)号:CN117992839A
主分类号:G06F18/241
分类号:G06F18/241;G06F18/214;G06F18/10;G06F18/2134;G16H50/20;G06N3/0464;G06N3/0455;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.24#实质审查的生效;2024.05.07#公开
摘要:本发明提供一种基于脑电图与深度学习的慢性软组织疼痛分类方法及系统,首先获取EEG数据集并进行预处理;建立慢性软组织疼痛分类模型,模型包括依次连接的多尺度卷积注意力模块、卷积Transformer编码器和分类模块;将预处理后的EEG时序数据集输入到慢性软组织疼痛分类模型中进行迭代训练,最后获取待分类的被试EEG时序数据,将待分类的被试EEG时序数据输入到训练好的慢性软组织疼痛分类模型中进行分类;本发明通过结合多尺度卷积和注意力网络对脑电图数据进行分类,能够为慢性软组织疼痛症状辅助诊断提供客观、定量化的科学分析手段,提高医生诊断工作效率,同时减少不必要的检查,避免医疗资源的浪费。
主权项:1.一种基于脑电图与深度学习的慢性软组织疼痛分类方法,其特征在于,包括以下步骤:S1:获取EEG数据集并进行预处理;所述EEG数据集包括若干名受试者的EEG时序数据;S2:建立慢性软组织疼痛分类模型;所述慢性软组织疼痛分类模型包括依次连接的多尺度卷积注意力模块、卷积Transformer编码器和分类模块;S3:将预处理后的EEG数据集输入所述慢性软组织疼痛分类模型中进行迭代训练,获取训练好的慢性软组织疼痛分类模型;S4:获取待分类的受试者EEG时序数据,将待分类的受试者EEG时序数据输入到训练好的慢性软组织疼痛分类模型中进行分类,完成慢性软组织疼痛类型的分类。
全文数据:
权利要求:
百度查询: 广东工业大学 基于脑电图与深度学习的慢性软组织疼痛分类方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。