申请/专利权人：杭州电子科技大学

申请日：2022-05-30

公开（公告）日：2022-09-20

公开（公告）号：CN115067878A

主分类号：A61B5/00

分类号：A61B5/00;A61B5/372;A61B5/374

优先权：

专利状态码：在审-实质审查的生效

法律状态：2022.10.11#实质审查的生效;2022.09.20#公开

摘要：本发明涉及基于EEGNet的静息态脑电意识障碍分类方法及系统，分类方法包括：S1、采集脑电信号数据集，并根据病例进行划分；S2、对划分后的脑电信号进行滤波处理；S3、对滤波处理后的脑电信号数据进行重采样，得到样本集；S4、设定脑电信号阈值，剔除样本集中脑电信号值超出脑电信号阈值的样本得到目标样本集；将各病例的目标样本集划分为训练集和测试集；S5、构建EEGNet模型，并利用训练集对EEGNet模型进行训练；S6、利用测试集对训练后的EEGNet模型进行性能评估，得到目标EEGNet模型；S7、将待测脑电信号输入目标EEGNet模型，得到分类结果。本发明分类精度高，能准确对患者进行诊断。

主权项：1.基于EEGNet的静息态脑电意识障碍分类方法，其特征在于，包括以下步骤：S1、采集脑电信号数据集，并根据病例进行划分；S2、对划分后的脑电信号进行滤波处理，保留α、β、δ、θ频段并去除其他频段的干扰；S3、对滤波处理后的脑电信号数据进行重采样，得到样本集；S4、设定脑电信号阈值，剔除样本集中脑电信号值超出脑电信号阈值的样本得到目标样本集；将各病例的目标样本集划分为训练集和测试集；S5、构建EEGNet模型，并利用训练集对EEGNet模型进行训练；S6、利用测试集对训练后的EEGNet模型进行性能评估，得到目标EEGNet模型；S7、将待测脑电信号输入目标EEGNet模型，得到分类结果。

全文数据：

权利要求：

百度查询： 杭州电子科技大学 基于EEGNet的静息态脑电意识障碍分类方法及系统

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD