申请/专利权人：常州大学

申请日：2023-05-26

公开（公告）日：2023-08-15

公开（公告）号：CN116584956A

主分类号：A61B5/372

分类号：A61B5/372;A61B5/369;A61B5/00;G06F18/2131;G06F18/2415;G06N3/045;G06N3/0464;G06N3/047;G06N3/048;G06N3/084;G06F123/02

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.09.01#实质审查的生效;2023.08.15#公开

摘要：本发明涉及信号分析技术领域，尤其涉及一种基于轻量级神经网络的单通道脑电瞌睡检测方法，包括对单通道脑电信号进行预处理，对预处理后的脑电信号进行小波包分解，转化为时间‑频率矩阵，生成瞌睡检测数据集；以EfficientNetv2网络中的F‑MBConv模块与MBConv模块为基础，并在两种模块间加入改进Ghost模块，构建新的轻量级神经网络实现脑电特征自动提取；使用注意力机制ECA模块替代原始网络中的SE模块，进一步实现网络轻量化；设置模型的训练参数，采用交叉熵作为损失函数，通过训练获得最佳的识别模型。本发明通过构建轻量级深度神经网络，以较低的复杂度及计算代价提升了受试瞌睡状态检测的识别性能。

主权项：1.一种基于轻量级神经网络的单通道脑电瞌睡检测方法，其特征在于，包括以下步骤：步骤一、对单通道脑电信号进行预处理；步骤二、对预处理后的脑电信号进行小波包分解，转化为时间-频率矩阵，生成瞌睡检测数据集；步骤三、构建新的轻量级神经网络；步骤四、设置模型的训练参数，采用交叉熵作为损失函数，通过训练使损失函数最小化，对比预测的softmax输出概率分布和目标类概率分布的相似性。

全文数据：

权利要求：

百度查询： 常州大学 一种基于轻量级神经网络的单通道脑电瞌睡检测方法

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