申请/专利权人：同心智医科技(北京)有限公司

申请日：2023-03-09

公开（公告）日：2023-12-22

公开（公告）号：CN116058852B

主分类号：A61B5/377

分类号：A61B5/377;A61B5/00;G06F18/24;G06N3/045;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2023.12.22#授权;2023.05.23#实质审查的生效;2023.05.05#公开

摘要：本发明实施例公开了一种MI‑EEG信号的分类系统、方法、电子设备及存储介质，MI‑EEG信号的分类方法包括：对MI‑EEG信号数据集进行预处理得到预处理后的数据集，基于数据集划分训练集和测试集；构建多分支卷积神经网络模型，第一分支、第二分支和第三分支分别包括EEGNet卷积块和卷积注意力模块；通过训练集和测试集得到目标多分支卷积神经网络模型；将待分类的MI‑EEG信号输入目标多分支卷积神经网络模型，得到分类结果。该MI‑EEG信号的分类方法解决现有的传统模型无法在具有固定超参数的同时完成特异性分类任务的问题。

主权项：1.一种MI-EEG信号的分类方法，其特征在于，所述方法具体包括：获取MI-EEG信号数据集，对所述MI-EEG信号数据集进行预处理得到预处理后的数据集，基于所述预处理后的数据集划分训练集和测试集；构建多分支卷积神经网络模型，其中，所述多分支卷积神经网络模型包括第一分支、第二分支和第三分支，所述第一分支、所述第二分支和所述第三分支分别包括EEGNet卷积块和卷积注意力模块，所述第一分支、所述第二分支和所述第三分支通过softmax层连接；所述卷积注意力模块包括通道注意力子模块和空间注意力子模块；所述通道注意力子模块包括平均池层、最大池层和共享网络，所述共享网络包括多层感知器，所述多层感知器具有一个隐藏层，所述平均池层和所述最大池层接收输入特征后生成特征图，所述共享网络接收所述特征图后输出通道细化的特征；通过公式1计算隐藏层中第i个滤波器的第j个神经元的激活或输出； 式中，aij是隐藏层中第i个滤波器的第j个神经元的激活或输出，f对应于激活函数，bi是滤波器的共享总体偏差，i和K是核大小，Wi＝[wi1,wi2,…,wik]是共享权重的向量，Xj＝[xj,xj+1,…,xj+k]是前置神经元输出的向量，T表示转置操作；所述空间注意力子模块包括平均池层、最大池层和卷积层，所述通道细化的特征经所述包括平均池层、所述最大池层和所述卷积层输出精细化的特征映射；通过所述训练集对所述多分支卷积神经网络模型进行训练；通过所述测试集对训练后的多分支卷积神经网络进行性能评估，得到目标多分支卷积神经网络模型；将待分类的MI-EEG信号输入所述目标多分支卷积神经网络模型，得到分类结果。

全文数据：

权利要求：

百度查询： 同心智医科技(北京)有限公司 MI-EEG信号的分类系统、方法、电子设备及存储介质

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