申请/专利权人：中国科学院长春光学精密机械与物理研究所

申请日：2024-01-12

公开（公告）日：2024-02-13

公开（公告）号：CN117556194A

主分类号：G06F18/10

分类号：G06F18/10;G06F18/213;G06F18/15;G06N3/0464;G06N3/08;A61B5/372;A61B5/00

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.03.01#实质审查的生效;2024.02.13#公开

摘要：本发明涉及脑电信号处理技术领域，尤其涉及一种基于改进的YOLO网络的脑电图伪影检测方法，包括：S1：对原始信号进行预处理，获得待检测脑电信号；S2：建立改进的YOLO网络模型，将待检测脑电信号划分为1*s个网格，并将划分为1*s个网格的待检测脑电信号输送至训练好的改进的YOLO网络模型进行训练，获得与1*s个网格相对应的边框置信度；S3：将1*s个网格对应的边框置信度依次进行非极大值抑制，获得最终的伪影检测框。本发明通过对YOLO网络进行改进并结合MobileNet算法，以深度可分离卷积模块作为骨干网络，同时对改进的YOLO网络的输入数据、结果矩阵和损失函数进行调整，能够有效提升脑电图中伪影的检测速率和检测精度。

主权项：1.一种基于改进的YOLO网络的脑电图伪影检测方法，其特征在于，具体包括如下步骤：S1：对原始信号进行预处理，获得待检测脑电信号；S2：建立改进的YOLO网络模型，将所述待检测脑电信号划分为1*s个网格，并将划分为1*s个网格的所述待检测脑电信号输送至训练好的改进的YOLO网络模型进行训练，获得与1*s个网格相对应的边框置信度；S3：将1*s个网格对应的边框置信度依次进行非极大值抑制，获得最终的伪影检测框。

全文数据：

权利要求：

百度查询： 中国科学院长春光学精密机械与物理研究所 基于改进的YOLO网络的脑电图伪影检测方法

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