申请/专利权人:常州大学
申请日:2024-01-19
公开(公告)日:2024-04-02
公开(公告)号:CN117796820A
主分类号:A61B5/369
分类号:A61B5/369;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:2024.04.19#实质审查的生效;2024.04.02#公开
摘要:本发明涉及静息态脑电技术领域,具体为一种基于脑通道互联特征融合表征的神经发育异常评估方法,包括以下步骤,分别采集神经正常以及神经异常者脑电信号,并进行信号样本数据预处理;对预处理后的脑电信号提取单通道特征以及两两通道之间的互信息特征;从单通道特征以及两两通道之间的互信息特征中提取样本最优特征子集;利用样本最优特征子集构成的特征样本集对分类预测模型进行训练,利用训练好的分类预测模型判断对象是否神经发育异常。本申请融合单双通道混合特征,结合单通道的特征和两个通道之间的特征来更加充分合理地描述脑电信号,通过剔除冗余特征,选取最能够表征脑电状态的特征子集构成特征样本集训练模型,能够有效提高识别准确率。
主权项:1.一种基于脑通道互联特征融合表征的神经发育异常评估方法,其特征在于,包括以下步骤,分别采集神经正常以及神经异常者脑电信号,并进行信号样本数据预处理;对预处理后的脑电信号提取单通道特征以及两两通道之间的互信息特征;从单通道特征以及两两通道之间的互信息特征中提取样本最优特征子集;利用样本最优特征子集构成的特征样本集对分类预测模型进行训练,利用训练好的分类预测模型判断对象是否神经发育异常。
全文数据:
权利要求:
百度查询: 常州大学 基于脑通道互联特征融合表征的神经发育异常评估方法
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。