申请/专利权人：中国科学院苏州生物医学工程技术研究所

申请日：2024-01-16

公开（公告）日：2024-04-16

公开（公告）号：CN117883096A

主分类号：A61B5/372

分类号：A61B5/372;G06F18/241;G06F18/15;G06F18/213;G06N3/045;G06N3/0464;G06N3/08

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.03#实质审查的生效;2024.04.16#公开

摘要：本发明提供基于脑电信号和深度学习的运动想象分类方法及存储介质，该方法包括步骤：获取原始的脑电信号；对脑电信号进行预处理；通过训练好的深度学习模型对预处理后的脑电信号进行运动想象分类，输出运动想象分类结果；深度学习模型中的卷积网络模块用于对脑电信号进行特征提取，自注意力机制模块用于突出关键特征，胶囊网络模块用于输出最终的分类结果。本发明使用近乎不做处理的原始数据构建模型，模型中使用深度卷积、可分离卷积来提取特征以减少模型的参数训练量，使用自注意力机制来突出重要的特征改善模型的效果，最后使用胶囊网络来增强模型鲁棒性，使模型能够在小规模数据量的基础上得到好的训练效果，提升了模型的准确性和泛化性能。

主权项：1.基于脑电信号和深度学习的运动想象分类方法，其特征在于，包括以下步骤：获取原始的脑电信号；对所述脑电信号进行预处理；通过训练好的深度学习模型对预处理后的脑电信号进行运动想象分类，输出运动想象分类结果；其中，所述深度学习模型包括卷积网络模块、自注意力机制模块和胶囊网络模块，所述卷积网络模块用于对预处理后的脑电信号进行特征提取，所述卷积网络模块的输出馈送至所述自注意力机制模块作为输入，所述自注意力机制模块用于突出关键特征，所述胶囊网络模块用于输出最终的分类结果。

全文数据：

权利要求：

百度查询： 中国科学院苏州生物医学工程技术研究所 基于脑电信号和深度学习的运动想象分类方法及存储介质

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