申请/专利权人：华南理工大学

申请日：2024-03-19

公开（公告）日：2024-04-19

公开（公告）号：CN117909868A

主分类号：G06F18/2415

分类号：G06F18/2415;G06F18/10;G06F18/2113;G06F18/213;G06F18/214;G06N3/042;G06N3/045;G06N3/0464;A61B5/369;A61B5/00

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.07#实质审查的生效;2024.04.19#公开

摘要：本发明涉及脑电信号识别领域，为基于神经影像学先验的动态图卷积的脑电认知负荷分析方法及系统，其方法包括：原始脑电数据预处理、标签处理，构建留一受试者的跨被试数据集，搭建基于神经影像学先验的动态图卷积的脑电认知负荷分析模型，实现对脑电认知负荷的分析。在脑电认知负荷分析模型中，通过多尺度时空注意力空洞卷积模块，建模各个脑电通道和时间特征之间的重要性，提取与认知负荷相关的多尺度的特征信息；基于神经影像学先验初始化脑电电极的邻接矩阵；通过动态图卷积网络模块动态学习邻接矩阵，研究脑电认知负荷的内在连接，输出学习内在连接后的特征信息。本发明解决了脑电信号在跨被试应用中准确率低、泛化性差等问题。

主权项：1.一种基于神经影像学先验的动态图卷积的脑电认知负荷分析方法，其特征在于，包括以下步骤：对原始脑电数据进行预处理，获得真实反映受试者大脑应对突发事件处理过程的样本数据；对所述样本数据进行标签处理，以过滤对认知负荷分析任务分类造成干扰的噪声样本；构建留一受试者的跨被试数据集；搭建基于神经影像学先验的动态图卷积的脑电认知负荷分析模型，实现对脑电认知负荷的分析；在脑电认知负荷分析模型对脑电认知负荷的分析过程中，通过多尺度时空注意力空洞卷积模块，建模各个脑电通道和时间特征之间的重要性，从脑电信号中提取与认知负荷相关的多尺度的特征信息；基于神经影像学先验，构造和初始化关于脑电电极的邻接矩阵；通过动态图卷积网络模块，建模大脑不同区域之间的功能交互，动态学习邻接矩阵，研究脑电认知负荷的内在连接，输出学习内在连接后的特征信息。

全文数据：

权利要求：

百度查询： 华南理工大学 基于神经影像学先验的动态图卷积的脑电认知负荷分析方法及系统

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