摘要
本发明公开了一种基于拓扑图的时空多模态棘波检测方法,涉及棘波检测技术领域,对获取到的脑磁图数据通过数据处理后输入到已训练完成后的多模态深度网络模型中,输出对应的棘波预测结果;所述多模态深度网络模型的训练过程如下:构建训练集,将训练集输入到多模态深度网络模型中,输出最后一层特征和中间层特征序列;将所有中间层特征序列进行融合得到中间融合特征,将中间融合特征、最后一层特征基于自注意力机制的融合,得到最终融合特征,将最终融合特征送入分类器中,得到棘波预测结果,基于输出的棘波预测结果构建二元交叉熵损失函数,以对多模态深度网络模型进行训练;该多模态棘波检测方法提高了棘波的检测准确率。
技术关键词
中间层
深度网络模型
融合特征
拓扑图
拓扑特征
序列
时序特征
交叉注意力机制
分段
数据
多模态深度
图片
图像
更新模型参数
构建训练集
系统为您推荐了相关专利信息
手写字迹
智能检测方法
扫描文档图像
特征提取模块
融合特征