基于分组余弦卷积网络的脑电异常检测及定位方法及系统

AITNT
正文
推荐专利
基于分组余弦卷积网络的脑电异常检测及定位方法及系统
申请号:CN202411023809
申请日期:2024-07-29
公开号:CN118873153A
公开日期:2024-11-01
类型:发明专利
摘要
本发明公开一种基于分组余弦卷积网络的脑电异常检测及定位方法及系统,涉及脑电异常检测技术领域,该方法包括:采集多通道脑电信号并进行预处理;将多通道脑电信号输入至分组余弦卷积网络中,对多通道脑电信号按通道分组,并对每组脑电信号分别进行余弦卷积操作,经多次分组余弦卷积操作后提取多组脑电特征,多组脑电特征拼接,并基于拼接特征输出脑电异常检测的分类结果及分类概率分布;根据脑电异常检测的分类概率分布和预设阈值,进行异常脑电触发报警;根据脑电异常检测的分类结果,计算每个通道脑电信号的贡献分数,确定异常脑电信号的通道,完成异常脑电定位。本发明能够实现端到端的脑电异常检测与实时通道定位,有效准确性和实时性。
技术关键词
多通道脑电信号 脑电特征 定位方法 网络 脑电信号同步采集 异常检测技术 计算机 脑电电极 数据采集模块 处理器 频率 传播算法 输出特征 参数 定位系统 指令 定位模块
系统为您推荐了相关专利信息
1
一种哑光不锈钢辊涂表面处理方法
氧化铝复合粉体 研磨预处理 不锈钢基材 环氧改性丙烯酸树脂 微胶囊相变材料
2
一种时序驱动的芯片全局布局方法
芯片全局布局方法 松弛 路径提取方法 静态时序分析 端点
3
电池管理系统及其操作方法
接触器 电池管理系统 信号强度值 电池管理器 神经网络模型
4
一种无人机拍摄路面图像的超分辨率处理方法与系统
重构模块 无人机 注意力 图像超分辨率 网络模型训练
5
基于M-N-CDFTransUNet网络模型的肺结节分割方法
分割方法 图像处理方式 网络 像素 非线性特征提取
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号