買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉杭州電子科技大學申請的專利基于多通道腦電智能篩選與加權樣本生成的棘波檢測方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN114587381B 。

龍圖騰網通過國家知識產權局官網在2025-09-02發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202210246380.1，技術領域涉及：A61B5/369；該發明授權基于多通道腦電智能篩選與加權樣本生成的棘波檢測方法是由曹九穩;徐鎮迪;崔小南;王天磊;蔣鐵甲;高峰設計研發完成，并于2022-03-14向國家知識產權局提交的專利申請。

本基于多通道腦電智能篩選與加權樣本生成的棘波檢測方法在說明書摘要公布了：本發明公開了基于多通道腦電智能篩選與加權樣本生成的棘波檢測方法，首先利用多種腦電波形特征基于閾值法對腦電各個通道數據進行樣本篩選，最終通過數據分割得到多通道棘波候選樣本；對所得多通道棘波候選樣本進行數據分析，并基于最優通道進行多種權值計算，通過加權算法由多通道棘波候選樣本生成單通道候選樣本數據；最后利用單通道棘波分類算法完成對生成數據的分類檢測。本發明不僅可以通過多通道數據的加權生成算法，提取各通道數據中有效信息，提高棘波識別性能，還提供了一種篩選多通道棘波候選樣本的流程，為后續其他同類型算法建立數據集提供了一種標準。另外進一步分析加權數據生成時所用到的權值，還能夠檢測棘波產生具體的通道位置。

本發明授權基于多通道腦電智能篩選與加權樣本生成的棘波檢測方法在權利要求書中公布了：1.基于多通道腦電智能篩選與加權樣本生成的棘波檢測方法，其特征在于，包括如下步驟： 步驟1、利用多種腦電波形特征基于閾值法對腦電各個通道數據進行樣本篩選，并通過篩選結果匯總得到多通道棘波候選樣本信息，再基于棘波放電的多通道特征對其進行偽跡去除，最終通過數據分割得到多通道棘波候選樣本； 所述的多通道棘波候選樣本信息包括可能存在的棘波放電事件的放電時間和通道分布信息；所述的偽跡去除基于雙極導聯方式腦電圖下棘波放電所特有的“針鋒相對”現象對多通道棘波候選樣本信息中不滿足上述現象的干擾信息進行排除；所述數據分割指根據所得的多通道棘波候選樣本信息在輸入腦電信號上進行分割，獲得多通道棘波候選樣本； 步驟2、對所得多通道棘波候選樣本進行數據分析，并基于最優通道進行多種權值計算，最終通過加權算法由多通道棘波候選樣本生成單通道候選樣本數據； 所述數據分析指基于振幅和波形相似度確定候選樣本各通道中最有可能存在棘波放電的通道；所述權值包括基于振幅、波形相似度和與最優通道距離的三種權值；所述加權算法指基于上述所得的三種權值對多通道候選樣本的各通道數據進行加權和，最終得到單通道樣本數據； 所述的步驟2具體操作如下： 2-1.確定多通道棘波候選樣本各通道的第一類權值矩陣，即基于波形振幅的權值矩陣Wamplitude，步驟如下： 1振幅特征量amplitude記為各通道數據中心波形的振幅； 2將全部通道的振幅特征量進行均值歸一化后得到的振幅權值矩陣記為權值矩陣Wamplitude； 2-2.計算標準棘波數據組，其為基于已有標記的棘波樣本數據庫由K均值聚類算法得到的各個簇心數據； 2-3.確定多通道棘波候選樣本各通道的第二類權值矩陣，即基于與標準棘波數據組相似度的權值矩陣Wshape，步驟如下： 1計算樣本各通道數據的波形特征量shape，其基于各通道數據與標準棘波數據組間的最小歐式距離Edist，并通過高斯函數歐氏距離數據進一步映射至0到1范圍內的相似性空間中，計算公式如下： 2將全部通道波形權值進行均值歸一化后得到的數據記為波形權值矩陣Wshape； 2-4.基于多通道棘波候選樣本各通道的振幅權重和波形權重確定最優通道，最優通道定義為多通道樣本內振幅權重與波形權重乘積結果最大的通道； 2-5.確定多通道棘波候選樣本各通道的第三類權值矩陣，即基于與最優通道間距離的權值矩陣Wdistance，步驟如下： 1計算樣本各通道數據的距離特征量distance，若當前通道與最優通道處于同一腦半球時，源距離特征量定義為： distance＝0.75Mdist 否則定義為： distance＝0.5×0.75Mdist 其中Mdist為當前通道與最優通道間的曼哈頓距離； 2將全部通道距離權值進行均值歸一化后得到的數據矩陣記為距離權值矩陣Wdistance； 2-6.基于前述步驟所得三類權值矩陣以及多通道數據multiChannelData，加權合成單通道數據樣本singleChannelData，計算公式如下： 其中n為多通道數據所包含的通道數； 步驟3、利用單通道棘波分類算法完成對生成數據的分類檢測； 所述單通道棘波分類算法指基于時序特征和LSTM網絡架構的單通道檢測算法，檢測流程包括樣本時序特征提取、特征融合和堆疊Bi-LSTM神經網絡分類。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人杭州電子科技大學，其通訊地址為：310018 浙江省杭州市下沙高教園區2號大街；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。