-
公开(公告)号：CN119903410A
公开(公告)日：2025-04-29
申请号：CN202411978390.X
申请日：2024-12-31
Applicant: 华中科技大学
IPC: G06F18/2413 , A61B5/372 , A61B5/00 , G06F18/213 , G06F18/214 , G06N3/045 , G06N3/0495 , G06N3/082 , G06N3/084 , G06N3/09
Abstract: 本发明公开了一种癫痫检测模型的训练方法、癫痫检测方法及系统，属于癫痫检测技术领域；每获取到一个新患者的域训练子集S，开始一个新的训练批次，并在当前训练批次下基于域训练子集S对癫痫检测模型进行训练，通过自适应剪枝为每个域分配子网络，结合特定域参数学习新域特有知识，同时共享参数有效利用先前域已学习的知识。自适应剪枝在促进知识共享的同时，最大限度地减少了域间干扰，有效缓解了灾难性遗忘，能够实现准确地癫痫检测；与此同时，本发明也无需存储先前域的数据，有效保护了数据隐私；基于此，本发明在保护患者数据隐私的前提下，实现了准确地癫痫检测。
-
公开(公告)号：CN115813408B
公开(公告)日：2025-05-09
申请号：CN202211493049.6
申请日：2022-11-25
Applicant: 华中科技大学
Abstract: 本发明公开了一种用于脑电信号分类任务的Transformer编码器自监督学习方法，该方法针对脑机接口中基于头皮脑电信号分类任务，根据人头皮脑电特性引入多层小波包重构技术将脑电数据信号重构为不同频段的子波信号，并设计了一种基于Transformer编码器的自监督预训练策略，使编码器在没有标签的情况下，能够生成对不同频段的脑电信号数据更精细、更有效的多尺度精细化特征表示，提升编码器对头皮脑电信号的特征表示学习效果并增加可解释性，能够为脑机接口分类任务有效地预训练特征提取器，以更好地服务于下游分类任务。
-
公开(公告)号：CN115423077A
公开(公告)日：2022-12-02
申请号：CN202210992783.0
申请日：2022-08-18
Applicant: 华中科技大学
Abstract: 本发明属于脑机接口领域，具体涉及一种卷积输出中时域信息增强的卷积神经网络构建方法，用于脑机接口中的分类任务或回归任务，包括：对待增强卷积神经网络的结构进行改进并训练得，改进方式为：根据待改进卷积层结构，计算其输出的特征表示的尺寸，构建输出尺寸与特征表示尺寸相同的平均池化层，用于伴随待改进卷积层的卷积核滑动点积过程，对输入数据平均池化，生成平均池化表示；构建三角函数编码器，对平均池化表示中每个元素进行时序编码，得到新的平均池化表示；构建求和单元，将新的平均池化表示与特征表示对应元素求和，得到时域信息增强的特征表示，将该特征表示输入下一层结构。本发明可在不扩大模型参数规模下，实现时域信息增强。
-
公开(公告)号：CN115813408A
公开(公告)日：2023-03-21
申请号：CN202211493049.6
申请日：2022-11-25
Applicant: 华中科技大学
Abstract: 本发明公开了一种用于脑电信号分类任务的Transformer编码器自监督学习方法，该方法针对脑机接口中基于头皮脑电信号分类任务，根据人头皮脑电特性引入多层小波包重构技术将脑电数据信号重构为不同频段的子波信号，并设计了一种基于Transformer编码器的自监督预训练策略，使编码器在没有标签的情况下，能够生成对不同频段的脑电信号数据更精细、更有效的多尺度精细化特征表示，提升编码器对头皮脑电信号的特征表示学习效果并增加可解释性，能够为脑机接口分类任务有效地预训练特征提取器，以更好地服务于下游分类任务。
-
-
-
Search Results
4
records
(took 0.012 seconds)
