公开(公告)号：CN116049655A

公开(公告)日：2023-05-02

申请号：CN202310215569.9

申请日：2023-03-07

Applicant: 复旦大学 ,  复旦大学附属儿科医院

Inventor： 王佳琳 ,  史传进 ,  徐玲 ,  周渊峰 ,  王艺 ,  罗甜

IPC: G06F18/213 ,  A61B5/372 ,  A61B5/369 ,  A61B5/00 ,  G06F18/24 ,  G06N3/0464

Abstract: 本发明涉及一种基于深度学习的癫痫多类别分类方法，用于对不同类型癫痫进行区分，该方法包括以下步骤：步骤S1、采集多通道脑电信号并进行预处理；步骤S2、采用不同的深度学习模型分别从频域、时域、空间域提取出频域特征、时域特征和空间特征；步骤S3、将步骤S2中提取出的多种特征拼接后输入至深度学习网络进行再次特征提取，降维后输出脑电信号对应的癫痫类型。与现有技术相比，本发明具有分类准确性高、运算量小的优点。

公开(公告)号：CN113951902A

公开(公告)日：2022-01-21

申请号：CN202111436312.3

申请日：2021-11-29

Applicant: 复旦大学

Inventor： 王佳琳 ,  史传进 ,  徐玲 ,  朱金平 ,  张仲璐 ,  穆庚 ,  郑皓天

IPC: A61B5/369 ,  A61B5/00

Abstract: 本发明属于健康睡眠管理技术领域，具体为一种基于轻量化卷积神经网络的智能睡眠分期系统。本发明系统包括：脑电信号采集模块，脑电信号预处理模块，脑电信号分析算法模块，无线信号传输模块；其结果通过蓝牙无线传输给智能终端显示；脑电信号分析模块是一特别设计的轻量化卷积神经网络，由卷积层、最大池化层、ReLU激活函数、批量归一化模块和全连接层组成；可以减少计算资源开销，并将其映射到芯片上进行睡眠脑电信号数据分析，在低功耗的情况下，实现端到端的特征提取与数据分析功能；该算法模块可在任何基于轻量化卷积神经网络及其改进版本的硬件上实现。

公开(公告)号：CN119326419A

公开(公告)日：2025-01-21

申请号：CN202411175537.1

申请日：2024-08-26

Applicant: 复旦大学

Inventor： 王佳琳 ,  黄瑞翔 ,  吴珩 ,  罗甜 ,  周渊峰 ,  王艺 ,  史传进

IPC: A61B5/372 ,  A61B5/369 ,  A61B5/00 ,  G06F18/20 ,  G06F18/10 ,  G06F18/213 ,  G06F17/15

Abstract: 一种基于脑电信号的分析数据表示方法，通过获取单个目标对象的脑电信号，将脑电信号表示成可供使用的分析数据；步骤S1，对脑电信号进行预处理，得到脑电信号预处理数据；步骤S2，根据脑电信号预处理数据构建互差分自注意力邻接矩阵o；步骤S3，通过结点聚合操作，将互差分自注意力邻接矩阵o表示为矩阵一维向量，并通过一维顺序卷积模块提取矩阵一维向量中的特征，并将矩阵一维向量中的特征表示为特征一维向量，得到包含全部特征一维向量的降维数据集合Zall；步骤S4，将降维数据集合Zall整理为分析数据，并输出；本发明通过互差分自注意力邻接矩阵兼顾了计算效率与可解释性，为在分析数据的后续的便利应用提供了前提条件。