买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉东华大学;北京航空航天大学申请的专利一种基于转移熵脑网络分析的癫痫发作预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116439727B 。

龙图腾网通过国家知识产权局官网在2025-07-01发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310499744.1，技术领域涉及：A61B5/369；该发明授权一种基于转移熵脑网络分析的癫痫发作预测方法是由韩芳;饶玥;于颖;王青云设计研发完成，并于2023-05-06向国家知识产权局提交的专利申请。

本一种基于转移熵脑网络分析的癫痫发作预测方法在说明书摘要公布了：本发明提供了一种基于转移熵脑网络分析的癫痫发作预测方法，为了能够分析患者大脑区域之间的连接强度、信息流方向以及非线性关系，使用转移熵作为患者脑电通道信号之间的连接指标建立脑网络；为了更好地分析脑网络的组织架构，结合图论分析方法对患者不同时期下的脑网络进行分析。转移熵能够体现患者脑网络中各区域脑电信号之间的连接模式，还是一种无模型且非线性的有向连接指标，具备敏感探测不同阶数相关性的能力，并能够计算非线性相互作用，使得转移熵更加全面地揭示信号之间的关系；本发明基于通道之间的转移熵计算构建脑网络，不仅能够得到好的预测性能，还能够用于分析脑网络的变化以及各节点间的信息流关系以深入理解癫痫的发作过程。

本发明授权一种基于转移熵脑网络分析的癫痫发作预测方法在权利要求书中公布了：1.一种基于转移熵脑网络分析的癫痫发作预测方法，其特征在于包括如下步骤： 步骤S1：数据的预处理以及分段；对原始EEG进行滤波实现去噪；使用无限脉冲响应滤波器进行了0.5-60Hz的带通滤波以及50Hz的陷波滤波； 步骤S2：转移熵脑网络的构建；对于数据集中的多通道EEG数据，使用转移熵来描述癫痫患者通道信号之间的连接强度、信息流方向以及非线性关系；使用MATLAB中的HERMES工具箱计算通道信号之间的转移熵；计算EEG通道信号之间的因果连接关系，得到连接矩阵以建立癫痫脑网络； 转移熵的计算方法如下： 若两个时间序列xt和yt用马尔可夫过程近似，那么使用一个因果关系度量计算与以下马尔可夫条件的偏差： 其中和分别为时间序列xt和yt中马尔可夫过程的m阶和n阶记忆；上式中右边为通过给定yt的前N步的历史下计算出的其值的概率，而左边则是在考虑xt和yt的历史时估计这个概率； 当y的转移概率与x的过去无关，即当x到y之间不存在因果关系的情况下，上述等式是完全满足的；通过以下公式计算时间序列xt到yt的转移熵： 其中t为序列中离散值的时间指标，u表示预测时间，为一个离散值时间间隔；和分别为xt和yt的dy和dx维延迟嵌入向量， 其中d和τ分别代表嵌入维数和延迟时间； 步骤S3：确定阈值将转移熵连接矩阵转换为稀疏邻接矩阵；为了得到大脑转移熵矩阵的邻接矩阵，对转移熵连接矩阵设置一定的阈值；若矩阵中的元素大于设定的阈值，则认为其对应的两个通道信号之间存在连接关系，此时这两个通道对应的节点之间的边的权重即为它们之间的转移熵值；若矩阵中的元素小于设定的阈值，则认为不存在连接关系，边的权重的值为0；进行阈值处理后将得到一个稀疏的加权有向网络； 步骤S4：结合图论进行分析，提取网络特征； 步骤S5：使用机器学习分类器对网络特征分类，实现癫痫预测；将患者的EEG数据划分为5秒的滑动时间窗口，并在每个时间窗口内建立转移熵脑网络；提取步骤S4中网络特征构成每个时间窗口下的特征向量；在每个患者所有发作前期和间期数据中，提取所有时间窗口的特征向量，组成特征数据集，并将特征数据集划分为训练集和测试集；选择支持向量机作为分类器，并使用训练集来训练分类器模型；将测试集输入到训练好的分类器模型中，得到分类结果；采用五折交叉验证对支持向量机分类器进行训练和测试。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人东华大学;北京航空航天大学，其通讯地址为：200051 上海市长宁区延安西路1882号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。