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！

龙图腾网获悉上海交通大学医学院附属瑞金医院卢湾分院申请的专利基于头皮脑电信号跨个体跨场景差异的抑郁症检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：CN118806297B 。

龙图腾网通过国家知识产权局官网在2025-09-05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：202410632068.5，技术领域涉及：A61B5/372；该发明授权基于头皮脑电信号跨个体跨场景差异的抑郁症检测方法是由罗赟;陆勇设计研发完成，并于2024-05-21向国家知识产权局提交的专利申请。

本基于头皮脑电信号跨个体跨场景差异的抑郁症检测方法在说明书摘要公布了：本发明公开了一种基于头皮脑电信号跨个体跨场景差异的抑郁症检测方法，包括：获取不同被试的脑电信号生成数据集；提取并计算得到脑电信号的微分熵特征；将源域数据的微分熵特征和目标域数据的微分熵特征输入CS2DA网络模型进行训练，基于域适应算法将源域和目标域的特征映射到共享的特征空间，提取分布的共有特征进行对齐，得到训练好的CS2DA网络模型来消除个体差异以及场景差异导致的数据差异性；基于训练好的CS2DA网络模型对不同场景和或不同个体的脑电数据进行预测。利用域适应算法解决抑郁症模型构建中存在的域偏移问题，消除不同场景以及个体间的脑电数据差异，能够有效建立抑郁症预测算法，提高模型的准确性。

本发明授权基于头皮脑电信号跨个体跨场景差异的抑郁症检测方法在权利要求书中公布了：1.一种基于头皮脑电信号跨个体跨场景差异的抑郁症检测装置，其特征在于，包括： 获取不同被试的脑电信号生成数据集； 获取模块，用于从所述数据集中提取并计算得到脑电信号的微分熵特征； 特征提取模块，用于将所述微分熵特征划分为源域数据和目标域数据，确定所述源域数据和所述目标域数据在域偏移情况下产生的数据差异；分别提取源域数据和目标域数据的微分熵特征，得到源域数据的微分熵特征和目标域数据的微分熵特征； 训练模块，用于将源域数据的微分熵特征和目标域数据的微分熵特征输入CS2DA网络模型进行训练，基于域适应算法将源域和目标域的特征映射到共享的特征空间，提取分布的共有特征进行对齐，得到训练好的CS2DA网络模型来消除个体差异以及场景差异导致的数据差异性； 预测模块，用于基于训练好的CS2DA网络模型对不同场景和或不同个体的脑电数据进行预测，判断所述脑电数据对应的被试是否有抑郁症，得到对应数据类别的预测结果； 所述CS2DA网络模型包括集合数据处理模块， 所述集合数据处理模块，包括： 全共有特征提取器Ca，用于接收经过源域数据处理模块和目标域数据处理模块处理后的数据，并分别提取源域数据和目标域数据中的第一共有特征和第二共有特征，所述第一共有特征为源域映射数据，所述第二共有特征为目标域映射数据； 条件最大均值差异CMMD，用于接收并输入映射的第一共有特征和第二共有特征，结合源域和目标域的标签信息，计算在源域和目标域的分布之间的最大均值差异，将所述最大均值差异进行整合，得到总的度量以优化网络； 源域特征提取器Cs，用于提取源域数据集中的第一共有特征； 最大均值差异MMD，用于分别将从所述源域特征提取器Cs提取并经过映射的所述第一共有特征及从目标域特征提取器Ct提取并经过映射的所述第二共有特征作为输入，在经过对抗训练后，约束源域和目标域之间的域间距离来减少源域数据和目标域数据域之间的差异性，从而进一步优化网络； 分类集合器CLSa，用于分别将从所述源域特征提取器Cs提取并经过映射的所述第一共有特征及从所述目标域特征提取器Ct提取并经过映射的所述第二共有特征作为输入，根据对齐后的源域数据和目标域数据构建分类模型； 其中，所述源域数据处理模块，包括： 源鉴别器Ds，用于将所述源域特征提取器Cs提取并经过映射的所述第一共有特征作为输入，通过第一梯度反转层GRL对所述第一共有特征进行对齐，以减轻个体脑电差异性造成的源域的数据差异； 源分类器CLSs，用于将所述源域特征提取器Cs提取并经过映射的所述第一共有特征作为输入，对源域数据进行分类，得到分类后的结果数据； 所述目标域数据处理模块，包括： 目标域特征提取器Ct，用于提取目标域数据集中的第二共有特征； 目标鉴别器Dt，用于将所述目标域特征提取器Ct提取并经过映射的所述第二共有特征作为输入，通过第二梯度反转层GRL对所述第二共有特征进行对齐，以减轻个体脑电差异性造成的目标域的数据差异； 目标分类器CLSst，用于将所述目标域特征提取器Ct提取并经过映射的所述第二共有特征作为输入，对目标域数据进行分类，得到分类后的结果数据； 所述将源域数据的微分熵特征和目标域数据的微分熵特征输入CS2DA网络模型进行训练包括： 对m个源域数据按照预设批大小进行随机采集，并将采集到的源域数据Xs1,Ys1,Xs2,Ys2…Xsm,Ym输入源域特征提取器Cs中进行映射，得到第一源域映射数据Xms1,Ys1,Xms2,Ys2…Xmsm,Ysm； 将第一源域映射数据Xms1,Ys1,Xms2,Ys2…Xmsm,Ysm分别输入至CS2DA网络模型中三个网络分别进行分类模型建立、源域数据对齐以及源域和目标域的对齐； 将第一源域映射数据Xms1,Ys1,Xms2,Ys2…Xmsm,Ysm输入至CLSs网络，构建以源域数据为基础的分类预测模型，得到第一标签预测值Yps1,Yps2,…Ypsm，并将真实标签数据Ys1,Ys2,…Ysm和所述第一标签预测值Yps1,Yps2,…Ypsm的MSE作为损失函数； 其中，Xsm,Ysm代表第m个源域，Xmsm,Ysm代表经过映射后的第m个源域。

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上海交通大学医学院附属瑞金医院卢湾分院，其通讯地址为：200020 上海市黄浦区重庆南路149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”。