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！

龙图腾网获悉大连理工大学申请的专利一种基于图像和脑电信号结合的脑机接口植入精准性判断的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：CN119440256B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202411554906.8，技术领域涉及：G06F3/01；该发明授权一种基于图像和脑电信号结合的脑机接口植入精准性判断的方法是由王孝良;王璞;王东奇设计研发完成，并于2024-11-04向国家知识产权局提交的专利申请。

本一种基于图像和脑电信号结合的脑机接口植入精准性判断的方法在说明书摘要公布了：一种基于图像和脑电信号结合的脑机接口植入精准性判断的方法，属于生物交叉科研领域。通过结合图像处理技术和精细的脑电信号分析，从两个独立且互补的角度评估电极植入的准确性。与传统的依赖术后组织学分析的方法相比，本发明提供了多重实时反馈机制，显著提高了手术中电极定位的准确性和可靠性。这一技术创新不仅缩短了手术时间，降低了手术风险，还提高了整个手术过程的成功率。通过实时图像和信号分析，手术团队能够即时调整操作策略，优化电极植入路径，确保电极精确到达目标脑区。此外，本发明避免了依赖术后切片分析的延迟和不确定性，从而在手术期间即可确认电极位置的正确性，增强了脑机接口手术的整体安全性和效果。

本发明授权一种基于图像和脑电信号结合的脑机接口植入精准性判断的方法在权利要求书中公布了：1.一种基于图像和脑电信号结合的脑机接口植入精准性判断的方法，其特征在于，具体如下： 步骤1：获得目标脑区的数据集； 在手术过程中，采集目标脑区的数据获得数据集，数据集包括脑区的CT图像以及脑区的对应脑电信号； 步骤2：针对步骤1获取的数据集中的CT图像进行图像分割与电极标注； 2.1：对步骤1获取的数据集中的CT图像进行预处理； 2.2：对步骤2.1预处理后的CT图像进行切片以隔离感兴趣的区域； 2.3：基于步骤2.2的处理结果，利用图像标注工具选出感兴趣的头骨和电极区域，进行图像标注； 2.4：利用图像标注后的CT图像对U-net算法模型进行训练； 步骤3：针对步骤1获取的数据集中的脑电信号进行特征提取与模型训练； 3.1：对步骤1中获得的数据集中的脑电信号进行预处理； 3.2：对步骤3.1预处理后得到的脑电信号进行特征提取，特征提取包括对时域特征和频域特征的提取； 3.3：使用电流源密度法针对3.1预处理后的脑电信号分析，更精细地研究电极附近的电流流动； 3.4：将步骤3.2和步骤3.3得到的数据特征作为随机森林算法模型的输入进行训练，随机森林算法模型通过构建多个决策树来进行模式识别和分类，训练过程中会评估对于预测电极植入效果最为关键的特征；随机森林算法模型的输出能够直接给出脑区分类的结果，即根据信号的不同特征来判断当前信号属于什么脑区； 步骤4：测试集的CT图像与脑电信号采集： 步骤5：对步骤4测试集的CT图像进行图像处理与电极定位以及电极深度计算： 5.1：针对步骤4中测试集的CT图像进行预处理，具体预处理同步骤2.1； 5.2：针对5.1预处理后的CT图像，输入到步骤2.4中得到的U-net算法模型进行分割； 5.3：5.2中U-net算法模型输出的分割图将每个像素分类为电极、头骨或背景，得到电极的像素集合和头骨的像素集合； 5.4：步骤5.3中获得的电极位置和头骨位置目前仍是像素坐标，计算电极与头骨的交点纵坐标，交点的纵坐标是电极路径上首次与头骨位置像素相交的点的Y坐标；实际计算中，需要先找到在电极像素集合中的所有坐标的Y坐标中，首个与头骨像素集合的所有Y坐标中相等或最接近的点； 即 7； 公式7中指电极像素中的每一个像素的y坐标，指头骨像素中的每一个像素的y坐标； 5.5：根据电极的终止Y坐标以及5.4中得到的电极与头骨的交点纵坐标，计算出电极的插入像素深度D为： 8； 再根据每个像素对应的实际长度进行转换得到插入实际深度： 9； 完成深度转换，获得电极插入的实际深度； 5.6：根据预先设定的预期深度，计算实际深度与预期深度之间的误差； 10； 根据实验要求设定一个最大允许误差，根据最大允许误差来进行标准的评判；如果满足如下公式： 11； 认为电极的植入深度在允许范围内，植入准确，反之认为需要调整； 步骤6：对步骤4测试集的脑电信号进行脑电信号分析与电极所在脑区判定； 6.1根据步骤4中测试集的脑电信号进行预处理，预处理方法同步骤3.1中一致； 6.2针对步骤6.1预处理后的脑电信号，所提取的特征同步骤3.2和步骤3.2中一致；将所有获得的特征形成特征向量, 6.3将步骤6.2中形成的特征向量X输入到步骤3.4中训练的随机森林算法模型中；随机森林算法模型由多棵决策树组成，每棵决策树根据特征向量进行独立分类，投票判定信号的来源脑区；随机森林算法模型会综合所有决策树的投票结果，输出输入信号属于各个候选脑区的概率分布；设目标脑区为C，随机森林算法模型输出为： 12； 其中，为随机森林算法模型中决策树的总数，表示第j棵树的分类结果，I为指示函数，当判定目标脑区为C时，I=1，否则I=0； 最终输出每个脑区分类的概率，对于目标脑区C，随机森林算法模型给出的概率表示信号属于目标脑区的可信度；作为一个量化标准来判断，设定一个概率阈值；只有当随机森林算法模型输出概率满足 13； 才能判定信号来自目标脑区，这一阈值保证了判定的准确性，避免错误分类； 步骤7：植入位置综合评估与验证；结合由步骤5得到的坐标信息和步骤6中获取的脑区信号数据来分析结果，全面评估电极的功能性和物理位置。

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大连理工大学，其通讯地址为：116024 辽宁省大连市甘井子区凌工路2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”。

以上内容由龙图腾AI智能生成。