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！

龙图腾网获悉长春大学申请的专利一种注意力缺陷多动障碍的识别系统及识别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：CN120661143B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202511188372.6，技术领域涉及：A61B5/16；该发明授权一种注意力缺陷多动障碍的识别系统及识别方法是由韩秋蕾;宋泽;孙岩;叶洪彪;赵剑;史丽娟;匡哲君设计研发完成，并于2025-08-25向国家知识产权局提交的专利申请。

本一种注意力缺陷多动障碍的识别系统及识别方法在说明书摘要公布了：本发明公开了一种注意力缺陷多动障碍的识别系统及识别方法，属于注意力缺陷多动障碍技术领域。数据处理模块：对获取的脑电数据进行预处理与特征提取；对提取的原始特征数据先使用多源特征融合机制，再应用数据增强策略；多源融合反馈调节网络模型：构建多源融合反馈调节网络模型，模型为CNN‑GRU并行建模结构；训练模块：将增强后的数据输入模型进行训练，训练过程中由性能反馈调节机制动态调整关键超参数，性能反馈调节机制为依据验证集的表现动态调整关键训练参数；分类模块：通过训练完成的多源融合反馈调节网络模型对待测样本进行分类，输出最终识别结果。本发明有效提升了ADHD脑电识别的准确性、鲁棒性及泛化性能。

本发明授权一种注意力缺陷多动障碍的识别系统及识别方法在权利要求书中公布了：1.一种注意力缺陷多动障碍的识别系统，其特征在于，所述识别系统包括：数据处理模块：对获取的脑电数据进行预处理与特征提取； 对提取的原始特征数据先使用多源特征融合机制，再应用数据增强策略； 多源融合反馈调节网络模型：构建多源融合反馈调节网络模型，模型为CNN-GRU并行建模结构； 训练模块：将增强后的数据输入模型进行训练，训练过程中由性能反馈调节机制动态调整关键超参数，性能反馈调节机制为依据验证集的表现动态调整关键训练参数； 分类模块：通过训练完成的多源融合反馈调节网络模型对待测样本进行分类，输出最终识别结果； 数据处理模块的预处理为标准化预处理； 脑电统计特征具体为，在mne-features库提取出所需要的23类特征构建特征集合； 再进一步引入样本熵、奇异值熵与奇异值Fisher信息量这三类信息论特征，得到最终构建的脑电特征集合； 微状态特征提取包括GFP峰值提取、全局微状态模板构建与编号统一、微状态序列生成与特征提取以及全局解释方差计算； GFP峰值提取具体为，首先对脑电数据计算每个时刻的全局场功率； 全局微状态模板构建与编号统一具体为，对每位被试的GFP峰值帧进行微状态聚类，设定聚类数为K=4，得到被试个体层面的4个微状态拓扑图；随后将所有被试的聚类中心合并，通过ModKMeans算法进行全局聚类，形成统一的全局微状态模板；为实现状态编号一致性，引入标准微状态模板作为参考，计算聚类中心与参考模板之间的空间相关性； 按最大相关性进行编号重排序，确保所有被试微状态模板编号一致，统一标记为A、B、C、D，用于后续识别； 微状态序列生成与特征提取具体为，使用统一后的全局模板，对每段EEG数据执行微状态预测，生成标签序列，并提取持续时间、出现频次、覆盖率和状态转移概率的统计特征； 全局解释方差计算具体为，为评估微状态模板对脑电空间拓扑变化的拟合能力，引入全局解释方差GEV指标； 综上，微状态特征输出格式具体为，每段EEG片段最终被转换为统一格式的结构化特征集合，包括： 12维微状态统计特征、12维状态转移概率特征、可选的4个GEV特征以及辅助信息。

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长春大学，其通讯地址为：130022 吉林省长春市卫星路6543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。