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！

龙图腾网获悉重庆邮电大学申请的专利基于残差网络和多层级注意力的脑电信号自动睡眠分期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：CN119385505B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202411437319.0，技术领域涉及：A61B5/00；该发明授权基于残差网络和多层级注意力的脑电信号自动睡眠分期方法是由赵德春;张科技;沈宇辰;秦璐;刘进;朱浩设计研发完成，并于2024-10-15向国家知识产权局提交的专利申请。

本基于残差网络和多层级注意力的脑电信号自动睡眠分期方法在说明书摘要公布了：本发明涉及一种基于残差网络和多层级注意力的脑电信号自动睡眠分期方法，属于睡眠监测技术领域，包括以下步骤：S1：构建睡眠数据集并进行数据预处理；S2：搭建基于深度学习的单通道脑电自动睡眠分期网络模型；S3：利用梯度下降法对所述模型进行训练；S4：利用具有最优参数的睡眠分期模型实现单通道脑电信号的睡眠分期。本发明使用不同大小卷积核实现了多尺度的特征提取，使用基于风格池化的重新校准模块结合空间注意力模块更加全面的提取信号特征，使用融合自注意力机制的门控循环网络捕捉了时序信息且突出重要的序列，最终提升了睡眠分期准确率。

本发明授权基于残差网络和多层级注意力的脑电信号自动睡眠分期方法在权利要求书中公布了：1.一种基于残差网络和多层级注意力的脑电信号自动睡眠分期方法，其特征在于：包括以下步骤： S1：构建睡眠数据集并进行数据预处理； S2：搭建基于深度学习的单通道脑电自动睡眠分期网络模型； S3：利用梯度下降法对所述模型进行训练； S4：利用具有最优参数的睡眠分期模型实现单通道脑电信号的睡眠分期； 所述基于深度学习的单通道脑电自动睡眠分期网络模型包括特征提取模块、时序特征学习模块、分类层； 所述特征提取模块用于提取特征参数； 所述时序特征学习模块首先使用一个正向的门控循环网络来学习上下文信息，然后加入一个自注意力机制突出重要序列特征，最后再使用一个反向门控循环网络来从两个方向学习上下文信息； 所述分类层使用全局平均池化减少网络参数，使用全连接层把输出映射到睡眠阶段的五个类别； 所述特征提取模块包括初始卷积层、特征重新校准模块、池化层；输入首先经过初始卷积块，然后交替经过两个RCSA块和最大池化层，经过第三个RCSA块后使用一个全局平均池化层来减小网络参数，并在最后使用一个随机丢弃层来防止模型过拟合； 所述初始卷积层由两个一维卷积层构成，每个一维卷积后面均有一个BN归一化层和ReLU非线性激活函数层； 所述特征重新校准模块RCSA是在残差通道注意力模块的基础上使用基于风格的重新校准模块Style-basedRecalibrationModule,SRM来代替激励-挤压网络来实现通道注意力功能，并在其后加入一个空间注意力模块； 所述基于风格的重新校准模块为：通过风格池化从特征图中的每个通道中提取风格信息，其中包括通道的平均值和标准差；给定输入特征图，得到风格特征；然后通过与通道无关的风格集成估每个通道的重校准权重，得到权重；最后通过广播机制将权重与初始输入相乘，实现对特征的通道重新加权； 所述空间注意力模块为卷积块注意力模块ConvolutionalBlockAttentionModule,CBAM中的空间注意力模块，首先沿着每一个特征点的通道方向应用平均池化和最大池化并通过拼接操作将其堆叠起来，再利用一个标准的卷积层进行连接和卷积，然后使用Sigmoid激活函数得到二维空间注意力图，即获得输入特征图每个特征点的权重值，最后将权重通过乘法逐通道加权到输入特征层上。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区黄桷垭崇文路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。