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！

龙图腾网获悉北京繁星与你文化科技有限公司申请的专利一种基于机器学习的多模态精神压力评估方法及系统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：CN119837529B 。

龙图腾网通过国家知识产权局官网在2025-12-12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：202510028504.2，技术领域涉及：A61B5/16；该发明授权一种基于机器学习的多模态精神压力评估方法及系统是由任珏静;孙斌;白晓琪;张利伟;韩琳;祁珊珊设计研发完成，并于2025-01-08向国家知识产权局提交的专利申请。

本一种基于机器学习的多模态精神压力评估方法及系统在说明书摘要公布了：本发明涉及生物信号处理和情感计算领域，公开了一种基于机器学习的多模态精神压力评估方法及系统，所述方法包括：采集用户的脑电波信号和心率变异性信号；使用CNN‑LSTM模型分别对所述脑电波信号的频谱图和所述心率变异性信号的时间序列进行多模态深度特征提取，得到脑电波信号深度特征向量和心率变异性信号深度特征向量；将所述脑电波信号深度特征向量和所述心率变异性信号深度特征向量进行拼接，形成高维的多模态特征向量表示；使用支持向量机对多模态特征表示进行分类，输出压力状态判别结果。本发明能够实现对用户实时压力状态的精确预测，解决了现有的压力检测方法检测精度不高的技术问题。

本发明授权一种基于机器学习的多模态精神压力评估方法及系统在权利要求书中公布了：1.一种基于机器学习的多模态精神压力评估方法，其特征在于，包括： 采集用户的脑电波信号和心率变异性信号； 使用CNN-LSTM模型分别对所述脑电波信号的频谱图和所述心率变异性信号的时间序列进行多模态深度特征提取，得到脑电波信号深度特征向量和心率变异性信号深度特征向量； 其中，使用CNN-LSTM模型对所述脑电波信号的频谱图进行多模态深度特征提取，得到脑电波信号深度特征向量，包括： 使用卷积神经网络CNN对所述脑电波信号的频谱图进行卷积特征提取，获得所述脑电波信号的局部时频特征，包括： 使用不同大小的二维卷积核提取所述脑电波信号的频谱图的时频特征，并通过最大池化层减少特征维度，输出脑电波信号卷积特征图，即局部时频特征； 其中，采用二维卷积用以提取时频平面局部空间特征包括： ； 其中：X表示输入特征图；K表示卷积核，是一个大小为k′×k′的滤波器矩阵，用于提取特定的局部特征；i和j是输出位置索引，表示当前卷积操作在输出特征图中的行和列位置；和是卷积核内的局部索引，用于遍历卷积核的行和列； 使用长短期记忆网络LSTM对提取的所述局部时频特征进行建模，捕捉脑电波信号随时间变化的动态模式，输出脑电波信号深度特征向量；其中，使用CNN-LSTM模型对所述心率变异性信号的时间序列进行多模态深度特征提取，得到心率变异性信号深度特征向量，包括： 将心率变异性信号的时间序列输入一维卷积神经网络1D-CNN提取局部时序模式特征，包括： 将心率变异性信号的时间序列输入一维卷积神经网络1D-CNN，通过最大池化降采样，获得更具代表性的特征序列，得到心率变异性信号卷积特征序列，即心率变异性信号的局部时序模式特征； 其中，采用一维卷积通过滑动窗口的方式，将卷积核与输入序列的对应部分进行加权求和，捕捉HRV局部时序模式： ； 其中，X表示输入的HRV一维序列；表示卷积核；i表示序列中的当前位置；u表示卷积核内的元素索引；使用长短期记忆网络LSTM对提取的所述局部时序模式特征进行时序建模，输出心率变异性信号深度特征向量； 将所述脑电波信号深度特征向量和所述心率变异性信号深度特征向量进行拼接，形成高维的多模态特征向量表示； 使用支持向量机SVM对多模态特征表示进行分类，输出压力状态判别结果。

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北京繁星与你文化科技有限公司，其通讯地址为：100120 北京市西城区德胜门外大街83号9层909-A53房间；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。