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！

龙图腾网获悉深圳睿脑科技有限公司申请的专利基于凝胶电极和神经网络的生物电信号采集方法和设备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：CN116115233B 。

龙图腾网通过国家知识产权局官网在2026-01-23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：202310156525.3，技术领域涉及：A61B5/316；该发明授权基于凝胶电极和神经网络的生物电信号采集方法和设备是由马凌飞;刘思宇;刘梦真;张德雨;马宁飞设计研发完成，并于2023-02-23向国家知识产权局提交的专利申请。

本基于凝胶电极和神经网络的生物电信号采集方法和设备在说明书摘要公布了：本发明公开了一种基于凝胶电极和神经网络的生物电信号采集方法和设备，其中方法包括：根据采集的生物电信号种类选择合适的凝胶电极；根据需要采集的生物电信号种类如人体、动物等，准备相应的生物样本；使用凝胶电极采集生物电信号，将信号转换成数字信号，并保存到本地存储器上；使用特征压缩编码网络对生物电信号进行压缩表示；将压缩后的生物电信号通过网络传输到云端存储器；云端文件管理系统对来自不同采集设备的生物电信号进行管理，用户可以根据权限选取下载数据。本申请结合了生物电信号采集和人工智能等多种技术手段，通过设计凝胶电极解决了传统电极不方便的问题，通过设计特征压缩编码网络解决了存储方案不优化的问题。

本发明授权基于凝胶电极和神经网络的生物电信号采集方法和设备在权利要求书中公布了：1.基于凝胶电极和神经网络的生物电信号采集方法，其特征在于，包括以下步骤： 根据采集的生物电信号种类选择凝胶电极，采集脑电图需要用到多个电极，放置在头皮上的不同位置； 对人体被试者进行准备,采集人体脑电图时让被试者躺下休息，放松身体，避免活动干扰信号采集； 使用凝胶电极采集生物电信号，将信号转换成数字信号，并保存到本地存储器上，同时保持生物样本稳定和避免干扰； 使用特征压缩编码网络对生物电信号进行压缩表示； 将压缩后的生物电信号通过网络传输到云端存储器； 云端文件管理系统对来自不同采集设备的生物电信号进行管理，用户根据权限选取下载数据； 凝胶电极由凝胶溶液和导电剂构成；凝胶溶液为水溶性高分子材料，由聚丙烯酰胺、聚酰亚胺凝胶、明胶、琼脂和水组成；导电剂为电解质，由氯化钠、氯化钾、氯化银和氯化铵组成； 凝胶电极的制备流程如下：1凝胶溶液制备：按照比例将凝胶材料和水混合，加热搅拌至完全溶解，制成凝胶溶液，其中聚丙烯酰胺、聚酰亚胺凝胶、明胶、琼脂和水的比例分别为18％、12％、10％、10％和50％；2导电剂加入：取出1000毫升制备好的凝胶溶液，加入10毫升氯化钠溶液后加热搅拌混合，加入10毫升氯化钾溶液后加热搅拌混合，加入10毫升氯化银溶液后加热搅拌混合，加入10毫升氯化铵溶液后加热搅拌混合，使其均匀分散，形成具有导电性的凝胶材料；所述氯化钠溶液由0.2克氯化钠溶于10毫升去离子水中制得，所述氯化钾溶液由0.3克氯化钾溶于10毫升去离子水中制得，所述氯化银溶液由0.3克氯化银溶于10毫升去离子水中制得，所述氯化铵溶液由0.1克氯化铵溶于10毫升去离子水中制得；3电极制备：将制备好的凝胶涂敷在电极底座上，形成电极-凝胶复合物，然后进行干燥或固化，等待干燥或固化之后取出凝胶电极，凝胶电极即制备完成； 特征压缩编码网络由编码器网络、解码器网络和目标函数构成； 编码器网络的结构如下：1输入层，将生物电信号的原始数据输入到神经网络中；2隐藏层，由多个相关性卷积层和池化层组成；所述相关性卷积层区别于传统二维卷积与三维卷积；所述相关性卷积层，首先将卷积核与输入数据中的一小块区域进行对应行元素、列元素分别计算典型相关性数值，并且归一化到0-1之间，然后将相关性结果相加得到一个标量值，之后将卷积核滑动到输入数据的下一个区域并且重复上述步骤，最后重复上述步骤，直到卷积核覆盖了整个输入数据，得到一个新的特征图；3残差编码层，在特征提取后，加入一层残差编码器；4潜在空间，由一个具有小神经元数量的全连接层组成，将编码后的特征数据映射到一个低维空间，实现信号压缩； 解码器网络的结构如下：1隐藏层，由多个反卷积层和上采样层组成，将潜在空间中的特征向量映射回到原始数据空间中；2残差解码层，在反卷积层后面加入一层残差解码器；3输出层，将解码器的输出结果与输入数据进行比较，计算重构误差； 目标函数由两部分组成：编码器的损失函数和解码器的损失函数； 编码器的损失函数指编码器产生与原始信号相似的压缩信号；在训练过程中，编码器通过最小化与原始信号之间的距离来学习生成压缩信号；编码器的损失函数分为两部分：一部分是编码器生成的压缩信号与原始信号之间的差异，使用典型相关分析判定，另一部分是生成的压缩信号被判别为真实信号的概率；编码器的损失函数表示为负对数似然函数的形式； 解码器的损失函数分为两部分：一部分是解码器将生成的信号判别为原始信号的概率与解码器将原始信号判别为真实信号的概率之和，另一部分是对解码器的非线性对数约束；解码器的损失函数表示为负对数似然函数的形式； 基于所述特征压缩编码网络的生物电信号压缩方法流程如下：1数据预处理：将采集到的生物电信号进行预处理，去除噪声、滤波、降采样操作；2构建网络：编码器是一种神经网络结构，由编码器和解码器两部分组成；编码器将输入信号压缩成低维表示，解码器将低维表示还原成原始信号；设计自编码器的层数、节点数参数；3训练网络：使用已经处理好的生物电信号数据，训练网络模型，使用编码器将原始信号压缩成低维表示，使用解码器将低维表示还原成原始信号；训练过程中使用误差反向传播算法，优化网络的权重和偏置；4压缩生物电信号：使用已经训练好的网络，将采集到的生物电信号进行压缩，得到低维表示；5还原生物电信号：使用解码器将压缩后的信号还原成原始信号。

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深圳睿脑科技有限公司，其通讯地址为：518172 广东省深圳市龙岗区龙翔大道2001号香港中文大学(深圳)乐天楼3楼315；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。