西安工程大学季虹获国家专利权
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！
龙图腾网获悉西安工程大学申请的专利基于稀疏参数共享的多任务学习脑电图分类与预后预测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：CN120078432B 。
龙图腾网通过国家知识产权局官网在2026-01-27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：202510198205.3，技术领域涉及：A61B5/374；该发明授权基于稀疏参数共享的多任务学习脑电图分类与预后预测方法是由季虹;黑玉光;江文;杨博设计研发完成，并于2025-02-22向国家知识产权局提交的专利申请。
本基于稀疏参数共享的多任务学习脑电图分类与预后预测方法在说明书摘要公布了：本发明公开了基于稀疏参数共享的多任务学习脑电图分类与预后预测方法，具体按照以下步骤实施：步骤1、数据采集；步骤2、脑电数据预处理；步骤3、多维度脑活动特征提取及融合；步骤4、多任务学习模型训练。本发明通过采用高编码能力的模型，并结合先验信息约束模型状态空间，显著提高了预测准确性。即使在过参数化的神经网络中，通过随机初始化和训练，也能找到一个子网络，该子网络能在相同训练次数下达到与原始网络相同的预测性能。
本发明授权基于稀疏参数共享的多任务学习脑电图分类与预后预测方法在权利要求书中公布了：1.基于稀疏参数共享的多任务学习脑电图分类与预后预测方法，其特征在于，具体按照以下步骤实施： 步骤1、数据采集； 步骤2、脑电数据预处理； 步骤3、多维度脑活动特征提取及融合； 步骤4、多任务学习模型训练； 所述步骤4具体按照以下步骤实施： 步骤4.1、基础网络设计 采用多层全连接神经网络作为基础网络，输入为步骤3中提取的融合特征，输出为意识状态分类、药物疗效预测及预后分析任务的结果； 步骤4.2、稀疏参数共享机制 利用迭代幅值裁剪策略生成子网络，任务间共享权重占比不超过30%，其他权重为任务独立的权重，通过动态优化共享层，降低网络复杂度，避免过拟合； 步骤4.3、训练策略 采用加权交叉熵损失函数进行训练，适合小样本数据环境下的优化，确保模型对不同任务均能良好拟合； 多任务神经网络以特征表达为输入，对患者的预后状况进行预测，多任务稀疏共享神经网络包含输入层，两个稀疏共享层，和一个决策层，不同任务具有相同的输入层，和独立的决策层，在共享稀疏层中，各任务的权重来自同一个网络，称为基础网络，每个任务都由基础网络的权重子集构成子网。
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西安工程大学，其通讯地址为：710048 陕西省西安市碑林区金花南路19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。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号
请提出您的宝贵建议，有机会获取IP积分或其他奖励