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！

龙图腾网获悉天津大学申请的专利基于神经网络解码的脑电特征可解释性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：CN116304632B 。

龙图腾网通过国家知识产权局官网在2026-02-27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：202310268811.9，技术领域涉及：G06F18/213；该发明授权基于神经网络解码的脑电特征可解释性方法是由苗政清;张鑫;明东;赵美蓉;许敏鹏;陈龙设计研发完成，并于2023-03-20向国家知识产权局提交的专利申请。

本基于神经网络解码的脑电特征可解释性方法在说明书摘要公布了：本发明涉及脑机接口领域和计算机科学领域，为提出适用于P300信号和运动想象信号的神经网络特征可解释性方法，对特定EEG事件提供可视化方法。本发明，基于神经网络解码的脑电特征可解释性方法，步骤如下：1将采集得到的原始脑电EEG数据经过预处理后送入神经网络进行训练；2训练神经网络，保存最优的神经网络测试模型；3利用训练好的神经网络模型，对待测试的EEG数据进行类别预测，标记神经网络预测正确的EEG试次，并对神经网络模型进行可解释性分析。本发明主要应用于脑机接口设计场合。

本发明授权基于神经网络解码的脑电特征可解释性方法在权利要求书中公布了：1.一种基于神经网络解码的脑电特征可解释性方法，其特征是，步骤如下： 1将采集得到的原始脑电EEG数据经过预处理后送入神经网络进行训练； 2训练神经网络，保存最优的神经网络测试模型； 3利用训练好的神经网络模型，对待测试的EEG数据进行类别预测，标记神经网络预测正确的EEG试次，并对神经网络模型进行可解释性分析； 其中，当步骤3中的EEG信号为事件相关电位信号P300时，可解释性分析分为神经网络特征可视化、基于神经科学先验知识的人工提取特征可视化以及神经网络特征可视化和人工提取特征可视化对比分析，具体步骤如下： a神经网络所学特征可视化步骤如下: i.针对P300信号，神经网络所学特征可视化的对象是全部待测试参与者的EEG数据，获取每个参与者、每个类别预测正确且预测置信度最高的前n个试次，称为显著试次，记作，其中下标和分别表示参与者的编号和类别的编号，表示每个参与者每个类别对应的显著试次个数，记为dim=0，表示第0个维度；表示导联的个数，记为dim=1；表示每个试次中包含的采样点数，记为dim=2； ii.使用类别激活映射CAM，以i中全部类别的显著试次作为输入，得到训练好的神经网络模型的空间特征提取层对应的类别激活映射值和时域特征提取层对应的类别激活映射值，分别记作和； iii.针对和，求取全部试次的算数平均值,dim=0，消除试次数量对类别激活映射值的影响，分别记作和； iv.针对每个参与者，每个类别，对做空间维度的算数平均值，dim=1，记作，对全部参与者的进行叠加,得到每个类别对应的时间域类别激活映射值，记作； v.将按照数值大小，映射成热力图，以此作为每个类别神经网络所学特征在时域中的可视化结果； vi.计算每个类别中全部待测试参与者的的算数平均值，结果记作，以此来消除参与者数量对每个类别的神经网络特征可视化结果的影响，同时记录最大值对应的时域坐标，检索时刻对应的值，记作； vii.将不同类别的按照脑地形图方式显示，得到神经网络特征在空间域的可视化结果； b基于神经科学先验知识的人工提取特征可视化步骤如下： i.对a-i中每个参与者、每个类别的显著试次，求取全部试次dim=0的算数平均值，得到一个和试次数量无关的EEG数据，记作； ii.计算每个类别中全部待测试参与者的算数平均值，记作，从中选择Cz导联对应的值,即不同事件下Cz导联对应的EEG信号的振幅，绘制的时间-振幅曲线，同时计算正常事件和oddball事件在Cz导联对应时间下振幅的差值； iii.选择a-vi中最大值对应的时间坐标,计算并绘制在时刻的脑地形图； c神经网络特征可视化和人工提取特征可视化对比分析： i对比a-v和b-ii，比较oddball事件神经网络特征热力图和Cz导联的时间-振幅曲线，若神经网络特征热力图中的显著性区域对应的时间和b-ii相关峰值对应时间存在关联，相关峰值指oddball事件的最大正峰值或者正常事件和oddball事件差值的最大值，则认为神经网络所学特征在时域中的定位是合理的；对于正常事件的EEG信号,若上述时间与oddball事件中确定的时间有区分性，且神经网络特征的热力图和b-ii中某些峰值有对应关系，某些峰值包括正常事件的峰值、正常事件和oddball事件差值的峰值，则认为神经网络所学特征对于正常事件的反应也是合理的，若神经网络所学特征和上述表述差异性较大，则认为神经网络不能在时域中对P300进行合理定位； ii记oddball事件中,神经网络特征热力图的最大值所在的时刻为，即a-vi中类别为oddball事件时对应的时刻；记正常事件中神经网络特征热力图的最大值所在的时刻为，观察b-iii中EEG信号的脑地形图和a-vii中神经网络特征脑地形图在这两个时刻下的差异性；若时刻a-vii和b-iii不同类别的EEG脑地形图均有较大的差异，这说明时刻时神经网络特征和神经网络特征都具有较好的空间可区分性；通过a-vii中oddball事件对应的脑地形可以进一步解释每个导联的在分类时的重要性； 步骤3中，对于以运动想象信号为代表的事件相关去同步ERD事件相关同步ERS信号,神经网络特征的可解释性分析为神经网络所学特征的空间可视化，具体步骤如下： a对于运动想象数据,神经网络特征可解释性的对象是单个参与者的EEG数据，使用训练好的神经网络模型对某个参与者的EEG数据进行测试，得到该参与者每个类别预测正确且置信度最高的前n个试次，记为显著试次； b使用类别激活映射,以a中全部类别的显著试次作为输入，得到训练好的神经网络模型的空间特征提取层对应的类别激活映射值和时域特征提取层对应的类别激活映射值； c对做空间维度dim=1的算数平均，得到一个空间无关、时间相关的神经网络特征类别激活映射值，记为，选择每个试次的前m个最大值，并记录其对应的时间点，记做显著性时间集； d使用c中的显著性时间集对作时间维度dim=2的索引，得到，其中表示显著性时间集的长度； e按照每个类别中的试次dim=0遍历，并对每个类别每个试次的在时间维度dim=2求和，得到每个类别每个试次的神经网络特征在空间维度的映射值，并将得到的进行概率化； f按照试次叠加，得到，并以脑地形图的方式进行显示，得到不同类别的神经网络特征在空间中的可视化结果。

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天津大学，其通讯地址为：300072 天津市南开区卫津路92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。