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！

龙图腾网获悉哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)申请的专利一种多模态生理信号耦合分析方法、系统、终端及存储介质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：CN121400783B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202512020776.0，技术领域涉及：A61B5/00；该发明授权一种多模态生理信号耦合分析方法、系统、终端及存储介质是由刘洪海;谢发文;盛译萱;曹锐凯;吕家昊设计研发完成，并于2025-12-30向国家知识产权局提交的专利申请。

本一种多模态生理信号耦合分析方法、系统、终端及存储介质在说明书摘要公布了：本发明涉及生物信号处理技术领域，公开了一种多模态生理信号耦合分析方法、系统、终端及存储介质。所述方法包括：同步采集受试者执行特定实验范式时的多模态生理信号；构建包含神经元动力学模型及各信号对应观测模型的多模态动态因果模型；采用分阶段贝叶斯反演策略进行参数估计，先固定第一类信号参数反演第二类信号相关参数，再固定已反演参数反演第一类信号参数，获得联合后验分布；最终基于反演得到的所述模型参数，生成所述受试者的生物标志物。本发明通过分阶段反演策略，有效解决了多模态数据时间尺度差异大、模型参数多导致的计算复杂性高、参数估计不稳健的技术问题，并能生成生物标志物，用于临床运动功能评估。

本发明授权一种多模态生理信号耦合分析方法、系统、终端及存储介质在权利要求书中公布了：1.一种多模态生理信号耦合分析方法，其特征在于，所述的多模态生理信号耦合分析方法包括： 同步采集受试者在执行特定实验范式时的多种模态的生理信号； 构建多模态动态因果模型，所述多模态动态因果模型包括神经元动力学模型以及分别与各种所述生理信号对应的观测模型； 根据所述生理信号，采用分阶段贝叶斯反演策略对所述多模态动态因果模型的参数进行反演估计，得到模型参数； 基于反演得到的所述模型参数，生成所述受试者的生物标志物； 其中，所述多种模态的生理信号包括第一类生理信号和第二类生理信号； 所述根据所述生理信号，采用分阶段贝叶斯反演策略对所述多模态动态因果模型的参数进行反演估计，得到模型参数，包括： 固定与所述第一类生理信号对应的观测模型参数，利用所述第二类生理信号的观测数据，对所述神经元动力学模型的部分或全部参数及所述第二类生理信号的观测模型参数进行反演估计； 固定经第一阶段反演估计得到的参数，利用所述第一类生理信号的观测数据，对所述第一类生理信号的观测模型参数进行反演估计，以获得所有参数的联合后验分布； 所述第一类生理信号为时间分辨率低于预设阈值的低频信号，所述第二类生理信号为时间分辨率高于所述预设阈值的高频信号； 其中，所述低频信号包括功能性近红外光谱信号，所述高频信号包括脑电信号和表面肌电信号； 所述分阶段贝叶斯反演策略采用变分拉普拉斯算法，所述变分拉普拉斯算法通过迭代更新参数后验分布的均值和协方差以最大化模型的负变分自由能； 参数后验分布的均值的更新公式如下： 其中，为第k次迭代的参数后验均值向量，表示当前迭代下模型参数的最优估计值；为第k+1次迭代更新后的参数后验均值向量，表示通过调整当前均值得到的新的估计；为自由能F相对于参数均值的梯度向量，为自由能F的Hessian矩阵，表示自由能在参数空间中的曲率；为负Hessian矩阵的逆矩阵，用于缩放梯度步长； 参数后验分布的协方差的更新公式如下： 其中，为第k+1次迭代的参数后验协方差矩阵，表示更新后参数的不确定性或参数之间的相关性。

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哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)，其通讯地址为：518055 广东省深圳市南山区桃源街道深圳大学城哈尔滨工业大学校区；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。