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！

龙图腾网获悉浙江科技学院申请的专利一种基于改进CNN融合模型的癫痫分级预测模型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：CN115868925B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202211308382.5，技术领域涉及：A61B5/00；该发明授权一种基于改进CNN融合模型的癫痫分级预测模型是由万健;王浩;张蕾;宋坤朋;陈芳妮;黄杰;张丽娟;王海江设计研发完成，并于2022-10-25向国家知识产权局提交的专利申请。

本一种基于改进CNN融合模型的癫痫分级预测模型在说明书摘要公布了：本发明属于计算机应用技术领域，公开了一种基于改进CNN融合模型的癫痫分级预测模型，包括脑电信号划分模块、同步压缩小波变换模块、数据处理模块、模型融合模块、预测概率处理模块；脑电信号划分模块用于对脑电信号的各个时期进行划分；所述同步压缩小波变换模块利用同步压缩小波变换对脑电信号进行处理；所述数据处理模块包括MLF‑CNN模型、半膨胀卷积网络模型，用于处理数据；所述模型融合模块用于将MLF‑CNN模型、半膨胀卷积网络模型进行融合；所述预测概率处理模块使用自偏移后处理方法处理预测概率。本发明的自偏移融合模型相较于各单支模型有较大的性能提升。且能够用于临床数据集，具备泛化能力。

本发明授权一种基于改进CNN融合模型的癫痫分级预测模型在权利要求书中公布了：1.一种基于改进CNN融合模型的癫痫分级预测模型，其特征在于，包括脑电信号划分模块、同步压缩小波变换模块、数据处理模块、模型融合模块、预测概率处理模块；脑电信号划分模块用于对脑电信号的各个时期进行划分；所述同步压缩小波变换模块利用同步压缩小波变换对脑电信号进行处理；所述数据处理模块包括MLF-CNN模型、半膨胀卷积网络模型，用于处理数据；所述模型融合模块用于将MLF-CNN模型、半膨胀卷积网络模型进行融合；所述预测概率处理模块使用自偏移后处理方法处理预测概率；所述脑电信号划分模块划分发作前期为癫痫发作前的十五分钟，发作间期的数据取用上次癫痫发作四小时后到本次发作四小时前之间的数据；所述MLF-CNN模型是在VGG16中减少了第四个块和第五个块中的卷积层以限制顶层感受野，其次使用1×1卷积核将每个卷积层的结果处理成维数大小相同的向量，然后将各个块中得到的向量合并，并反卷积放大特征尺寸得到五个大小相同的特征图，最后拼接融合五个放大后的特征图，并降维和使用softmax分类，这五个特征图来自五个不同的模块，包含着不同维度的特征信息；所述MLF-CNN模型利用同步压缩小波变换将CHB-MIT数据集中脑电数据映射到频域；所述半膨胀卷积网络模型用于将同步压缩小波变换模块得到的时频图输入到半膨胀卷积网络模型中，数据经过网络结构由6个顺序层构成，分别为3个卷积层和3个池化层，卷积层由5个平行的半膨胀卷积层组成，半膨胀率分别为1,2,4,8和16，在每个卷积层之后都跟随着一个最大池化层，其池化步长为2，三个卷积层中卷积核的数量分别为64,128和256，最后全连接层模块学习抽取到的特征，实现预测分类；所述模型融合模块使用模型后融合，使用MLF-CNN网络与构建的半膨胀卷积并联组成一个全新的预测模型，经同步压缩小波变换转换成时频图作为新模型的输入，两个支路网络同时提取时频图中的特征信息，并通过softmax层生成预测概率；所述预测概率处理模块将数据处理模块中的两个模型所生成的预测概率作为自偏移后处理方法的输入，所述预测概率处理模块包括执行下列程序步骤的模块：设是第n个支路网络所生成的预测概率向量，为概率向量中的第i个概率值，其中i⩽k，k为模型分类的种类数量，即 1 同时，记每个支路网络的概率向量中的最大值为，有 2 采用自偏移后处理方法，根据每个支路模型的概率向量计算加权向量，其中的计算方法如下， 3 设P为n个支模模型概率向量组成的概率输出矩阵，则多个支路模型融合后最终的分类预测q为： q=w×P4 通过自偏移后处理方法，各支路模型的概率向量获得加权，最自信的支路模型被突显出来，生成最终的预测向量。

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浙江科技学院，其通讯地址为：310023 浙江省杭州市留和路318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。