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！

龙图腾网获悉杭州电子科技大学申请的专利基于多通道脑电智能筛选与加权样本生成的棘波检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：CN114587381B 。

龙图腾网通过国家知识产权局官网在2025-09-02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：202210246380.1，技术领域涉及：A61B5/369；该发明授权基于多通道脑电智能筛选与加权样本生成的棘波检测方法是由曹九稳;徐镇迪;崔小南;王天磊;蒋铁甲;高峰设计研发完成，并于2022-03-14向国家知识产权局提交的专利申请。

本基于多通道脑电智能筛选与加权样本生成的棘波检测方法在说明书摘要公布了：本发明公开了基于多通道脑电智能筛选与加权样本生成的棘波检测方法，首先利用多种脑电波形特征基于阈值法对脑电各个通道数据进行样本筛选，最终通过数据分割得到多通道棘波候选样本；对所得多通道棘波候选样本进行数据分析，并基于最优通道进行多种权值计算，通过加权算法由多通道棘波候选样本生成单通道候选样本数据；最后利用单通道棘波分类算法完成对生成数据的分类检测。本发明不仅可以通过多通道数据的加权生成算法，提取各通道数据中有效信息，提高棘波识别性能，还提供了一种筛选多通道棘波候选样本的流程，为后续其他同类型算法建立数据集提供了一种标准。另外进一步分析加权数据生成时所用到的权值，还能够检测棘波产生具体的通道位置。

本发明授权基于多通道脑电智能筛选与加权样本生成的棘波检测方法在权利要求书中公布了：1.基于多通道脑电智能筛选与加权样本生成的棘波检测方法，其特征在于，包括如下步骤： 步骤1、利用多种脑电波形特征基于阈值法对脑电各个通道数据进行样本筛选，并通过筛选结果汇总得到多通道棘波候选样本信息，再基于棘波放电的多通道特征对其进行伪迹去除，最终通过数据分割得到多通道棘波候选样本； 所述的多通道棘波候选样本信息包括可能存在的棘波放电事件的放电时间和通道分布信息；所述的伪迹去除基于双极导联方式脑电图下棘波放电所特有的“针锋相对”现象对多通道棘波候选样本信息中不满足上述现象的干扰信息进行排除；所述数据分割指根据所得的多通道棘波候选样本信息在输入脑电信号上进行分割，获得多通道棘波候选样本； 步骤2、对所得多通道棘波候选样本进行数据分析，并基于最优通道进行多种权值计算，最终通过加权算法由多通道棘波候选样本生成单通道候选样本数据； 所述数据分析指基于振幅和波形相似度确定候选样本各通道中最有可能存在棘波放电的通道；所述权值包括基于振幅、波形相似度和与最优通道距离的三种权值；所述加权算法指基于上述所得的三种权值对多通道候选样本的各通道数据进行加权和，最终得到单通道样本数据； 所述的步骤2具体操作如下： 2-1.确定多通道棘波候选样本各通道的第一类权值矩阵，即基于波形振幅的权值矩阵Wamplitude，步骤如下： 1振幅特征量amplitude记为各通道数据中心波形的振幅； 2将全部通道的振幅特征量进行均值归一化后得到的振幅权值矩阵记为权值矩阵Wamplitude； 2-2.计算标准棘波数据组，其为基于已有标记的棘波样本数据库由K均值聚类算法得到的各个簇心数据； 2-3.确定多通道棘波候选样本各通道的第二类权值矩阵，即基于与标准棘波数据组相似度的权值矩阵Wshape，步骤如下： 1计算样本各通道数据的波形特征量shape，其基于各通道数据与标准棘波数据组间的最小欧式距离Edist，并通过高斯函数欧氏距离数据进一步映射至0到1范围内的相似性空间中，计算公式如下： 2将全部通道波形权值进行均值归一化后得到的数据记为波形权值矩阵Wshape； 2-4.基于多通道棘波候选样本各通道的振幅权重和波形权重确定最优通道，最优通道定义为多通道样本内振幅权重与波形权重乘积结果最大的通道； 2-5.确定多通道棘波候选样本各通道的第三类权值矩阵，即基于与最优通道间距离的权值矩阵Wdistance，步骤如下： 1计算样本各通道数据的距离特征量distance，若当前通道与最优通道处于同一脑半球时，源距离特征量定义为： distance＝0.75Mdist 否则定义为： distance＝0.5×0.75Mdist 其中Mdist为当前通道与最优通道间的曼哈顿距离； 2将全部通道距离权值进行均值归一化后得到的数据矩阵记为距离权值矩阵Wdistance； 2-6.基于前述步骤所得三类权值矩阵以及多通道数据multiChannelData，加权合成单通道数据样本singleChannelData，计算公式如下： 其中n为多通道数据所包含的通道数； 步骤3、利用单通道棘波分类算法完成对生成数据的分类检测； 所述单通道棘波分类算法指基于时序特征和LSTM网络架构的单通道检测算法，检测流程包括样本时序特征提取、特征融合和堆叠Bi-LSTM神经网络分类。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街；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”。