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！

龙图腾网获悉华南师范大学申请的专利一种基于自动睡眠分期的意识障碍患者辅助诊断系统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：CN116687422B 。

龙图腾网通过国家知识产权局官网在2025-10-03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：202310455125.2，技术领域涉及：A61B5/369；该发明授权一种基于自动睡眠分期的意识障碍患者辅助诊断系统是由王斐;胡帮顺设计研发完成，并于2023-04-25向国家知识产权局提交的专利申请。

本一种基于自动睡眠分期的意识障碍患者辅助诊断系统在说明书摘要公布了：本发明公开了一种基于自动睡眠分期的意识障碍患者辅助诊断系统，包括：睡眠脑电数据采集模块，使用多导睡眠仪采集意识障碍患者的原始睡眠脑电数据并进行标记；数据预处理模块，使用重参考、带通滤波和独立成分分析对睡眠脑电数据采集模块采集到的数据预处理；特征提取模块，将预处理后的数据作为输入，输入睡眠分期网络模型得到意识障碍患者的睡眠分期结果，将睡眠分期结果汇总作为睡眠分期结果的特征矩阵；意识障碍分类模块，将睡眠分期结果的特征矩阵作为输入，输入自适应分类网络模型，对意识障碍患者进行最终的辅助诊断。本发明从睡眠模式方面对意识障碍患者进行辅助诊断研究，通过比对睡眠模式的异质性情况，有利于发现患者病理性原因。

本发明授权一种基于自动睡眠分期的意识障碍患者辅助诊断系统在权利要求书中公布了：1.一种基于自动睡眠分期的意识障碍患者辅助诊断系统，其特征在于，包括： 睡眠脑电数据采集模块，使用多导睡眠仪采集意识障碍患者的原始睡眠脑电数据，并对意识障碍患者睡眠脑电序列片段进行标记； 数据预处理模块，使用重参考、带通滤波和独立成分分析对睡眠脑电数据采集模块采集到的数据进行预处理； 特征提取模块，用于将预处理后的数据作为输入，输入睡眠分期网络模型得到意识障碍患者的睡眠分期结果，将睡眠分期结果汇总作为睡眠分期结果的特征矩阵； 意识障碍分类模块，用于将睡眠分期结果的特征矩阵作为输入，输入自适应分类网络模型，对意识障碍患者进行最终的辅助诊断； 所述睡眠分期网络模型包含改进的自适应时频域特征选取模块和改进的帧内帧间长短期记忆神经网络LSTM，具体如下： 所述改进的自适应时频域特征选取模块为一种双分支结构，分别为：时域特征提取和频域特征提取；同时，在双分支结构上分别加入通道注意力机制模块； 所述时域特征提取和频域特征提取是由每个表示睡眠脑电信号序列片段，使用的小卷积核以的步长提取序列片段中的时域特征，使用的大卷积核以的步长提取序列片段中的频域特征，其中表示脑电信号的采样率；随后，使用一种正则化技术层，以设定比例使神经网络中的神经元随机失活；对于提取到的时域和频域特征再次使用卷积层提取更多的特征组合，使用最大池化层提取出最显著的特征； 所述通道注意力机制模块由通道注意力模块和特征重缩放模块组成；对于每个通道，通过对该通道的特征图进行全局池化，得到一个全局特征描述符；然后，将该全局特征描述符输入到一个包含两个全连接层的多层感知机中，以获得一个通道权重，第一个全连接层使用降维的方式将特征描述符的表述进行压缩，压缩程度表现为：，其中表示神经网络计算过程中特征的数量，表示对全连接层的压缩程度，其值能被整除；第二个全连接层使用还原维度的方式将压缩后的表示形式进行维度上的还原，还原后的维度为输入数据的维度，其大小应该与上述神经网络计算过程中特征的数量保持一致；最后，将权重乘以特征图中的每个通道，以得到加权的特征图，公式表示为： ； 式中，表示输入的特征图，表示全局平均池化，表示全连接层，表示所得到的加权特征图； 所述特征重缩放模块用于重新缩放特征图中每个通道的特征响应；使用学习到的通道权重来调整每个通道的特征响应，以增强有用的信息，并抑制无用的信息，公式表示为： ； 式中，表示经过通道注意力模块和特征重缩放模块后得到的特征图；表示激活函数ReLU，和表示全连接层的权重，表示sigmoid函数； 所述改进的帧内帧间长短期记忆神经网络LSTM包含：帧内帧间级联式LSTM网络结构和帧间时序注意力层； 所述帧间时序注意力层是在帧间时序网络中引入注意力机制；在每个时间步骤上加入帧间时序注意力层，使模型能够根据当前时间步骤的输入，自适应地关注不同的输入元素； 下面是注意力机制的公式： ⅰ、定义注意力分值，其公式表示为： ； 式中，是缩放点积相似度函数，表示输入序列中的第个元素，为当前时间步骤的更新隐藏状态的结果； ⅱ、计算注意力权重，表示模型在当前时间步骤需要关注输入序列中第个元素的程度，公式表示为： ； 式中，是输入序列的长度，为时间步骤需要关注输入序列中第个元素的注意力分值，表示为对取指数形式，为时间步骤需要关注输入序列中第个元素的注意力分值，表示为对取指数形式； ⅲ、将注意力权重与时间步骤需要关注输入序列中第个元素的输入元素加权求和，得到当前时间步骤的加权输入： ； ⅳ、在帧内帧间级联式LSTM网络结构中，将当前时间步骤的输出经过tanh激活函数，得到完整的带有注意力机制的时序网络的输出，公式表示为： ； 式中，是权重矩阵，是偏置项，是tanh激活函数，是带有注意力机制的时序网络的输出。

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华南师范大学，其通讯地址为：510631 广东省广州市天河区中山大道西55号软件学院；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。