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！

龙图腾网获悉长春理工大学申请的专利基于双向交互式RWKV网络的多模态睡眠分期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：CN120873825B 。

龙图腾网通过国家知识产权局官网在2025-12-02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：202511386065.9，技术领域涉及：G06F18/2415；该发明授权基于双向交互式RWKV网络的多模态睡眠分期方法是由李奇;张航;武岩;高宁;张安元设计研发完成，并于2025-09-26向国家知识产权局提交的专利申请。

本基于双向交互式RWKV网络的多模态睡眠分期方法在说明书摘要公布了：本公开涉及基于双向交互式RWKV网络的多模态睡眠分期方法，属于数据处理技术领域，包括：获取脑电图信号、眼电图信号和肌电图信号；对脑电图信号、眼电图信号和肌电图信号进行深度特征提取得到、、；以为主、为辅，利用第一RWKV模块实现模态内信息的上下文建模及模态间信息的融合；以为主、为辅，利用和第一RWKV模块并行的第二RWKV模块实现模态内信息的上下文建模及模态间信息的融合；将两RWKV模块的输出通过逐元素加法整合形成融合特征；生成对各睡眠阶段的后验概率分布取概率最高的类别作为睡眠分期预测结果。本发明的分期效率高、准确率高。

本发明授权基于双向交互式RWKV网络的多模态睡眠分期方法在权利要求书中公布了：1.基于双向交互式RWKV网络的多模态睡眠分期方法，其特征在于，包括以下步骤： 步骤1，获取待处理的睡眠数据，所述睡眠数据包括脑电图信号、眼电图信号和肌电图信号； 步骤2，对脑电图信号、眼电图信号和肌电图信号进行深度特征提取，一一对应地得到深度特征、深度特征、深度特征； 步骤3，以深度特征作为主模态特征、深度特征作为辅助模态特征，利用第一RWKV模块实现模态内信息的上下文建模及模态间信息的融合；以深度特征作为主模态特征、深度特征作为辅助模态特征，利用和第一RWKV模块并行的第二RWKV模块实现模态内信息的上下文建模及模态间信息的融合；将第一RWKV模块的输出和第二RWKV模块的输出通过逐元素加法整合，形成融合特征； 步骤4，根据所述融合特征生成对各睡眠阶段的后验概率分布，取概率最高的类别作为睡眠分期预测结果； 所述第一RWKV模块和第二RWKV模块结构相同，均包括第一双向自上下文编码模块、第二双向自上下文编码模块、跨模态动态交互模块和双向通道混合模块；所述第一双向自上下文编码模块用于对主模态特征实现上下文感知增强输出上下文感知增强的主模态特征，所述第二双向自上下文编码模块用于对辅助模态特征实现上下文感知增强输出上下文感知增强的辅助模态特征，所述跨模态动态交互模块用于实现所述上下文感知增强的主模态特征和所述上下文感知增强的辅助模态特征的动态交互融合得到融合后的序列特征，所述双向通道混合模块用于对融合后的序列特征在通道维度进行非线性变换，在通道维度并行建模后融合，并通过线性映射恢复至所述融合后的序列特征的维度形成语义增强后的模态表示，将语义增强后的模态表示和所述融合后的序列特征通过残差连接形成RWKV模块的最终输出； 所述第一双向自上下文编码模块和第二双向自上下文编码模块结构相同，包括并行的前向RWKV-7单元和后向RWKV-7单元，还包括线性融合层，所述前向RWKV-7单元用于处理深度特征得到前向上下文表示，后向RWKV-7单元的输入为时间维度反转后的深度特征，经过后向RWKV-7单元处理后得到后向上下文表示，所述线性融合层用于将第一拼接结果投影回其对应的所述深度特征的维度，形成最终的双向上下文表示，所述第一拼接结果为前向上下文表示和后向上下文表示在特征维度上进行拼接得到； 所述跨模态动态交互模块包括跨模态时序混合层和第五归一化层，所述跨模态时序混合层用于调整更新辅助模态特征的上下文状态矩阵，根据更新后的辅助模态特征的上下文状态矩阵与主模态特征生成的Receptance向量相乘得到交互特征，所述第五归一化层用于将跨模态时序混合层生成的交互特征进行归一化处理。

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长春理工大学，其通讯地址为：130022 吉林省长春市朝阳区卫星路7089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。