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！

龙图腾网获悉太原理工大学申请的专利基于逐步信息流和去冗余的脑网络分析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：CN116919421B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202310888135.5，技术领域涉及：A61B5/369；该发明授权基于逐步信息流和去冗余的脑网络分析方法是由孙婕;郭羽翔;牛焱;董艳青;武旭斌;薛家玥;相洁设计研发完成，并于2023-07-19向国家知识产权局提交的专利申请。

本基于逐步信息流和去冗余的脑网络分析方法在说明书摘要公布了：本发明公开一种基于逐步信息流和去冗余的脑网络分析方法，属于图像分析领域；解决了单纯的建网方式无法反应特定区域之间在不同级别的信息流传播过程、一些边在不同的高阶邻接矩阵中的重复存在导致的信息冗余等问题。主要通过逐步化过程捕捉到连接水平上电极之间的相互作用，利用去冗余模块消除各阶矩阵之间的冗余信息。最终成功捕捉癫痫传播路径，为难治性癫痫患者手术切除提供了参考价值。

本发明授权基于逐步信息流和去冗余的脑网络分析方法在权利要求书中公布了：1.基于逐步信息流和去冗余的脑网络分析方法，其特征在于，包括以下步骤： 步骤S1：获取难治性癫痫患者的sEEG数据，并对sEEG数据进行预处理，得到预处理后的sEEG数据； 步骤S2：基于预处理后的sEEG数据，提取时间序列，给定两个系统X和Y，分别表示系统X和Y的时间序列，通过最近一次观测得到时间序列的平均传递可能性；具体包括： 利用信息熵研究变量间的信息传递，计算出信息传递对观测系统不确定性降低的程度： ； 其中p代表传递信息量的概率，假设所研究的系统是一个k阶的平稳马尔可夫过程，因此每个观测值都看作是马尔可夫过程的一个状态，满足： ； 在充分考虑之前所有状态的情况下，通过最近一次观测得到的平均传递可能性为： ； 步骤S3：通过平均传递可能性，计算时间序列与之间的传递熵，并构建电极-电极的传递熵连接矩阵，增加逐步化过程，得到对应的逐步连接矩阵；其中，构建逐步连接矩阵具体包括： S31：计算电极间的传递熵连接矩阵，进行Fisher变换；在0.001水平上应用FDR校正来去除网络邻接矩阵中的假连接，然后对矩阵进行归一化，得到一阶连接矩阵，捕获种子电极的直接邻居； S32：以S31中校验后得到矩阵为基础，构建二阶连接矩阵，捕获二阶邻居； S33：以S32中校验后得到矩阵为基础，构建三阶连接矩阵，捕获三阶邻居； 步骤S4：逐步连接矩阵增加去冗余模块，过滤高阶邻域之间的重复信息，构建k阶去冗余邻接矩阵。

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太原理工大学，其通讯地址为：030024 山西省太原市万柏林区迎泽西大街79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。