Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 江苏科技大学周稳兰获国家专利权

江苏科技大学周稳兰获国家专利权

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!

龙图腾网获悉江苏科技大学申请的专利基于MFDMA与分形维数的脑电信号检测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:CN116849682B

龙图腾网通过国家知识产权局官网在2026-04-17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:202310887802.8,技术领域涉及:A61B5/372;该发明授权基于MFDMA与分形维数的脑电信号检测是由周稳兰;王文慧;张佳;冯友兵;王敏设计研发完成,并于2023-07-19向国家知识产权局提交的专利申请。

基于MFDMA与分形维数的脑电信号检测在说明书摘要公布了:本发明公开了基于MFDMA与分形维数的脑电信号检测,本发明采用MFDMA、Hurst指数和分形维数来表征脑电的动态特性,同时考虑了MFDFA方法来获得Hurst指数,其后采用Hall‑Wood和RobustGenon估计器来计算分形维数D,最后在分形维数D和Hurst指数的基础上,提出了一种新的组合测度CI,用于评估癫痫患者和健康受试者的脑电非线性TS,本发明避免单独选择单个索引时发现的限制,提高了算法的有效性和合理性。

本发明授权基于MFDMA与分形维数的脑电信号检测在权利要求书中公布了:1.基于MFDMA与分形维数的脑电信号检测方法,其特征在于:具体包括以下步骤: S1:获取脑电信号,获得EEG数据集,分析脑电信号特性; S2:获取EEG片段,为最小化分析时间和分析成本,采用数据分割技术; S3:利用MFDMA提取EEG信号的广义赫斯特指数,具体的: S3.1:给定脑电信号的时间序列,,为数据的总数,构造一个新的序列: ; S3.2:在尺度scale的数值为的移动窗口中,计算移动平均函数,公式为: 其中,表示小于等于的最大非负整数,表示大于等于的最小非负整数,代表移动平均值在移动窗口中存放的位置; S3.3:计算残差并将残差作为新的数据序列,具体的: ,, ,总的数据个数为; 将序列划分成大小相同的个互不相交的区间段,每个区间段取个数据,,,再将序列反向划分一次,得到个区间段; S3.4:计算局部均方根值和全局阶均方根值,具体的: 计算局部均方根值:第个区间段中的均方根函数可以用下式计算得到: 其中为新的数据序列,为总的数据个数,为互不相交的区间段; 计算全局阶均方根值,当时,计算公式为: 当时,计算公式为: S3.5:改变尺度scale的数值,得到对应的,如果信号序列是具有幂律关系的尺度不变信号,则: 其中是阶Hurst指数; S4:提取EEG信号的分形维数,具体的: S4.1:分析分形维数在非线性时间序列TS中的性质; S4.2:采用Hall-Wood估计器,即HW估计器得到分形维数分量; S4.3:利用RobustGenon估计器,即RG估计器计算分形维数分量; S5:定义计算脑电非线性时间序列TS的联合指数CI;根据Hurst指数和分形维数能够表示非线性时间序列TS的随机性和长期依赖性,提出联合指数CI,公式如下: 其中和分别是与赫斯特指数和分形维数相关的随机游走现象期望值,是的估计值,由得到,其中和分别由S4.2和S4.3计算获得; S6:计算EEG数据段的CI指数,利用威尔科克森Wilcoxon符号秩检验原理实现癫痫检测。

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江苏科技大学,其通讯地址为:212003 江苏省镇江市京口区梦溪路2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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。