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！

龙图腾网恭喜浩睿智源(山东)人工智能有限公司申请的专利基于双模态融合的抑郁状态识别方法及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：CN115736920B 。

龙图腾网通过国家知识产权局官网在2025-06-03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：202211370867.7，技术领域涉及：A61B5/16；该发明授权基于双模态融合的抑郁状态识别方法及系统是由隋金雁;张继洲;王聪聪;刘得成;马佳霖;翟立彬;王明晗;孙保林;邢奥林;陶笑笑;刁志强;刘祖明;王树;曹艳坤;陶可猛设计研发完成，并于2022-11-03向国家知识产权局提交的专利申请。

本基于双模态融合的抑郁状态识别方法及系统在说明书摘要公布了：一种基于双模态融合的抑郁状态识别的智能方法，包括：采集目标人员在抑郁状态诱发场景中的脑电信号和心电信号；建立识别模型：利用多模态深度神经网络对所述脑电预处理数据和心电预处理数据进行特征提取并融合，得到融合特征；所述多模态深度神经网络包括心电特征提取网络和脑电特征提取网络；训练识别模型：利用最优模型对待测试人员的抑郁状态进行识别，最终将其抑郁状态进行归类、分级。本发明利用深度学习算法对抑郁状态患者进行识别，减轻了心理工作者在面临大范围筛查时的巨大工作量，为医疗工作人员提供判定参考，提高抑郁状态患者识别的效率。

本发明授权基于双模态融合的抑郁状态识别方法及系统在权利要求书中公布了：1.一种基于双模态融合的抑郁状态识别的智能方法，其特征在于，包括：步骤1、采集目标人员在抑郁状态诱发场景中的脑电信号EEG和心电信号ECG；步骤2、对采集到的脑电信号和心电信号进行预处理，得到脑电预处理数据和心电预处理数据；步骤3、建立识别模型：利用多模态深度神经网络对所述脑电预处理数据和心电预处理数据进行特征提取并融合，得到融合特征；所述多模态深度神经网络包括心电特征提取网络和脑电特征提取网络；其中，所述心电特征提取网络包括：利用CNN-LSTM网络对ECG序列输出进行高层特征的提取，通过CNN的卷积和池化层从ECG序列中提取时间特征，再通过LSTM层提取时间特征之间顺序依赖关系，完成对ECG序列高层特征的提取；所述心电特征提取网络为1D-CNN和LSTM串联网络，包括：固定时间窗口为1s的序列作为输入，通过CNN网络提取心电信号序列的空间特征，经过FlattenLayer输入到两层LSTM网络中提取时间特征之间的顺序依赖关系，经过全连接层输出提取的高维心电信号特征矩阵F1；所述CNN网络包括两层网络，第一层网络包括一维卷积层、BatchNormalization、ReLU层和最大池化层，第二层网络包括一维卷积层、ReLU层和最大池化层；所述脑电特征提取网络包括：利用2D-CNN网络在过滤器中通过训练卷积核提取脑电的高层特征；所述脑电特征提取网络的结构包括：四组二维卷积网络对预处理的脑电信号进行特征提取，每一组网络包括，第一层二维卷积层、ReLU、最大池化层和第二层二维卷积层、BatchNormalization、ReLU和最大池化层；输入图片通过第一层二维卷积层的卷积核生成特征图，利用ReLU进行非线性激活，利用第二层二维卷积层对第一层二维卷积层生成的特征图进行巩固，经过全连接层最终输出高维脑电信号特征矩阵F2；所述融合特征的具体方法包括：分别计算ECG和EEG的模态交叉矩阵N1，N2： 在公式V中，T代表转置，通过Softmax层计算ECG和EEG双模态交叉矩阵的概率分布值α，β： 在公式VI中，i，j是两模态特征矩阵的维度；最终得到加权后的融合矩阵M：M＝concate[αF1，βF2]VII在公式VII中，concate为concatenate函数，用于将两模态特征进行拼接，形成深层双模态特征；步骤4、训练识别模型：将所述融合特征输入到构建的LSTM分类器进行迭代、保存最优模型，利用最优模型对待测试人员的抑郁状态进行识别，最终将其抑郁状态进行归类、分级。

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浩睿智源(山东)人工智能有限公司，其通讯地址为：250000 山东省济南市中国(山东)自由贸易试验区济南片区舜泰北路933号博晶大厦1502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”。