Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于多任务学习网络的自闭症诊断及严重程度评估方法 

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!

申请/专利权人:燕山大学

摘要:本发明公开了一种基于多任务学习网络的自闭症诊断及严重程度评估方法,具体包括:同步采集多通道脑电信号,并对其进行降噪与自适应滤波处理,然后将处理后的信号进行矩阵编码转换;设计基于并行膨胀卷积分支的Inception模块捕获不同尺度的脑电空间特征信息,进一步构建基于门控单元的Inception‑BiGRU网络提取并融合脑电信号的空间特征和时序特性;基于知识蒸馏实现多任务学习,利用从自闭症严重程度评估中得到的更复杂和细致的信息来提高自闭症诊断这一基础任务的性能;为不同部分的损失函数分配权重,并通过优化算法对模型进行更新学习。本发明能实现自闭症诊断及其严重程度评估。

主权项:1.一种基于多任务学习网络的自闭症诊断及严重程度评估方法,其特征在于包括以下步骤:S1、脑电信号采集及数据预处理,采用非侵入式脑电帽采集受试者在无约束的自然状态下的多通道的脑电信号,并对脑电信号进行伪迹剔除,然后将处理后的多通道脑电信号进行矩阵编码转换;S2、基于混合型融合网络的脑电特征提取,设计基于门控单元的Inception-BiGRU网络,通过融合Inception网络分支和BiGRU网络分支特征,更好地捕获脑电信号中的空间特征和时序特性;S3、基于知识蒸馏的多任务处理模块设计,包括自闭症诊断与自闭症严重程度评估的多任务处理分支设计,实现从高级任务——自闭症严重程度评估到基础任务——自闭症诊断的多任务实现;S4、损失函数优化设计,基于自注意力模块,对两个分支任务动态分配损失函数的权重,进行自适应的调整与互学习;S5、设置模型训练的初始化超参数,使用训练集和验证集对模型进行迭代训练,保存最优权重模型;将最优权重模型载入到网络中,对测试集数据进行自闭症的诊断与严重程度评估。

全文数据:

权利要求:

百度查询: 燕山大学 基于多任务学习网络的自闭症诊断及严重程度评估方法

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。