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！

龙图腾网获悉电子科技大学申请的专利一种基于时-频融合特征的脑电癫痫模式识别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：CN120998480B 。

龙图腾网通过国家知识产权局官网在2026-04-24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：202510966386.X，技术领域涉及：G16H50/30；该发明授权一种基于时-频融合特征的脑电癫痫模式识别方法是由高晴;邓博元;陈华富设计研发完成，并于2025-07-14向国家知识产权局提交的专利申请。

本一种基于时-频融合特征的脑电癫痫模式识别方法在说明书摘要公布了：该方法公开了一种基于时‑频融合特征的脑电癫痫模式识别方法，属于医学信号处理技术领域。本发明通过引入差分序列构造方法，有效增强了脑电数据的空间信息表达能力；结合短时傅里叶变换STFT与梅尔滤波器组，实现了对脑电信号在时间‑频率域上的高效建模，充分捕捉了异常脑活动模式中的局部周期性与节律性特征。选用EfficientNet‑b0作为核心分类模型，其具有参数量少、计算效率高、泛化能力强的特点。通过对输入图像进行拼接、插值缩放等处理，使模型能够在不牺牲性能的前提下实现轻量化部署。本发明实现了从原始EEG信号输入到最终分类结果输出的全流程自动化处理，无需人工参与特征工程或标签标注，极大提升了系统运行效率与实用性。

本发明授权一种基于时-频融合特征的脑电癫痫模式识别方法在权利要求书中公布了：1.一种基于时-频融合特征的脑电癫痫模式识别方法，该方法包括： 步骤1：获取脑电EEG数据，该数据需按照IO20标准采集，包含脑电模式标签：LPD、GPD、LRDA、GRDA、Seizure、Other，这些标签分别表示左侧周期性放电、广泛性周期性放电、左侧节律性δ活动、广泛性节律性δ活动、癫痫发作、其他； 步骤4：使用差分计算获取EEG脑电序列； LL：Fp1-F7-T3-T5-O1， LP：Fp1-F3-C3-P3-O1， LZ：Fp1-Fz-Cz-Pz-O1， RZ：Fp2-Fz-Cz-Pz-O1， RP：Fp2-F4-C4-P4-O2， RR：Fp2-F8-T4-T6-O2； 其中，LL表示左下部，LP表示左后部，LZ表示左颧部，RZ表示右颧部，RP表示右后部，RR表示右下部，Fp1表示左额极区，Fp2表示右额极区，F3表示左额叶区，F4表示右额叶区，Fz表示额中线区，F7表示左前颞区，T3表示左颞区，T4表示右颞区，T5表示左后颞区，T6表示右后颞区，C3表示左中央区，Cz表示中央中线区，C4表示右中央区，P3表示左顶叶区，P4表示右顶叶区，Pz表示顶中线区，O1表示左枕叶区，O2表示右枕叶区； 步骤5：获取傅里叶频谱数据； 步骤6：获取梅尔频谱数据； 步骤7：时域-谱域模型训练： 步骤7.1：选择LL，LP，RP，RR，LZ，RZ六条序列，步骤7.2使用6条序列，步骤7.3只使用其中4条序列； 步骤7.2：使用梅尔滤波器对步骤7.1的六条序列的FFT频谱图进行降噪处理； 步骤7.3：把梅尔降噪得到的频谱图和LL，LP，RP，RR四条序列的FFT频谱图按上下顺序拼接；将拼接得到的频谱图使用双线性插值进行缩放到768x768尺寸； 步骤7.4：采用步骤7.3得到的拼接数据和对应的标签，对EfficientNet-b0模型进行训练； 步骤8：采用训练好的EfficientNet-b0模型对新得到的脑电数据进行识别。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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。