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！

龙图腾网获悉首都医科大学附属北京积水潭医院申请的专利基于深度学习的脑电调控监测数据特征挖掘方法及计算机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：CN120045931B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202411899773.8，技术领域涉及：G06F18/2135；该发明授权基于深度学习的脑电调控监测数据特征挖掘方法及计算机系统是由刘龙奇;苏亦兵;史良;王科大;宁蒙蒙设计研发完成，并于2024-12-23向国家知识产权局提交的专利申请。

本基于深度学习的脑电调控监测数据特征挖掘方法及计算机系统在说明书摘要公布了：本发明提供的基于深度学习的脑电调控监测数据特征挖掘方法及计算机系统，涉及数据处理技术领域，对经初始调校的监测数据特征挖掘网络的网络配置变量进行剪枝，以及对剪枝后的监测数据特征挖掘网络进行二次调校，获得收敛状态的监测数据特征挖掘网络。本发明降低了获得的监测数据特征挖掘网络的规模，以防止监测数据特征挖掘网络在部署的脑电调控装置上运行困难。

本发明授权基于深度学习的脑电调控监测数据特征挖掘方法及计算机系统在权利要求书中公布了：1.一种基于深度学习的脑电调控监测数据特征挖掘方法，其特征在于，所述方法包括： 获取所述监测数据特征挖掘网络的知识模板库，具体包括：获取所述监测数据特征挖掘网络的原始模板库，所述原始模板库中包括一个或多个原始的有目标知识模板和一个或多个原始的无目标知识模板；在拟挖掘的目标特征集合中采样得到一个或多个目标特征，对所述一个或多个目标特征进行组合，获得第一数据项序列；在所述第一数据项序列中采样得到子序列，以及将所述子序列添加到所述原始的无目标知识模板中，获得增强模板；其中，所述子序列是所述第一数据项序列中的一个数据项或多个不间断的数据项；如果所述子序列是所述目标特征集合中的目标特征，将所述增强模板作为增强的有目标知识模板；如果所述子序列不是所述目标特征集合中的目标特征，将所述增强模板作为增强的无目标知识模板；依据所述原始模板库、所述增强的有目标知识模板和所述增强的无目标知识模板，获得所述监测数据特征挖掘网络的所述知识模板库；所述知识模板库包括一个或多个有目标知识模板和一个或多个无目标知识模板，所述有目标知识模板表示具有目标特征的脑电调控监测数据，所述无目标知识模板表示不具有所述目标特征的脑电调控监测数据； 通过所述知识模板库对所述监测数据特征挖掘网络进行调校，获得经初始调校的监测数据特征挖掘网络； 对所述经初始调校的监测数据特征挖掘网络的网络配置变量进行剪枝，获得剪枝后的监测数据特征挖掘网络；其中，所述剪枝后的监测数据特征挖掘网络的内存占用，小于所述经初始调校的监测数据特征挖掘网络的内存占用；具体包括：针对所述经初始调校的监测数据特征挖掘网络中的第一网络组件，对所述第一网络组件的权重张量进行特征值拆分，获得第一旋转张量、特征值张量和第二旋转张量的相乘结果； 在所述特征值张量具有的特征值中，确定符合第一要求的目标特征值，具体包括：将所述特征值张量具有的各个特征值依据递减的方式进行排序，获得特征值向量；确定处在所述特征值向量中的前p个特征值，获得p个所述目标特征值，p≥2； 在所述第一旋转张量、所述特征值张量和所述第二旋转张量中，各自抽取与所述目标特征值对应的配置变量，获得剪枝后的第一旋转张量、剪枝后的特征值张量和剪枝后的第二旋转张量； 其中，所述剪枝后的监测数据特征挖掘网络中的所述第一网络组件的配置变量，通过所述剪枝后的第一旋转张量、所述剪枝后的特征值张量和所述剪枝后的第二旋转张量组成； 通过所述知识模板库对所述剪枝后的监测数据特征挖掘网络进行调校，获得收敛状态的监测数据特征挖掘网络； 基于所述收敛状态的监测数据特征挖掘网络的表征信息提取组件获取拟挖掘脑电调控监测数据的数据特征向量，基于所述拟挖掘脑电调控监测数据的数据特征向量，确定所述拟挖掘脑电调控监测数据中是否具有所述目标特征。

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首都医科大学附属北京积水潭医院，其通讯地址为：100035 北京市西城区新街口东街31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。