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！

龙图腾网恭喜中国人民解放军陆军军医大学第二附属医院申请的专利基于人工智能的脑电信号异常监测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：CN115886842B 。

龙图腾网通过国家知识产权局官网在2025-03-14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：202211553132.8，技术领域涉及：A61B5/372；该发明授权基于人工智能的脑电信号异常监测方法是由张春青;章婧;杨辉;沈开凤;孙晓琴设计研发完成，并于2022-12-06向国家知识产权局提交的专利申请。

本基于人工智能的脑电信号异常监测方法在说明书摘要公布了：本申请提供一种基于人工智能的脑电信号异常监测方法，包括：获取用户的脑电信号；对所述脑电信号进行散射变换，得到所述脑电信号对应的散射系数集合；利用分布式模糊熵度量方法对基于所述散射系数集合确定的一维离散序列进行特征提取，得到所述脑电信号对应的信号特征；将所述信号特征输入预设的脑电信号异常监测模型中，获得监测结果，其中，所述脑电信号异常监测模型为基于单隐藏层前馈神经网络构建的改进极限学习机模型。采用模糊分布式熵技术提取脑电信号特征，降低了对嵌入维数和相似容限等预设参数的依赖，通过改进极限学习机，大大降低了算法的时间复杂度，具有更好的鲁棒性和稳定的泛化能力。

本发明授权基于人工智能的脑电信号异常监测方法在权利要求书中公布了：1.一种基于人工智能的脑电信号异常监测方法，其特征在于，包括：获取用户的脑电信号；对所述脑电信号进行散射变换，得到所述脑电信号对应的散射系数集合；利用分布式模糊熵度量方法对基于所述散射系数集合确定的一维离散序列进行特征提取，得到所述脑电信号对应的信号特征；将所述信号特征输入预设的脑电信号异常监测模型中，获得监测结果，其中，所述脑电信号异常监测模型为基于单隐藏层前馈神经网络构建的改进极限学习机模型；利用分布式模糊熵度量方法对基于所述散射系数集合确定的一维离散序列进行特征提取，得到所述脑电信号对应的信号特征，包括：基于所述散射系数集合确定出一维离散序列U＝{u1,u2,…,uN}；基于一维离散序列U重构N-m+1个m维的矢量，其中，m为嵌入维数；基于N-m+1个m维的重构矢量，确定出任意两个重构矢量之间的距离，构建距离矩阵；基于所述距离矩阵中的各个元素，计算距离矩阵对应的相似度矩阵；对所述相似度矩阵进行概率密度估计，得到概率密度函数；基于概率密度函数，确定出一维离散序列U对应的模糊分布熵，作为所述脑电信号对应的信号特征；基于一维离散序列U重构N-m+1个m维的矢量，包括：基于一维离散序列U，利用以下公式重构第j个m维的矢量：Vj＝{uj,uj+1,…,uj+m-1}-u0i，其中，Vj为第j个重构矢量，j＝1,2,…,N-m+1，uj、uj+1,…,uj+m-1分别为一维离散序列U中第j个、第j+1个、…、第j+m-1个元素，u0为重构矢量的参考均值，即： 其中，k＝0,1,2,…,m-1，m1；基于N-m+1个m维的重构矢量，确定出任意两个重构矢量之间的距离，构建距离矩阵，包括：针对任意两个重构矢量，计算两个重构矢量Vp与Vq之间的距离： 其中，dpq为重构矢量Vp与Vq之间的距离，up+l为重构矢量Vp中第l+1个元素，u0p为重构矢量Vp的均值，uq+l为重构矢量Vq中第l+1个元素，u0q为重构矢量Vq的均值；基于每个重构矢量与其他重构矢量之间的距离，构建距离矩阵：D＝{dpq}，其中，p,q＝1,2,…,N-m+1；基于所述距离矩阵中的各个元素，计算距离矩阵对应的相似度矩阵，包括：采用以下公式计算所述距离矩阵中的每个元素的模糊隶属度： 其中，spq表示距离矩阵中元素dpq的模糊隶属度，r为模糊分布式熵的相似度容限，α0；基于所述距离矩阵中每个元素dpq对应的模糊隶属度spq，构建相似度矩阵：S＝{spq}，其中，p,q＝1,2,…,N-m+1。

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中国人民解放军陆军军医大学第二附属医院，其通讯地址为：400038 重庆市沙坪坝区新桥正街新桥医院；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”。