哈爾濱工業(yè)大學(xué)(深圳)(哈爾濱工業(yè)大學(xué)深圳科技創(chuàng)新研究院);上海交通大學(xué)醫(yī)學(xué)院附屬瑞金醫(yī)院劉洪海獲國家專利權(quán)
買專利賣專利找龍圖騰,真高效! 查專利查商標(biāo)用IPTOP,全免費(fèi)!專利年費(fèi)監(jiān)控用IP管家,真方便!
龍圖騰網(wǎng)獲悉哈爾濱工業(yè)大學(xué)(深圳)(哈爾濱工業(yè)大學(xué)深圳科技創(chuàng)新研究院);上海交通大學(xué)醫(yī)學(xué)院附屬瑞金醫(yī)院申請(qǐng)的專利基于多模態(tài)數(shù)據(jù)的運(yùn)動(dòng)功能康復(fù)預(yù)測(cè)方法、系統(tǒng)、終端及存儲(chǔ)介質(zhì)獲國家發(fā)明授權(quán)專利權(quán),本發(fā)明授權(quán)專利權(quán)由國家知識(shí)產(chǎn)權(quán)局授予,授權(quán)公告號(hào)為:CN120203570B 。
龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-02發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉:該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為:202510697724.4,技術(shù)領(lǐng)域涉及:A61B5/11;該發(fā)明授權(quán)基于多模態(tài)數(shù)據(jù)的運(yùn)動(dòng)功能康復(fù)預(yù)測(cè)方法、系統(tǒng)、終端及存儲(chǔ)介質(zhì)是由劉洪海;潘惠娟;馮思雨;盛譯萱;曠棋;曹銳凱設(shè)計(jì)研發(fā)完成,并于2025-05-28向國家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。
本基于多模態(tài)數(shù)據(jù)的運(yùn)動(dòng)功能康復(fù)預(yù)測(cè)方法、系統(tǒng)、終端及存儲(chǔ)介質(zhì)在說明書摘要公布了:本發(fā)明涉及康復(fù)數(shù)據(jù)預(yù)測(cè)技術(shù)領(lǐng)域,公開了基于多模態(tài)數(shù)據(jù)的運(yùn)動(dòng)功能康復(fù)預(yù)測(cè)方法、系統(tǒng)、終端及存儲(chǔ)介質(zhì),所述方法包括:獲取目標(biāo)用戶的腦電信號(hào)、肌電信號(hào)和功能性近紅外光譜信號(hào),并進(jìn)行預(yù)處理得到目標(biāo)腦電信號(hào)、目標(biāo)肌電信號(hào)和目標(biāo)功能性近紅外光譜信號(hào);分別進(jìn)行特征提取得到三種時(shí)頻特征,并對(duì)目標(biāo)腦電信號(hào)和目標(biāo)功能性近紅外光譜信號(hào)進(jìn)行源定位處理得到腦源強(qiáng)度;將三種時(shí)頻特征進(jìn)行融合得到目標(biāo)時(shí)頻特征,并將目標(biāo)時(shí)頻特征和腦源強(qiáng)度輸入至多模態(tài)數(shù)據(jù)康復(fù)預(yù)測(cè)模型,輸出運(yùn)動(dòng)功能康復(fù)預(yù)測(cè)結(jié)果。本發(fā)明通過在時(shí)序上建模目標(biāo)用戶的三種信號(hào)與其運(yùn)動(dòng)功能的關(guān)系,以快速評(píng)估運(yùn)動(dòng)功能在時(shí)序上的長(zhǎng)期演變,從而提高預(yù)測(cè)結(jié)果的準(zhǔn)確率。
本發(fā)明授權(quán)基于多模態(tài)數(shù)據(jù)的運(yùn)動(dòng)功能康復(fù)預(yù)測(cè)方法、系統(tǒng)、終端及存儲(chǔ)介質(zhì)在權(quán)利要求書中公布了:1.一種基于多模態(tài)數(shù)據(jù)的運(yùn)動(dòng)功能康復(fù)預(yù)測(cè)方法,其特征在于,所述基于多模態(tài)數(shù)據(jù)的運(yùn)動(dòng)功能康復(fù)預(yù)測(cè)方法包括: 獲取目標(biāo)用戶的腦電信號(hào)、肌電信號(hào)和功能性近紅外光譜信號(hào),對(duì)所述腦電信號(hào)、所述肌電信號(hào)和所述功能性近紅外光譜信號(hào)進(jìn)行預(yù)處理,得到目標(biāo)腦電信號(hào)、目標(biāo)肌電信號(hào)和目標(biāo)功能性近紅外光譜信號(hào); 對(duì)所述目標(biāo)腦電信號(hào)、所述目標(biāo)肌電信號(hào)和所述目標(biāo)功能性近紅外光譜信號(hào)分別進(jìn)行特征提取,得到第一時(shí)頻特征、第二時(shí)頻特征和第三時(shí)頻特征,并對(duì)所述目標(biāo)腦電信號(hào)和所述目標(biāo)功能性近紅外光譜信號(hào)進(jìn)行源定位處理,得到腦源強(qiáng)度; 所述對(duì)所述目標(biāo)腦電信號(hào)和所述目標(biāo)功能性近紅外光譜信號(hào)進(jìn)行源定位處理,得到腦源強(qiáng)度,具體包括: 對(duì)所述目標(biāo)腦電信號(hào)進(jìn)行電流估計(jì),得到似然函數(shù),并根據(jù)所述目標(biāo)功能性近紅外光譜信號(hào)確定腦電流源逆方差均值參數(shù); 獲取逆方差參數(shù),根據(jù)所述腦電流源逆方差均值參數(shù)設(shè)置所述逆方差參數(shù)的先驗(yàn)概率分布,并根據(jù)所述逆方差參數(shù)的先驗(yàn)概率分布確定源電流的先驗(yàn)概率分布; 根據(jù)源電流的先驗(yàn)概率分布和所述似然函數(shù)得到后驗(yàn)分布,并對(duì)所述后驗(yàn)分布變分推斷處理,得到變分分布; 將所述變分分布的下界進(jìn)行最大化處理,得到目標(biāo)下界,并根據(jù)所述目標(biāo)下界對(duì)所述變分分布進(jìn)行數(shù)據(jù)定位,得到腦源強(qiáng)度; 將所述第一時(shí)頻特征、所述第二時(shí)頻特征和所述第三時(shí)頻特征進(jìn)行特征融合,得到目標(biāo)時(shí)頻特征,并將所述目標(biāo)時(shí)頻特征和所述腦源強(qiáng)度輸入至已訓(xùn)練好的多模態(tài)數(shù)據(jù)康復(fù)預(yù)測(cè)模型,輸出所述目標(biāo)用戶的運(yùn)動(dòng)功能康復(fù)預(yù)測(cè)結(jié)果; 所述多模態(tài)數(shù)據(jù)康復(fù)預(yù)測(cè)模型的訓(xùn)練過程,具體包括: 獲取訓(xùn)練數(shù)據(jù)集,其中,所述訓(xùn)練數(shù)據(jù)集包括多組訓(xùn)練樣本,每組所述訓(xùn)練樣本均包括歷史腦電信號(hào)的時(shí)頻特征、歷史肌電信號(hào)的時(shí)頻特征、歷史功能性近紅外光譜信號(hào)的時(shí)頻特征和歷史腦源強(qiáng)度; 創(chuàng)建多模態(tài)數(shù)據(jù)康復(fù)訓(xùn)練模型,將一組訓(xùn)練樣本輸入至所述多模態(tài)數(shù)據(jù)康復(fù)訓(xùn)練模型,對(duì)所述訓(xùn)練樣本進(jìn)行嵌入處理,得到目標(biāo)訓(xùn)練樣本; 對(duì)所述目標(biāo)訓(xùn)練樣本進(jìn)行線性變換,得到查詢向量、鍵向量和值向量,對(duì)所述查詢向量和鍵向量進(jìn)行點(diǎn)積計(jì)算,得到第一點(diǎn)積和第二點(diǎn)積,并對(duì)所述第一點(diǎn)積和所述第二點(diǎn)積進(jìn)行歸一化處理,得到概率分布; 根據(jù)所述值向量對(duì)所述概率分布進(jìn)行加權(quán)計(jì)算,得到目標(biāo)權(quán)重和,根據(jù)所述目標(biāo)權(quán)重和得到運(yùn)動(dòng)功能康復(fù)評(píng)估預(yù)測(cè)結(jié)果,并根據(jù)所述運(yùn)動(dòng)功能康復(fù)評(píng)估預(yù)測(cè)結(jié)果和所述訓(xùn)練樣本對(duì)應(yīng)的真實(shí)標(biāo)簽序列進(jìn)行損失計(jì)算,得到損失值,并根據(jù)所述損失值對(duì)所述多模態(tài)數(shù)據(jù)康復(fù)訓(xùn)練模型的內(nèi)部參數(shù)進(jìn)行修正; 將下一組訓(xùn)練樣本輸入至所述多模態(tài)數(shù)據(jù)康復(fù)訓(xùn)練模型,直至所述多模態(tài)數(shù)據(jù)康復(fù)訓(xùn)練模型的訓(xùn)練情況滿足預(yù)設(shè)條件,得到所述多模態(tài)數(shù)據(jù)康復(fù)預(yù)測(cè)模型; 所述損失值的計(jì)算公式為: ; 其中,為損失值,為輸入信號(hào)的總周期數(shù),為周期次數(shù),為運(yùn)動(dòng)功能康復(fù)評(píng)估預(yù)測(cè)結(jié)果,為訓(xùn)練樣本對(duì)應(yīng)的真實(shí)標(biāo)簽序列。
如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù),可聯(lián)系本專利的申請(qǐng)人或?qū)@麢?quán)人哈爾濱工業(yè)大學(xué)(深圳)(哈爾濱工業(yè)大學(xué)深圳科技創(chuàng)新研究院);上海交通大學(xué)醫(yī)學(xué)院附屬瑞金醫(yī)院,其通訊地址為:518055 廣東省深圳市南山區(qū)桃源街道深圳大學(xué)城哈爾濱工業(yè)大學(xué)校區(qū);或者聯(lián)系龍圖騰網(wǎng)官方客服,聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。
1、本報(bào)告根據(jù)公開、合法渠道獲得相關(guān)數(shù)據(jù)和信息,力求客觀、公正,但并不保證數(shù)據(jù)的最終完整性和準(zhǔn)確性。
2、報(bào)告中的分析和結(jié)論僅反映本公司于發(fā)布本報(bào)告當(dāng)日的職業(yè)理解,僅供參考使用,不能作為本公司承擔(dān)任何法律責(zé)任的依據(jù)或者憑證。


熱門推薦
- 佛山億科廬生態(tài)環(huán)保科技有限公司伊馬德阿吉獲國家專利權(quán)
- 京東方科技集團(tuán)股份有限公司李東升獲國家專利權(quán)
- LG電子株式會(huì)社金范埈獲國家專利權(quán)
- 深圳市捷駿鼎盛環(huán)保科技有限公司顏運(yùn)能獲國家專利權(quán)
- 美的威靈電機(jī)技術(shù)(上海)有限公司李萍獲國家專利權(quán)
- 曲阜信多達(dá)智能科技有限公司高新忠獲國家專利權(quán)
- 美光科技公司D·G·斯普林堡獲國家專利權(quán)
- 華為技術(shù)有限公司郭宇宸獲國家專利權(quán)
- 秦文隆獲國家專利權(quán)
- 北京靈汐科技有限公司何偉獲國家專利權(quán)