買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉上海交通大學醫學院附屬瑞金醫院盧灣分院申請的專利基于頭皮腦電信號跨個體跨場景差異的抑郁癥檢測方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN118806297B 。

龍圖騰網通過國家知識產權局官網在2025-09-05發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202410632068.5，技術領域涉及：A61B5/372；該發明授權基于頭皮腦電信號跨個體跨場景差異的抑郁癥檢測方法是由羅赟;陸勇設計研發完成，并于2024-05-21向國家知識產權局提交的專利申請。

本基于頭皮腦電信號跨個體跨場景差異的抑郁癥檢測方法在說明書摘要公布了：本發明公開了一種基于頭皮腦電信號跨個體跨場景差異的抑郁癥檢測方法，包括：獲取不同被試的腦電信號生成數據集；提取并計算得到腦電信號的微分熵特征；將源域數據的微分熵特征和目標域數據的微分熵特征輸入CS2DA網絡模型進行訓練，基于域適應算法將源域和目標域的特征映射到共享的特征空間，提取分布的共有特征進行對齊，得到訓練好的CS2DA網絡模型來消除個體差異以及場景差異導致的數據差異性；基于訓練好的CS2DA網絡模型對不同場景和或不同個體的腦電數據進行預測。利用域適應算法解決抑郁癥模型構建中存在的域偏移問題，消除不同場景以及個體間的腦電數據差異，能夠有效建立抑郁癥預測算法，提高模型的準確性。

本發明授權基于頭皮腦電信號跨個體跨場景差異的抑郁癥檢測方法在權利要求書中公布了：1.一種基于頭皮腦電信號跨個體跨場景差異的抑郁癥檢測裝置，其特征在于，包括： 獲取不同被試的腦電信號生成數據集； 獲取模塊，用于從所述數據集中提取并計算得到腦電信號的微分熵特征； 特征提取模塊，用于將所述微分熵特征劃分為源域數據和目標域數據，確定所述源域數據和所述目標域數據在域偏移情況下產生的數據差異；分別提取源域數據和目標域數據的微分熵特征，得到源域數據的微分熵特征和目標域數據的微分熵特征； 訓練模塊，用于將源域數據的微分熵特征和目標域數據的微分熵特征輸入CS2DA網絡模型進行訓練，基于域適應算法將源域和目標域的特征映射到共享的特征空間，提取分布的共有特征進行對齊，得到訓練好的CS2DA網絡模型來消除個體差異以及場景差異導致的數據差異性； 預測模塊，用于基于訓練好的CS2DA網絡模型對不同場景和或不同個體的腦電數據進行預測，判斷所述腦電數據對應的被試是否有抑郁癥，得到對應數據類別的預測結果； 所述CS2DA網絡模型包括集合數據處理模塊， 所述集合數據處理模塊，包括： 全共有特征提取器Ca，用于接收經過源域數據處理模塊和目標域數據處理模塊處理后的數據，并分別提取源域數據和目標域數據中的第一共有特征和第二共有特征，所述第一共有特征為源域映射數據，所述第二共有特征為目標域映射數據； 條件最大均值差異CMMD，用于接收并輸入映射的第一共有特征和第二共有特征，結合源域和目標域的標簽信息，計算在源域和目標域的分布之間的最大均值差異，將所述最大均值差異進行整合，得到總的度量以優化網絡； 源域特征提取器Cs，用于提取源域數據集中的第一共有特征； 最大均值差異MMD，用于分別將從所述源域特征提取器Cs提取并經過映射的所述第一共有特征及從目標域特征提取器Ct提取并經過映射的所述第二共有特征作為輸入，在經過對抗訓練后，約束源域和目標域之間的域間距離來減少源域數據和目標域數據域之間的差異性，從而進一步優化網絡； 分類集合器CLSa，用于分別將從所述源域特征提取器Cs提取并經過映射的所述第一共有特征及從所述目標域特征提取器Ct提取并經過映射的所述第二共有特征作為輸入，根據對齊后的源域數據和目標域數據構建分類模型； 其中，所述源域數據處理模塊，包括： 源鑒別器Ds，用于將所述源域特征提取器Cs提取并經過映射的所述第一共有特征作為輸入，通過第一梯度反轉層GRL對所述第一共有特征進行對齊，以減輕個體腦電差異性造成的源域的數據差異； 源分類器CLSs，用于將所述源域特征提取器Cs提取并經過映射的所述第一共有特征作為輸入，對源域數據進行分類，得到分類后的結果數據； 所述目標域數據處理模塊，包括： 目標域特征提取器Ct，用于提取目標域數據集中的第二共有特征； 目標鑒別器Dt，用于將所述目標域特征提取器Ct提取并經過映射的所述第二共有特征作為輸入，通過第二梯度反轉層GRL對所述第二共有特征進行對齊，以減輕個體腦電差異性造成的目標域的數據差異； 目標分類器CLSst，用于將所述目標域特征提取器Ct提取并經過映射的所述第二共有特征作為輸入，對目標域數據進行分類，得到分類后的結果數據； 所述將源域數據的微分熵特征和目標域數據的微分熵特征輸入CS2DA網絡模型進行訓練包括： 對m個源域數據按照預設批大小進行隨機采集，并將采集到的源域數據Xs1,Ys1,Xs2,Ys2…Xsm,Ym輸入源域特征提取器Cs中進行映射，得到第一源域映射數據Xms1,Ys1,Xms2,Ys2…Xmsm,Ysm； 將第一源域映射數據Xms1,Ys1,Xms2,Ys2…Xmsm,Ysm分別輸入至CS2DA網絡模型中三個網絡分別進行分類模型建立、源域數據對齊以及源域和目標域的對齊； 將第一源域映射數據Xms1,Ys1,Xms2,Ys2…Xmsm,Ysm輸入至CLSs網絡，構建以源域數據為基礎的分類預測模型，得到第一標簽預測值Yps1,Yps2,…Ypsm，并將真實標簽數據Ys1,Ys2,…Ysm和所述第一標簽預測值Yps1,Yps2,…Ypsm的MSE作為損失函數； 其中，Xsm,Ysm代表第m個源域，Xmsm,Ysm代表經過映射后的第m個源域。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人上海交通大學醫學院附屬瑞金醫院盧灣分院，其通訊地址為：200020 上海市黃浦區重慶南路149號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。