专利交易市场

本发明公开了一种基于自聚类图卷积的解剖学合理性检测方法及系统，通过全卷积操作提取特征图，然后对特征图中的节点进行M次独立的随机聚类得到M组聚类结果，选取M组聚类结果中任意一组作为基准，计算所选取的聚类结果中每个聚类集合与其他组聚类结果中聚类集合的交并比，选取每个聚类结果中交并比最大的聚类集合与其进行合并得到最终聚类结果，将最终聚类结果作为邻接矩阵，与全卷积操作提取的特征图通过图卷积操作进行特征融合，得到解剖学融合特征，进行多层卷积操作，输出合理性判决结果。本发明在同一类别之间进行信息融合，对器官或组织的解剖学特征给出合理性评价。

本公开提供了一种基于图卷积网络的多维增强癫痫发作预测系统，所述方案以多通道空间关系作为突破口，从“频+空+时”三个维度探索多通道空间关系对癫痫发作预测的贡献度，在此模型中，包括三个组成部分，分别为信息重构空间、图编码器及空时预测器。其中，模型所提及的信息重构空间以及图编码器允许对更丰富的癫痫脑电信号进行特征增强和特征提取，特别是探索了脑电各通道之间的相关性，从而增强特征表示，提高癫痫脑电预测发作的准确率；同时，所述方案中的空时预测器的核心结构采用了门控循环单元，用以探索癫痫脑电信号在时间层面的规律，通过降低网络参数规模，达到模型运行效率提高的目标。

本发明公开了一种基于融合图卷积网络的脑电情绪识别方法；该脑电情绪识别方法如下：一、对被测对象进行脑电采集，提取所得脑电信号中各通道的目标特征，作为被识别数据。二、根据步骤一得到的被识别数据，计算两个通道之间的物理信息矩阵、相关性矩阵、因果关系矩阵。三、构建邻接矩阵。四、构建正则化矩阵。五、对目标特征和正则化矩阵L进行图卷积操作，完成特征提取。六、将步骤五所得特征输入经过训练的深度可分离卷积网络，所得特征图输入全连接层，进行分类，得到被测对象进行脑电采集时的情感类别。本发明对图卷积的邻接矩阵做融合处理，使邻接矩阵包含多元化的信息，而不再是仅拥有单一的信息，进一步提高了模型情绪分类的准确率。