科创中国

物理

本发明涉及数据处理技术领域，公开了一种多模态神经生物信号处理方法、装置、服务器及存储介质。其中，该方法包括：获取待处理的多模态神经生物信号，对多模态神经生物信号进行预处理；将预处理后的多模态神经生物信号输入至深度学习模型中，基于深度学习模型提取多模态神经生物信号中每种模态神经生物信号的深度特征；将多种深度特征输入至特征融合层进行特征融合，得到目标融合特征；将目标融合特征经由全连接层后输入至回归层，利用回归层对目标融合特征进行体征预测，生成生物体征预测结果。通过实施本技术方案，能够有效捕捉多种深度特征，无需人为设计或选取特征，同时实现了对于神经信号的生物表征的有效预测，提高了生物表征的预测准确度。

1.一种多模态神经生物信号处理方法，其特征在于，用于深度学习网络中，所述深度学习网络包括预先构建的深度学习模型、深度回归模型，所述深度回归模型包括特征融合层、全连接层和回归层，所述方法包括： 获取待处理的多模态神经生物信号，对所述多模态神经生物信号进行预处理，得到预处理后的多模态神经生物信号； 将所述预处理后的多模态神经生物信号输入至所述深度学习模型中，基于所述深度学习模型提取所述多模态神经生物信号中每种模态神经生物信号的深度特征； 将多种所述深度特征输入至所述特征融合层进行特征融合，得到目标融合特征； 将所述目标融合特征经由所述全连接层后输入至所述回归层，利用所述回归层对所述目标融合特征进行体征预测，生成生物体征预测结果。 2.根据权利要求1所述的方法，其特征在于，所述深度学习模型中构建有多个深度学习子模型；将所述多模态神经生物信号输入至所述深度学习模型中，基于所述深度学习模型提取所述多模态神经生物信号中每种模态神经生物信号的深度特征，包括： 确定多模态神经生物信号中的类型； 确定与各个类型的神经生物信号所对应的各个深度学习子模型；

中国科学院深圳先进技术研究院提升了粤港地区及我国先进制造业和现代服务业的自主创新能力，推动我国自主知识产权新工业的建立，成为国际一流的工业研究院。 深圳先进院目前已初步构建了以科研为主的集科研、教育、产业、资本为一体的微型协同创新生态系统，由九个研究平台，国科大深圳先进技术学院，多个特色产业育成基地、多支产业发展基金、多个具有独立法人资质的新型专业科研机构等组成。开展先进技术研究，促进科技发展。信息、电子、通讯技术研究新材料、新能源技术研究高性能计算、自动化、精密机械研究生物医学与医疗仪器研究相关学历教育、博士后培养与学术交流。

点击查看