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！

龙图腾网获悉中国科学技术大学申请的专利基于同质约束多集典型相关分析的大脑连接网络构建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：CN116090225B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202310068713.0，技术领域涉及：G06F30/20；该发明授权基于同质约束多集典型相关分析的大脑连接网络构建方法是由刘爱萍;凌钦睿;李煜;闻捷;钱若兵;韦炜;陈勋设计研发完成，并于2023-02-06向国家知识产权局提交的专利申请。

本基于同质约束多集典型相关分析的大脑连接网络构建方法在说明书摘要公布了：本发明公开了一种基于同质约束多集典型相关分析的大脑连接网络构建方法，包括：1、将收集到的功能磁共振图像进行预处理，提取大脑所有体素的时序信号，并按照脑区进行整理，构建数据集；2、通过同质约束多集典型相关分析算法，计算出脑区内体素对应的权重向量；3、将每个脑区对应的权重向量映射到个体水平上，计算出每个脑区的表征信号，并利用表征信号计算脑区间两两的相关性作为连接强度；4、根据连接强度的符号构建大脑共变和逆变连接网络。本发明利用功能磁共振成像数据有效提取各个脑区的表征信号，解决了大脑共变和逆变连接网络构建问题，有助于研究大脑的功能分区和连接模式，加深人们对大脑功能分化和整合的认识。

本发明授权基于同质约束多集典型相关分析的大脑连接网络构建方法在权利要求书中公布了：1.一种基于同质约束多集典型相关分析的大脑连接网络构建方法，其特征在于，是按如下步骤进行： 步骤一：使用信号采集设备获取个个体的功能磁共振成像信号并配准到标准模板后，再按照给定的个脑区进行划分，从而得到总的样本数据集，表示个个体配准后的第个脑区样本数据集，为样本长度，为第个脑区内的体素数量，且，表示矩阵的转置，表示第个个体中第个脑区内的信号，表示的转置； 步骤二：利用同质约束多集典型相关分析算法对总的样本数据集进行计算，得到每个脑区样本数据集的权重向量，其中，表示第个脑区样本数据集的权重向量； 步骤2.1、利用式1构建在权重向量的符号一致约束条件下，以最大化个脑区表征信号之间的相关系数平方和为目标的优化模型： 1 式1中，代表第个脑区样本数据集的权重向量的个元素都是非负或者非正的，表示的转置； 步骤2.2、使用内点法和牛顿法对所述优化模型进行迭代求解： 步骤2.2.1：利用式2构建损失函数： 2 式2中，表示权重矩阵，且，为松弛矩阵，表示第个松弛变量，表示的转置，为拉格朗日乘子矩阵，表示第个拉格朗日乘子，为正的障碍参数，为个脑区之间两两脑区相关系数平方和的相反数，trace表示矩阵的迹，表示脑区活动的相关性矩阵，为约束函数矩阵，表示第个约束函数，且，，表示第个脑区样本数据集，表示的转置，表示对角矩阵，第个约束函数，表示第个松弛变量； 步骤2.2.2：定义外迭代次数为n，定义内迭代次数为t，给定参数，并初始化n=1，将第n次外迭代下的个权重向量初始化为个单位向量，其中，表示第n次外迭代下的第k个权重向量，并初始化为第k个单位向量，将第n次外迭代下的松弛矩阵初始化为全1矩阵，将第n次外迭代下的拉格朗日乘子矩阵初始化为全1矩阵，将第n次外迭代下的障碍参数初始化为1； 步骤2.2.3：初始化t=1； 步骤2.2.4：将第n次外迭代下第t次内迭代的个权重向量初始化为权重向量，其中，表示第n次外迭代下第t次内迭代的第k个权重向量，并初始化为，将第n次外迭代下第t次内迭代的松弛向量初始化为，将第n次外迭代下第t次内迭代的拉格朗日乘子矩阵初始化为； 步骤2.2.5：根据式3计算出第n次外迭代下第t次内迭代的改变量三元组： 3 式3中，表示第n次外迭代下第t次内迭代的改变量，表示第n次外迭代下第t次内迭代的改变量，表示第n次外迭代下第t次内迭代的改变量，表示第n次外迭代下第t次内迭代的损失函数的Hessian矩阵，且，表示相关系数平方和的相反数，表示第n次外迭代下第t次内迭代的拉格朗日乘子矩阵中第个拉格朗日乘子，表示梯度算子，表示的约束函数矩阵的Jacobian矩阵，表示的转置，是由中对角元素构成的对角矩阵，是由中对角元素构成的对角矩阵，表示单位矩阵，表示全1向量； 步骤2.2.6：利用式4得到第n次外迭代下第t+1次内迭代的三元组： 4 式4中，表示第n次外迭代下第t+1次内迭代的权重向量，表示第n次外迭代下第t次内迭代的松弛向量，表示第n次外迭代下第t次内迭代的拉格朗日乘子矩阵； 步骤2.2.7：将赋值给后，返回步骤2.2.5顺序执行，直到为止，结束内迭代；其中，表示阈值； 步骤2.2.8：利用式5得到第n+1次外迭代下的三元组： 5 步骤2.2.9：计算第n+1次外迭代下的障碍参数； 步骤2.2.10：将赋值给后，返回步骤2.2.3顺序执行，直到为止，结束外迭代； 步骤2.2.11：将第n+1次外迭代下的第k个权重向量作为第个脑区样本数据集的权重向量，从而得到权重向量； 步骤三：计算第个个体中第个脑区的表征信号，并将第个个体中第个脑区内的表征信号和第个脑区的表征信号之间的相关系数作为第个个体中第个脑与第个脑区的连接强度，从而得到个个体中第个脑与第个脑区的连接强度；其中，表示第个个体中第个脑区内的信号，表示第个脑区样本数据集的权重向量； 步骤四：对第个脑区和第个脑区之间的个连接强度进行符号检验，若检验结果为正号，则表示第个脑区和第个脑区之间的连接关系为共变连接；若检验结果为负号，则表示第个脑区和第个脑区之间的连接关系为逆变连接；若检验结果不显著，则表示第个脑区和第个脑区之间的连接关系不显著； 步骤五：由个脑区中各个脑区之间的连接关系为共变连接的脑区构成一个大脑共变连接网络；由个脑区中各个脑区之间的连接关系为逆变连接的脑区构成一个大脑逆变连接网络。

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科学技术大学，其通讯地址为：230026 安徽省合肥市包河区金寨路96号；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”。