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！

龙图腾网获悉杭州电子科技大学申请的专利一种基于GFE-Mamba神经网络的可解释阿尔茨海默进展分类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：CN118918363B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202410943009.X，技术领域涉及：G06V10/764；该发明授权一种基于GFE-Mamba神经网络的可解释阿尔茨海默进展分类方法是由朱晟豪;黄一语;方昭杰;邹槟峰;陈一飞;刘畅;贾帆;冯祥;秦飞巍;樊谨;王昌淼设计研发完成，并于2024-07-15向国家知识产权局提交的专利申请。

本一种基于GFE-Mamba神经网络的可解释阿尔茨海默进展分类方法在说明书摘要公布了：本发明公开了基于GFE‑Mamba神经网络的可解释阿尔茨海默进展分类方法，包括如下步骤：步骤1、构建GFE‑Manba神经网络模型，步骤2、建立MRI和PET图像数据集并分为训练集和测试集，应用MRI和PET图像训练集和测试集预训练3DGAN‑Vit模块；步骤3、建立MRI和量表数据结合的多模态阿尔茨海默进展分类数据集，并划分为训练集和测试集；步骤4、使用训练集对预训练的GFE‑Mamba神经网络模型进行训练并进行参数调优；步骤5、使用测试集测试评估得到的预训练的GFE‑Mamba神经网络模型，最终实可解释多模态阿尔茨海默进展分类。该方法不仅能够为临床医生诊断和治疗重大危险疾病提供重要参考标准，还进一步增强了临床医生对AD和其他重大脑部疾病的诊断能力，对于临床诊断和AD疾病预防具有重要意义。

本发明授权一种基于GFE-Mamba神经网络的可解释阿尔茨海默进展分类方法在权利要求书中公布了：1.一种基于GFE-Mamba神经网络的可解释阿尔茨海默进展分类方法，其特征在于，包括如下步骤： 步骤1、构建GFE-Manba神经网络模型，所述GFE-Manba神经网络模型包括3DGAN-Vit模块、多模态Mamba分类器和像素级别的互注意力， 所述3DGAN-Vit模块采用3DGAN为骨干网络，并采用VIT瓶颈层替换3DGAN中的middle模块；所述多模态Mamba分类器包括时间间隔提取模块、量表预处理模块、Mamba骨干网络模块；所述像素级别的互注意力包括查询矩阵、键矩阵和值矩阵组成； 所述时间间隔提取模块采用了动态Δt的策略，所述动态Δt的策略为取得同一个病人的前后两次诊断的时间间隔Δt，并将其作为量表数据的一部分融入GFE-Mamba模型，所述动态Δt的值采用训练集平均值，所述动态Δt融入模型的方法为：将动态Δt的值与量表信息中的类别值合并，并作为量表预处理模块的输入； 所述量表预处理模块将量表信息分为离散的类别值和连续分布的数值， 所述离散的类别值的获取方法为：首先要将类别值都会被转换成独热编码独热编码时后一列的值会增加前面所有列的值的最大分类数，表达式如下： 得到新的值之后，使用线性的矩阵对其进行嵌入： 其中为第i个离散类别值的嵌入表示，为第i个特征偏差，而为第i张查找表； 所述连续分布的数值的获取方法为：算出量表信息中每个列的均值和标准差并算出标准化之后的值，即：之后再用线性变换对其进行嵌入： 其中为第i个离散类别值的嵌入表示，再将处理好的离散的类别值和连续分布的数值的表格信息拼接在一起，并与图像特征也拼接在一起： 其中T为离散类别值和连续值的嵌入拼接结果，n和m是离散的类别值和连续分布的数值的行数，xLMP，xLPP分别代表了生成网络中MRI和PET在隐空间的特征，d是嵌入的大小； 所述Mamba骨干网络模块包括6个Mamba模块，其分类方法为： 将量表预处理模块的输出x作为输入，在经过6个Mamba模块之后，求平均值和线性层，得到最终的分类结果； 步骤2、建立MRI和PET图像数据集并分为训练集和测试集，应用MRI和PET图像训练集和测试集预训练3DGAN-Vit模块； 步骤3、建立MRI和量表数据结合的多模态阿尔茨海默数据集，并划分为训练集和测试集； 步骤4、使用MRI和量表数据结合的多模态阿尔茨海默训练集，对预训练的GFE-Mamba神经网络模型进行训练并进行参数调优； 步骤5、使用MRI和量表数据结合的多模态阿尔茨海默测试集测试评估得到的预训练的GFE-Mamba神经网络模型，最终实可解释多模态阿尔茨海默分类。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158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”。

以上内容由龙图腾AI智能生成。