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！

龙图腾网获悉重庆邮电大学申请的专利一种基于时间序列的自闭症谱系障碍识别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：CN119724558B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202411903310.4，技术领域涉及：G16H50/20；该发明授权一种基于时间序列的自闭症谱系障碍识别方法是由邓欣;谭明辉;张勇;王彪;马铭辉设计研发完成，并于2024-12-23向国家知识产权局提交的专利申请。

本一种基于时间序列的自闭症谱系障碍识别方法在说明书摘要公布了：本发明属于自闭症谱系障碍辅助诊断领域，具体涉及一种基于时间序列的自闭症谱系障碍识别方法，包括构建并训练自闭症识别模型，将待识别数据输入训练好的自闭症识别模型得到识别结果；自闭症识别模型包括图注意力空间网络特征提取器、双向长短期网络时间特征提取器和多层感知机网络分类器；本发明能够综合利用脑区模版各区域之间潜在的图结构信息和时序依赖，在捕捉时序数据中的重要特征和节点间的复杂关系方面具有优势。

本发明授权一种基于时间序列的自闭症谱系障碍识别方法在权利要求书中公布了：1.一种基于时间序列的自闭症谱系障碍识别方法，其特征在于，包括构建并训练自闭症识别模型，将待识别数据输入训练好的自闭症识别模型得到识别结果；自闭症识别模型包括图注意力空间网络特征提取器、双向长短期网络时间特征提取器和多层感知机网络分类器； 自闭症识别模型的训练过程包括： S1.获取fMRI数据并进行预处理得到预处理数据； S2.根据CC200脑分区模板将全脑划分为200个脑区，根据预处理数据提取每一个脑区的平均时间序列数据； S3.根据平均时间序列数据计算各脑区间的皮尔森相关系数，根据皮尔森相关系数构建图结构； 步骤S3构建图结构的具体过程包括： 以每一个脑区作为一个节点，以平均时间序列数据作为节点特征；根据时间序列数据计算每两个节点间的皮尔森相关系数，若皮尔森相关系数大于0.5，则在这两个节点间连接一条边，记皮尔森相关系数为边值；若皮尔森相关系数不大于0.5，则这两个节点间无连接边； S4.将图结构输入图注意力空间网络特征提取器更新每个节点的节点特征； 图注意力空间网络特征提取器包括多个注意力图卷积层，第l个注意力图卷积层的处理过程包括： S31.以节点i在第l-1个注意力图卷积层的输出作为第l个注意力图卷积层的输入； S32.针对节点i在第l个注意力图卷积层的输入，采用注意力机制进行邻居节点特征融合处理，得到节点i在第l个注意力图卷积层的输出； S5.将图结构的节点特征输入双向长短期网络时间特征提取器，得到全局上下文向量； 步骤S5具体包括： S51.将所有节点特征通过双向LSTM网络得到不同时间步的时间综合表示； S52.计算每一个时间步的时间综合表示的注意力得分，表示为 其中，et表示第t个时间步的注意力得分，Wa表示可学习权重矩阵，ba表示可学习偏置向量，ht表示第t个时间步的时间综合表示； S53.对每一个注意力得分进行归一化得到标量得分，表示为 其中，αt表示第t个时间步的标量得分，T表示时间步数量； S54.根据标量得分和时间综合表示进行加权计算得到全局上下文向量，表示为 其中，c表示全局上下文向量； S6.将全局上下文向量输入多层感知机网络分类器，得到识别结果； 多层感知机网络分类器包括三个隐藏层，其中第一个隐藏层包括线性变换层、Dropout层和批量归一化层，第二个隐藏层包括线性变换层和ReLU激活函数层，第三个隐藏层包括线性变换层； S7.根据识别结果计算损失，训练模型参数，直至模型参数收敛。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区南山街道崇文路2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。