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！

龙图腾网获悉太原理工大学申请的专利基于线图扩展的多模态脑超图注意力网络的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：CN115049629B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202210743073.4，技术领域涉及：G06T7/00；该发明授权基于线图扩展的多模态脑超图注意力网络的分类方法是由杨艳丽;刘进一;宿亚静;刘涛;张杨;李琦钒;刘宇轩设计研发完成，并于2022-06-27向国家知识产权局提交的专利申请。

本基于线图扩展的多模态脑超图注意力网络的分类方法在说明书摘要公布了：本发明公开了基于线图扩展的多模态脑超图注意力网络的分类方法，对结构和功能磁共振影像进行预处理后，对每位受试者的磁共振影像进行结构和功能特征的提取；进行特征融合后，利用稀疏线性回归方法生成多模态超图；将多模态超图关联矩阵和多模态特征矩阵输入超图注意力网络，利用线图和超图的转换，超图的节点和超边在神经网络每一层中交替，实现同时结合超节点和超边的特征来进行节点和边的嵌入学习；使用双层注意力机制为超边和节点学习不同的权重，提取得到的特征最后经过一个softmax操作，并使用交叉熵损失函数进行分类。本发明应用于脑疾病诊断，既保留了多模态超图中超边的连通性，又利用了边到边的关系传播信息，有助于超图的整体特征学习。

本发明授权基于线图扩展的多模态脑超图注意力网络的分类方法在权利要求书中公布了：1.基于线图扩展的多模态脑超图注意力网络的分类方法，其特征在于，包括以下步骤： 步骤S1：对受试者的结构磁共振影像和功能磁共振影像进行预处理，得到预处理后的结构磁共振影像和功能磁共振影像； 步骤S2：根据选定的标准化脑图谱，对预处理后的结构磁共振影像和功能磁共振影像进行脑区分割，得到分割后的结构磁共振影像和功能磁共振影像； 步骤S3：对分割后的结构磁共振影像进行结构特征提取，得到结构特征矩阵；对分割后的功能磁共振影像进行平均时间序列的提取，构建功能脑网络，进而提取功能特征，得到功能特征矩阵；将功能特征矩阵和结构特征矩阵进行特征融合，得到融合后的多模态特征； 步骤S4：基于融合后的多模态特征，利用稀疏线性回归方法，构建多模态超图，从而得到数据集，并将数据集划分为训练集和测试集，所述数据集包括多模态超图关联矩阵、超图节点特征矩阵和节点标签； 步骤S5：基于多模态超图关联矩阵，使用行规范化和列规范化，形成多模态线图邻接矩阵； 步骤S6：基于多模态线图邻接矩阵、分层的双层注意力机制、softmax函数、交叉熵损失函数，利用线图扩展法，构建多模态超图注意力网络模型，采用训练集进行训练优化； 步骤S7：采用交叉验证方法对构建的多模态超图注意力网络模型进行检验； 所述步骤S4中，稀疏线性回归方法具体表示如下： 公式1中，sm表示其它被试与选定被试相关性的权重向量，xm表示选定的第m个被试的多模态特征，Fm＝[x1,…,xm-1,0,xm+1,…,xM]包含除选定被试之外的所有被试的多模态特征，||·||2表示l2范数，λ表示控制模型稀疏的正则化参数，||·||1表示l1范数，根据xm，Fm可以得到sm，sm中非零元素对应的被试即为与选定被试有相关性的被试，由此得到超边； 多模态超图构建的具体步骤为： 根据权重向量sm，稀疏表示权重矩阵S定义为S＝[s1,s2,…,sm,…,sM]T，选定阈值θ，大于阈值的表示有连通性，小于阈值的表示没有连通性；将相似度高的节点用一条超边连接起来，多模态超图关联矩阵定义为： 公式2中，Hvi,ej表示多模态超图关联矩阵中对应的元素，v∈V表示节点，e∈E表示超边，θ表示阈值，S＝[s1,s2,…,sm,…,sM]T表示多模态稀疏超图的权重矩阵，Si,j表示节点vi在超边ej上的权重； 超图节点特征矩阵表示被试大脑内各个脑区的结构特征和脑功能网络的特征集合，表示为X；根据被试的标签、站点、性别，将数据集划分为训练集和测试集。

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太原理工大学，其通讯地址为：030000 山西省太原市迎泽西大街79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。