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！

龙图腾网获悉浙江工业大学申请的专利一种基于深度网络特征融合的抑郁症识别模型的建构方法和装置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：CN117079319B 。

龙图腾网通过国家知识产权局官网在2025-12-30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：202310870998.X，技术领域涉及：G06V40/16；该发明授权一种基于深度网络特征融合的抑郁症识别模型的建构方法和装置是由毛家发;丁志强;金润辉;胡亚红;产思贤设计研发完成，并于2023-07-17向国家知识产权局提交的专利申请。

本一种基于深度网络特征融合的抑郁症识别模型的建构方法和装置在说明书摘要公布了：一种基于深度网络特征融合的抑郁症识别模型的建构方法和装置，其方法包括：采集数据；构建含视频区域性级别的标签的视频数据集；分别采用C3D神经网络和通道注意力网络对整个视频流进行强化特征提取；将强化特征使用RPN进行生成区域提案并产生区域开始标记和结束标记及区域表情类别；对全部视频帧进行包含局部偏心率特征和全局特征的多尺度特征提取；将多尺度特征进行弱监督分类；将视频流级别特征与图片级别特征的运算结果进行神经网络分类，获得抑郁症识别模型。本发明有效利用视频标签、兼顾全局和局部信息，并结合较高的准确率和减少标签工作量的优势，能够成为一种有潜力的抑郁症识别辅助手段，可广泛应用于精神疾病的自动化处理领域中。

本发明授权一种基于深度网络特征融合的抑郁症识别模型的建构方法和装置在权利要求书中公布了：1.一种基于深度网络特征融合的抑郁症识别模型的建构方法，包括以下步骤： S1、批量采集所需的抑郁症患者视频数据； S2、在预处理阶段，需要对采集的视频数据进行一系列面部信息缺失性操作及准备后续处理步骤所需的视频数据的质量； S3、基于S2步骤得到的数据后，使用C3D卷积网络来提取视频数据中每个关键帧的表情变换特征；3D卷积网络有效地捕捉时间维度上的动态信息，从而建模视频序列中的表情变化； S4、基于S3步骤后，进行强化特征提取及提案生成； S5、生成表情分类和时间段，将生成的提案区域和强化特征图输入到分类模块中，生成每个区域的表情类别以及区域开始帧和结束帧的标记，每个区域的表情类别记为矩阵A；这些分类结果和时间段信息用于后续的表情分析和识别； S6、多尺度表情特征提取，对视频中的每个关键帧进行全局和局部特征提取，以获取每帧的表情特征向量；全局特征捕捉整体表情信息，而局部特征描述面部细节和面部区域表情变化； S7、弱监督分类：在步骤S6将多尺度表情特征进行弱监督分类，生成矩阵B； S8、将视频流级别特征与图片帧级别特征进行集成和神经网络分类；具体包括： S81、计算深度网络表情关系的特征，将矩阵A和矩阵B进行ABT计算，得到矩阵F，矩阵F是这些区域表情之间的关系矩阵； S82、构建Ghost神经网络，将关系矩阵F作为输入送入卷积神经网络Ghost，得到最终分类结果。

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浙江工业大学，其通讯地址为：310014 浙江省杭州市拱墅区潮王路18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。