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基于多模态动态图卷积神经网络的抑郁症图像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：CN120877005B 。

龙图腾网通过国家知识产权局官网在2026-01-09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：202511383645.2，技术领域涉及：G06V10/764；该发明授权基于多模态动态图卷积神经网络的抑郁症图像分类方法是由龙海霞;王林涛设计研发完成，并于2025-09-26向国家知识产权局提交的专利申请。

本基于多模态动态图卷积神经网络的抑郁症图像分类方法在说明书摘要公布了：一种基于多模态动态图卷积神经网络的抑郁症图像分类方法，属于医学图像处理与人工智能领域，利用滑动时间窗口法将功能磁共振数据预处理后的时间序列划分为多个时间窗口，构建每个窗口的功能连接矩阵，利用多个空间注意对比网络捕捉跨时间窗口的时间信息，得到高阶动态功能脑网络；利用跨模态图神经网络和跨模态知识蒸馏实现模态间的互补信息传递以及模态融合。本发明可以充分利用多模态脑网络的动态高阶信息实现抑郁症的有效分类。

本发明授权基于多模态动态图卷积神经网络的抑郁症图像分类方法在权利要求书中公布了：1.一种基于多模态动态图卷积神经网络的抑郁症图像分类方法，其特征在于，包括如下步骤： 步骤一，利用滑动窗口法将功能磁共振成像数据的时间序列分割为多个非重叠的时间窗口，每个窗口通过计算脑区间时间序列的相关生成功能连接矩阵表示在时间窗口内的全脑功能连接模式，为脑区数量，为窗口总数，以此量化脑区之间的功能连通性； 步骤二，通过多通道空间注意力对比网络来提取高阶时空拓扑特征；对于每个时间窗口，通过随机掩码生成两个视图g1t和g2t，脑区和的注意力系数计算如下： ； 其中，为可学习的权重矩阵，为注意力向量，表示特征拼接操作，注意力系数通过随机掩码进行处理，最终，节点特征通过加权聚合更新为： ； 其中，为可学习的权重矩阵； 步骤三，引入对比学习约束，时空特征的融合通过自注意力机制和LSTM实现，通过缩放点积注意力来计算高阶动态功能网络DBNs； 步骤四，对输入DBNs和结构脑网络进行独立编码，生成模态特定的嵌入特征； 步骤五，通过双边图卷积在动态图结构上分别聚合DBNs与结构的模态特征； 步骤六，对DBNs模态、结构模态和多模态联合特征分别使用辅助分类器，分别输出单模态预测概率分布和多模态预测概率分布，随后通过KL散度约束多模态预测与单模态预测的一致性；模型采用渐进式权重调整； 所述步骤六中，DBNs模态的辅助分类器接收图卷积后的特征，结构模态的辅助分类器接收图卷积后的特征，多模态联合特征的辅助分类器接收图卷积后的特征，三个模态分别输出单模态预测概率分布,和多模态预测概率分布，所述辅助分类器由全连接层与SoftMax函数构成。

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朝晖六区潮王路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。