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！

龙图腾网获悉电子科技大学申请的专利用于脑影像数据整合的数字孪生脑约化模型快速建模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：CN120509317B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202510682767.5，技术领域涉及：G06F30/27；该发明授权用于脑影像数据整合的数字孪生脑约化模型快速建模方法是由郭大庆;徐远航;尧德中设计研发完成，并于2025-05-26向国家知识产权局提交的专利申请。

本用于脑影像数据整合的数字孪生脑约化模型快速建模方法在说明书摘要公布了：本发明提供了一种基于线性动力学模型的快速数字孪生脑建模方法，方法包括：步骤S1，构建初始DTB模型，使用线性动力学振子构建可分离耦合项的振子网络模型，作为待优化的线性系统；步骤S2，计算经验协方差矩阵，使用脑区间BOLD信号的协方差矩阵作为经验协方差矩阵；步骤S3，构造目标协方差矩阵，基于动力学模型先验，将经验协方差矩阵转换为当前线性系统的目标协方差矩阵；步骤S4，构建动力学参数评估模型，用于评估动力学参数的合理性；步骤S5，使用优化算法同步优化动力学参数与耦合矩阵。通过本发明方案能够显著改善DTB模型性能并提升建模效率。

本发明授权用于脑影像数据整合的数字孪生脑约化模型快速建模方法在权利要求书中公布了：1.一种用于脑影像数据整合的数字孪生脑约化模型快速建模方法，其特征在于，所述方法包括： 步骤S1，构建初始DTB模型，使用线性动力学振子构建可分离耦合项的振子网络模型，作为待优化的线性系统； 步骤S2，计算经验协方差矩阵，使用脑区间BOLD信号的协方差矩阵作为经验协方差矩阵； 步骤S3，构造目标协方差矩阵，基于动力学模型先验，将经验协方差矩阵转换为当前线性系统的目标协方差矩阵； 步骤S4，构建动力学参数评估模型，用于评估动力学参数的合理性，动力学参数评估模型包括动力学矩阵构建模块、耦合矩阵求解模块、损失函数计算模块，动力学矩阵构建模块接收一组待评估的动力学参数，并基于动力学模型构建无耦合的系统动力学矩阵；耦合矩阵求解模块使用系统动力学矩阵、目标协方差矩阵和待评估的动力学参数构造以耦合矩阵为变量的西尔维斯特方程，通过最小化残差近似求得西尔维斯特方程的唯一解，并将其转换为动力学耦合矩阵；损失函数计算模块将所求得的耦合矩阵加入DTB模型，计算系统协方差矩阵和功能连接矩阵，并使用单一或多种统计指标构造损失函数以评估参数组合及其对应的耦合矩阵的仿真效果； 步骤S5，使用优化算法同步优化动力学参数与耦合矩阵，设定动力学参数的优化区间，以上述动力学参数评估模型得到的损失函数为标准，使用优化算法快速探索参数空间，寻找最优动力学参数及其对应的最优动力学耦合矩阵，构建优化后的DTB模型； 其中，在步骤S1中采用线性化Stuart-Landau振子模型作为节点动力学模型，表达式如下： 其中，u＝[u1,…,uN]T为模型状态向量及其各节点分量表示，N为DTB模型中的节点数量，即振子网络中的振子数量，δu为模型的状态向量在不动点附近的波动，A为2N×2N的系统在不动点处的雅可比矩阵，Ajk为雅可比矩阵A中第j行第k列的元素，aj为节点j的分岔参数，Wjk为耦合矩阵W中节点j与节点k之间的耦合权重，j＝1,…,N，k＝1,…,N，η＝[η1,…,η2N]为各节点的高斯白噪声的向量表示，ωj为节点j的本征角频率； 将A矩阵表示为如下分块形式： 其中，Axx,Axy,Ayx,Ayy均为N×N矩阵，具有如下关系： Axx＝Ayy＝diaga-S+W， Ayx＝-Axy＝diagω， 其中，diagv表示主对角线为向量v的对角矩阵，a＝[a1,…,aN]为各节点分岔系数的向量表示，为耦合矩阵W中各节点的度，ω＝[ω1,…,ωN]为各节点本征角频率的向量表示； 进一步将A表示为： L的两个主对角分块为耦合矩阵W的图拉普拉斯矩阵，至此已将系统雅可比矩阵A分解为无耦合的系统动力学矩阵A0和包含耦合信息的矩阵L。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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。