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！

龙图腾网获悉四川大学华西第二医院;天府锦城实验室(前沿医学中心)申请的专利一种精神疾病诊断网络模型训练方法、模型及检测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：CN121096662B 。

龙图腾网通过国家知识产权局官网在2026-02-03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：202511643704.5，技术领域涉及：G16H50/30；该发明授权一种精神疾病诊断网络模型训练方法、模型及检测方法是由刘瀚旻;何向东;陈思桐设计研发完成，并于2025-11-11向国家知识产权局提交的专利申请。

本一种精神疾病诊断网络模型训练方法、模型及检测方法在说明书摘要公布了：本发明涉及一种精神疾病诊断网络模型训练方法、模型及检测方法，涉及基于神经网络的检测技术领域。将训练数据经第一单层卷积层的处理得到滤波后的第一特征数据，将第一特征数据并行地输入多个单阈值分类模块，进行单阈值分类处理得到多个第一分类结果；将多个第一分类结果输入多阈值联合分类模块，进行自注意力融合处理得到第二分类结果；分别基于多个第一分类结果和第二分类结果计算第一损失值和第二损失值，以计算总损失值，并进行反向传播以进行局部优化；如果局部优化收敛，则进行一次全局优化后继续进行局部优化，直至全局优化收敛。相比于现有的模糊斜率熵方法，提升了优化速率和分类精度；相比于同样精度的神经网络模型，提高了运行速度。

本发明授权一种精神疾病诊断网络模型训练方法、模型及检测方法在权利要求书中公布了：1.一种精神疾病诊断网络模型训练方法，其特征在于，包括： 采集原始活动数据，所述原始活动数据包括采集x、y、z三个方向的加速度数据； 基于所述原始活动数据计算加速度模长时间序列的包络信号并进行滤波； 将滤波后的包络信号进行切片处理并标注所属的疾病类型，得到带有疾病类型标签的切片数据； 构建精神疾病诊断网络模型的初步架构，并将带有疾病类型标签的切片数据作为该初步架构的训练数据，结合构建的损失函数进行训练； 所述初步架构包括：第一单层卷积层、单阈值分类模块和多阈值联合分类模块；所述单阈值分类模块包括多个，任意一个单阈值分类模块包括第二单层卷积层、模糊斜率熵计算网络和分类器； 所述的结合构建的损失函数进行训练，包括： 将训练数据经第一单层卷积层的处理，得到滤波后的第一特征数据； 将第一特征数据并行地输入多个单阈值分类模块，进行单阈值分类处理得到一一对应的多个第一分类结果； 将多个第一分类结果输入多阈值联合分类模块，进行自注意力融合处理得到第二分类结果； 基于多个第一分类结果计算第一损失值，基于第二分类结果计算第二损失值；基于第一损失值和第二损失值计算总损失值，并进行反向传播以进行局部优化； 判断局部优化是否收敛，如果否，继续进行局部优化，如果是，则进行一次全局优化后继续进行局部优化，直至全局优化收敛； 对于任意一个单阈值分类处理，包括：将第一特征数据经第二单层卷积层处理，在对应的缩放系数和偏置下得到缩放和平移后的第二特征数据，所述缩放系数和偏置为可学习参数；将第二特征数据在对应的划分阈值下计算模糊斜率熵，并基于计算到的模糊斜率熵进行分类得到对应的第一分类结果；其中，将第二特征数据在对应的划分阈值下计算模糊斜率熵，包括： 获取划分阈值的数量； 通过高斯过程拟合获取每一个划分阈值所对应的分类精度，基于所述分类精度，结合基于汤姆森采样的贝叶斯优化对划分阈值进行更新； 基于每一次更新后的划分阈值计算模糊斜率熵，包括：基于Sigmoid函数构建模糊成员函数；基于构建的模糊成员函数柔性地度量输入信号的斜率序列中每个值是否大于或；基于所述度量计算输入信号的斜率序列中每个值隶属于负集、零集和正集的程度；基于所述隶属于负集、零集和正集的程度计算模糊斜率熵；其中，表示任意一个划分阈值； 对于任意一次全局优化，包括：通过高斯过程拟合获取每一个划分阈值所对应的分类精度，基于所述分类精度，结合基于汤姆森采样的贝叶斯优化对划分阈值进行更新。

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四川大学华西第二医院;天府锦城实验室(前沿医学中心)，其通讯地址为：610000 四川省成都市人民南路3段20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。