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申请的专利一种基于通道残差注意力的阿尔兹海默症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：CN117252795B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202210634989.6，技术领域涉及：G06T7/00；该发明授权一种基于通道残差注意力的阿尔兹海默症分类方法是由何小海;王斌;卿粼波;陈洪刚;滕奇志;吴小强设计研发完成，并于2022-06-07向国家知识产权局提交的专利申请。

本一种基于通道残差注意力的阿尔兹海默症分类方法在说明书摘要公布了：本发明公开了一种基于通道残差注意力的阿尔兹海默症分类方法。该方法通过融合残差模块与通道注意力机制的特点来进行阿尔兹海默症的分类。网络由输入模块、通道分离残差模块，通道注意力模块，输出模块构成。首先针对目前研究中出现的数据集构建出现的问题，在临床医生的指导下制定了数据集的科学划分策略；然后将处理后的数据送入通道分离残差模块提取网络的浅层特征和深层特征，并防止重复的梯度信息；再提取后的特征送入通道注意力模块调整通道之间的权重，得到更加精确的分类特征；最后将特征矩阵送入线性分类层输出分类结果。本方法在医学图像方向，阿尔兹海默症分类领域具有广阔的应用前景。

本发明授权一种基于通道残差注意力的阿尔兹海默症分类方法在权利要求书中公布了：1.一种基于通道残差注意力的阿尔兹海默症分类模型，其特征在于包括以下步骤： 步骤一：基于公开的ADNI数据集，选择同时具有MRI图像、年龄、性别和认知测试量表数据的受试者构建数据集，并将从ADNI下载的数据样本，首先按照病人ID划分数据集，避免同一ID的不同时期纵向样本不会同时出现在训练集或者测试集中，并分别划分为AD，MCI和CN三类，每一类包含训练集和测试集；然后在临床医生的指导下，选取样本的年龄、性别和认知测试量表三种统计参数进行数据的均衡化处理，确保数据集能展现阿尔兹海默症普遍的患病过程与特点； 步骤二：对步骤一构建的MRI图像数据集进行预处理，得到经过配准，采样和归一化后的MRI图像； 步骤三：将经预处理后MRI图像送入3×3×3卷积层提取浅层特征，后送入连续堆叠四层通道分离残差模块，其特征在保留残差模块能够在网络加深的过程中避免梯度爆炸与梯度消失的优点，并通过分离特征提取路径，充分组合低维与高维特征，提高网络学习能力；首先输入的特征图谱x，经过分离层后分为和两条特征提取路径，如公式1所示，其中c为通道数； 1 然后通过卷积层，归一化和激活函数，提取抽象的非线性高级特征，而不做任何操作，保留低层特征；最后将两条路径所提取的特征按公式2进行通道融合得到输出Y； 2 其中表示对和两条路径的特征融合操作，F表示对进行卷积，归一化和激活函数操作，Ｗ代表权重参数提取并组合浅层和深层特征； 步骤四：将提取的特征送入进一步融合步骤三通道分离残差模块提取的特征，得到更加精确的分类特征；首先将长度、宽度、高度和通道数为L×W×H×C特征图输入之后，先通过基于特征图的长度、宽度和高度进行全局平均池化，使空间特征降维到1×1×1×C的特征图谱并获得全局的感受野，如公式3所示： 3 然后使用两个全连接层和非线性激活函数ReLU学习各个通道之间的非线性关系，得到；如公式4所示： 4 其中,；最后经过Sigmoid激活函数获得归一化权重，再通过乘法逐通道加权到原始特征图的每一个通道上，完成通道注意力对原始特征的重新标定；如公式5所示： 5 最后得到输出特征图； 步骤五：将降维后的特征矩阵，作为整个网络线性分类层的输入信息。

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，其通讯地址为：610065 四川省成都市武侯区一环路南一段24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。