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！

龙图腾网获悉沈阳化工大学申请的专利一种基于ARLSTM-GCNs的自闭症诊断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：CN119833105B 。

龙图腾网通过国家知识产权局官网在2026-02-10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：202411795456.1，技术领域涉及：G16H50/20；该发明授权一种基于ARLSTM-GCNs的自闭症诊断方法是由曹先庆;蔺博文;杨欢;赵峰设计研发完成，并于2024-12-09向国家知识产权局提交的专利申请。

本一种基于ARLSTM-GCNs的自闭症诊断方法在说明书摘要公布了：本发明一种基于ARLSTM‑GCNs的自闭症诊断方法，涉及一种医疗模式识别诊断方法，本发明基于改进AR‑LSTM与融合注意力图卷积网络的自闭症谱系障碍诊断方法——ARLSTM‑GCNs，该方法包括：通过AAL将收集fMRI成像分割为多个ROIs，提取所有ROIs的BOLD序列组；对BOLD序列进行小波变换生成的时频图进行线性归一化处理，再对得到的二维序列数据使用皮尔逊相关估计每个样本ROI间的FCNs；将处理后的数据集划分为训练集，验证集与测试集；搭建ARLSTM‑GCNs诊断模型，包括改进AR‑LSTM嵌入模型与GCN‑SAGPool模型；基于构建完成的ARLSTM‑GCNs模型，执行分阶段训练任务。本发明实现了对自闭症较为准确的预测。

本发明授权一种基于ARLSTM-GCNs的自闭症诊断方法在权利要求书中公布了：1.一种基于ARLSTM-GCNs的自闭症诊断方法，其特征在于，所述方法具体包括以下步骤： 1收集并筛选实验所需的fMRI数据； 2通过AAL自动解剖模板将fMRI成像分割为多个ROIs，提取所有ROIs的血氧水平依赖BOLD信号序列组； 3通过连续小波变换方法对BOLD序列进行小波变换，生成的时频图进行线性归一化处理，得到所需的二维序列数据；再基于二位序列数据使用皮尔逊相关估计每个样本ROI间的功能性连接FCN； 4将处理后的样本ROI组与对应FCN作为数据集，划分为训练集、验证集与测试集； 5搭建ARLSTM-GCNs网络算法模型作为主体分类模型，该算法模型由多步骤训练方法组成； 6基于分类模型，对受试者进行ASD诊断； 构建ARLSTM-GCNs分类算法框架，由AR-LSTM与GCNs网络级联组成；输入模型数据为一个批次样本的ROI小波时频序列组与本批次对应样本FCNs信息，输出为该样本的ARLSTM分支分类结果与GCNs分支分类结果； 搭建基于改进自适应残差长短期记忆网络AR-LSTM模型，模型包括层归一化层，ARLSTM层与自归一化激活层；三层通过级联构成基本AR-LSTM单元，单元前向传播过程如公式1-4所示； ； 其中：为线性归一化小波时频图，为层归一化后时频矩阵，为层归一化权重参数；式2，3为AR-LSTM时间单元前向传播公式与输出参数矩阵定义，其中，为t时间单元的输出隐藏向量，为在t时间时隐藏向量，其作为输入参数，为t-1时间隐藏参数，为t时间状态参数，与为ARLSTM自适应残差连接权重偏置参数和输出门的权重偏置参数；式4为自归一化激活函数，为的激活输出，缩放因子，负斜率常数； 搭建融合图注意力池化机制的图卷积网络GCN-SAGPool模型，模型为多层级联单元，每个单元包括GCN与SAGPooling算法；对于第单元的前向传播公式如5-7所示： ； 其中，表示第层的节点特征组，为第层的权重矩阵，为式7中添加自环的邻接矩阵，是的度矩阵，是sigmoid激活函数；注意力分数矩阵对应节点特征中的每个节点，为该SAGPool层权重，在该层中，注意力分数通过注意力权重计算得到；基于此分数，使用Topk池化保留得分较高的个节点组合与其之连接，降低图的复杂度。

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沈阳化工大学，其通讯地址为：110142 辽宁省沈阳市沈阳经济技术开发区11号街；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。