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！

龙图腾网获悉北京工业大学申请的专利一种基于时空图多头注意力的脑效应连接学习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：CN118021279B 。

龙图腾网通过国家知识产权局官网在2026-02-24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：202410277712.1，技术领域涉及：A61B5/055；该发明授权一种基于时空图多头注意力的脑效应连接学习方法是由刘金铎;熊雯;冀俊忠设计研发完成，并于2024-03-12向国家知识产权局提交的专利申请。

本一种基于时空图多头注意力的脑效应连接学习方法在说明书摘要公布了：本发明公开了一种基于时空图多头注意力的脑效应连接学习方法，时空图多头注意力网络包括空间图多头注意力块和时间多头注意力块。首先，对数据进行嵌入，再输入到第一个STGMHA网络中。在每个中间STGMHA网络中，前一个网络的输出作为下一个网络的输入，最后一个STGMHA网络的输出则输入到预测层。本发明首次利用GAT从fMRI数据中提取脑效应连接网络的方法。与大多数使用GCN的技术不同，GCN在卷积过程中使用对称的拉普拉斯矩阵，因此不能直接适用于有向图。相比之下，GAT可以适用于无向图，更有效地提取脑区间的因果关系。

本发明授权一种基于时空图多头注意力的脑效应连接学习方法在权利要求书中公布了：1.一种基于时空图多头注意力的脑效应连接学习方法，其特征在于，包括以下步骤： 步骤一，数据获取：在Sanchez数据集上进行实验； 步骤二，数据预处理与参数初始化：本方法首先用滑动窗口对数据进行预处理，进行数据增强，再采用皮尔逊相关系数来构建脑效应连接网络作为脑效应连接网络的初始参数，同时，初始化其它超参数； 步骤三，输入嵌入：将输入的fMRI数据映射到一个更高维度的空间，使得输入的fMRI数据维度从B×T×N变为B×T×N×C； 步骤四，提取脑效应连接网络：将输入嵌入得到的数据输入到空间图多头注意力块增强节点与相关节点的因果强度与脑效应连接网络； 步骤五，提取时间特征：通过时间多头注意力块，fMRI时间序列数据的长期依赖特征被提取出来； 步骤六，重复步骤四、五：将提取到的特征与脑效应连接网络作为输入数据，重复步骤四、五，直到达到定义的时空图多头注意力网络的层数； 步骤四中，空间图多头注意力块，首先利用空间多头注意力提取fMRI数据的不同维数的图信息，然后利用GAT提取fMRI数据的图结构； 多头注意力由多个自注意力组成，在每个自注意力机制中，首先通过线性变换得到： ； 其中表示fMRI时间序列数据嵌入后在第i个空间注意力头的输入，表示线性变换矩阵，表示常量偏移量；分别表示空间图多头注意力块中第i个空间注意力头的Query,Key,Value；在计算后，通过下式得到注意力权重： ； ； 其中表示Query,Key,Value向量的维度，是激活函数，表示空间多头注意力得到的脑效应连接网络；最后通过前馈网络和残差连接得到空间图多头注意力块的输出： ； 其中，是一个前馈神经网络，由两个线性层和激活函数组成，表示残差连接和归一化操作； 在GAT中，首先对每个脑区的时间序列数据进行线性变换，然后利用自注意力机制对数据进行加权求和，得到每个脑区之间的注意力系数： ； 其中，表示注意力权重函数，表示线性变换矩阵；在激活函数处理后，通过激活函数得到大脑各区域之间的因果关系： ； 其中是的扩展，在负值处引入斜率，表示GAT提取的脑效应连接网络中脑区对脑区施加的因果作用权重系数；通过获得脑区之间的因果关系，节点用它的相邻脑区节点表示，即那些对施加着因果作用的脑区节点；如果是多头注意力，将这些特征串联起来： ； 其中表示串联，为非线性激活函数，表示节点的相邻脑区节点，表示线性变换矩阵；将各个脑区节点的数据合并起来得到GAT的输出的fMRI数据： ； 多头注意力和GAT的输出加权求和得到空间图多头注意力块的输出： ； ； 其中是一个非线性激活函数，分别表示空间多头注意力和GAT输出的fMRI数据；同时，通过上式得到的权重系数对空间多头注意力和GAT输出的脑效应连接网络加权求和得到空间多头注意力块输出的脑效应连接网络。

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北京工业大学，其通讯地址为：100024 北京市朝阳区平乐园100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。