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！

龙图腾网获悉浙江大学申请的专利基于fNIRS信号与可穿戴设备的儿童自闭症识别方法及系统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：CN121359914B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202511936534.X，技术领域涉及：A61B5/16；该发明授权基于fNIRS信号与可穿戴设备的儿童自闭症识别方法及系统是由何海伦;何赛灵;郭德宇设计研发完成，并于2025-12-22向国家知识产权局提交的专利申请。

本基于fNIRS信号与可穿戴设备的儿童自闭症识别方法及系统在说明书摘要公布了：本发明涉及儿童自闭症早期筛查技术领域，具体地说，本发明涉及基于fNIRS信号与可穿戴设备的儿童自闭症识别方法及系统，通过fNIRS智能头盔采集儿童前额多波段脑血流信号及头部运动数据，利用边缘计算芯片消除运动伪迹并经自适应滤波得到降噪fNIRS信号，提取时域信号斜率和频域小波能量熵及通道间功能连接矩阵，借助双流神经网络，以1D卷积分支处理时频特征和图卷积分支处理拓扑特征，融合特征后经通道注意力加权输出自闭症风险概率值，再生成筛查等级报告传输至移动终端，系统含信号采集单元、边缘处理单元、智能分析单元及交互输出单元，适配儿童日常场景，提升筛查精度。

本发明授权基于fNIRS信号与可穿戴设备的儿童自闭症识别方法及系统在权利要求书中公布了：1.基于fNIRS信号与可穿戴设备的儿童自闭症识别方法,其特征在于:包括以下步骤: S1、通过fNIRS智能头盔采集儿童前额的多波段近红外脑血流信号作为原始fNIRS信号,同时通过集成加速度传感器同步获取头部运动数据; S2、利用边缘计算芯片对所述原始fNIRS信号执行运动伪迹消除处理,获取预处理fNIRS信号,将预处理fNIRS信号输入基于头部运动数据构建的自适应滤波模型,生成fNIRS信号,最后通过滑动时间窗分割fNIRS信号,提取时域信号斜率、频域小波能量熵及通道间功能连接矩阵; S3、构建双流神经网络模型,将所述时域信号斜率和频域小波能量熵输入双流神经网络的第一分支卷积层,获取第一输出,同时将所述通道间功能连接矩阵输入第二分支图卷积层,获取第二输出,将第一输出和第二输出通过特征融合层进行融合,获取融合特征,并利用通道注意力机制对融合特征进行加权处理,输出自闭症风险概率值; 双流神经网络模型的构建方法为: 第一分支采用预设层数的1D卷积神经网络处理时域信号斜率与频域小波能量熵,每层卷积后接批归一化与ReLU激活,第二分支采用3层图卷积神经网络处理通道间功能连接矩阵,图结构以脑区空间拓扑为邻接约束,双分支输出通过特征融合层的全连接网络进行张量拼接,末端嵌入通道注意力模块,通过知识蒸馏技术迁移云端大模型能力至边缘端部署; 第一分支卷积层的操作过程为: 将时域信号斜率与频域小波能量熵拼接为二维特征向量,输入首层卷积核数为32的1D卷积层进行局部模式提取,第二层卷积核扩增至64以捕获长程依赖,第三层采用空洞卷积扩大感受野,末层通过全局平均池化压缩特征维度,输出表征脑血流时频演化规律的第一特征向量,将其作为第一输出; 第二分支图卷积层的操作过程为: 以通道间功能连接矩阵作为图结构邻接矩阵,节点特征初始化为各通道小波能量熵,首层图卷积聚合一阶邻域节点特征并更新节点状态,第二层引入多头注意力机制加权重要邻域特征,末层通过图池化操作生成表征脑功能网络拓扑特性的第二特征向量,将其作为第二输出; 将第一特征向量与第二特征向量输入特征融合层,通过全连接网络学习时频特征与拓扑特征的交叉关联,输出融合特征向量,通道注意力机制以融合向量为输入,生成各特征维度的权重系数,对高权重特征进行强化后输入Sigmoid激活层,将特征空间映射至[0,1]区间生成自闭症风险概率值,其中自闭症风险概率值大于预设阈值时触发高风险预警; S4、根据所述自闭症风险概率值生成自闭症筛查等级报告,并传输至移动终端进行可视化显示。

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浙江大学，其通讯地址为：310012 浙江省杭州市西湖区余杭塘路866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。