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多动症的功能性近红外光谱和红外热像的识别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：CN114847875B 。

龙图腾网通过国家知识产权局官网在2025-06-27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：202210303575.5，技术领域涉及：A61B5/00；该发明授权多动症的功能性近红外光谱和红外热像的识别方法是由金心宇;王杰;金昀程设计研发完成，并于2022-03-24向国家知识产权局提交的专利申请。

本多动症的功能性近红外光谱和红外热像的识别方法在说明书摘要公布了：本发明公开了多动症的功能性近红外光谱和红外热像的识别方法，包括分别采集被试者在静息态和任务态时的近红外血氧数据，以及头部与颈部区域的红外热像；然后对近红外血氧数据进行数据预处理和特征提取，再进行归一化和主成分分析PAC特征降维后，输入至功能性近红外血氧数据异常检测模型检测，输出血氧分类结果；将红外热像输入至红外热像异常检测模型输出红外热像分类结果；最终汇总血氧分类结果和红外热像分类结果。本发明利用功能性近红外光谱和红外热像检查的无创、非侵入式、适用人群广的特点，快速准确地达到近红外血氧数据异常和红外热像中异常部位分类的目的，结合两种检测手段可以使检测结果更加全面、可靠、有说服力。

本发明授权多动症的功能性近红外光谱和红外热像的识别方法在权利要求书中公布了：1.多动症的功能性近红外光谱和红外热像的识别方法，其特征在于具体过程为： 步骤S1、分别采集被试者在静息态和任务态时的近红外血氧数据，以及头部与颈部区域的红外热像； 步骤S2、血氧异常检测 步骤S2.1、数据预处理 在上位机中对所述静息态和任务态时的近红外血氧数据分别进行首尾各5秒钟的裁剪去除，然后分别取裁剪后的静息态最后30秒钟和任务态最后30秒钟的近红外血氧数据拼接为一个60秒的预处理后的近红外血氧数据； 步骤S2.2、特征提取 计算所述预处理后的近红外血氧数据的皮尔逊相关系数和小波相干性系数，然后将皮尔逊相关系数和小波相干性系数拼接成1个648维的特征向量再进行归一化和主成分分析PAC特征降维； 步骤S2.3、将归一化和主成分分析PAC特征降维后的特征输入至功能性近红外血氧数据异常检测模型检测，输出血氧分类结果； 步骤S3、红外热像异常检测 在上位机中将所述红外热像缩放至分辨率大小为300*300的图像，输入至红外热像异常检测模型，输出红外热像分类结果； 步骤S4、汇总所述血氧分类结果和所述红外热像分类结果，分为四种情况在上位机中呈现：血氧分类结果和红外热像分类结果均为0；血氧分类结果和红外热像分类结果均为1；血氧分类结果为1和红外热像分类结果为0；血氧分类结果为0和红外热像分类结果为1； 所述红外热像异常检测模型包括串联的目标检测网络模块和红外热像分类网络模块，目标检测网络模块输出的目标区域特征图经过红外热像分类网络模块后输出的二分类结果作为所述红外热像分类结果； 所述目标检测网络模块以SSD目标检测网络为基础网络，将SSD目标检测网络中的卷积层conv4_3、conv7、conv8_2、conv9_2的输出分别通过一个注意力机制模型后与目标检测层相连接，卷积层conv10_2和conv11_2直接与目标检测层相连接，然后再经过目标检测层和非极大值抑制处理后，输出为所述目标区域特征图； 所述红外热像分类网络模块采用AlexNet网络为骨干网络，包括依次连接的5个卷积层、3个全连接层和1个softmax层，使用Inception模块替换AlexNet网络中的卷积层Conv2，将softmax层神经元个数改为2个。

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：310058 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”。