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！

龙图腾网获悉浙江工业大学申请的专利一种基于多模态影像特征融合的轻度创伤性脑损伤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：CN115170540B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202210884946.3，技术领域涉及：G06T7/00；该发明授权一种基于多模态影像特征融合的轻度创伤性脑损伤分类方法是由仇翔;王佳凤;冯远静;曾庆润;陈升炜设计研发完成，并于2022-07-26向国家知识产权局提交的专利申请。

本一种基于多模态影像特征融合的轻度创伤性脑损伤分类方法在说明书摘要公布了：一种基于多模态影像特征融合的轻度创伤性脑损伤分类方法，针对单一模态影像信息不全面和与mTBI高度相关的特征不明确导致的目前mTBI缺乏客观辅助诊断方法的问题，融合了在TI结构像上提取的皮层体积，厚度，表面积特征和在dMRI上基于束提取的FA，MD，AD，RD，和OD，ICVF，ISOVF特征；一方面为了得到与mTBI高度相关的特征，选择FDR矫正后组间具有显著性差异的特征作为初步筛选出来的特征；另一方面为了降低特征维度使模型达到更好的拟合效果，将初步得到的特征作为逻辑回归模型的输入，最终得到权重不为0的特征训练的最优学习模型，模型泛化性能由测试集评估指标评定，通过此模型对到访者进行mTBI疾病预测，从而提供一种客观的辅助诊断方法。

本发明授权一种基于多模态影像特征融合的轻度创伤性脑损伤分类方法在权利要求书中公布了：1.一种基于多模态影像特征融合的轻度创伤性脑损伤分类方法，其特征在于，所述方法包括如下步骤： 1提取基于T1影像的特征：每一例纳入的受试者图像包含T1图像和DTI图像，以brainetome210类图谱为模板对T1数据进行皮层分割，计算获取皮层体积，厚度和表面积作为特征； 2提取基于DTI影像的特征：采用多壳多组织约束球面反卷积MSMT-CSD方法和确定型跟踪对DTI数据进行纤维方向估计和跟踪，纤维的自动分割由WhitematterAnalysis工具包执行，最终将纤维束分割成设定数量束双侧半球纤维束和连合束，计算各向异性分数FA、平均弥散值MD、轴向弥散值AD、径向弥散值RD方向分散度指数ODI、神经密度指数NDI、各向同性扩散的体积分数FISO参数图像并基于有解剖学意义的纤维束提取参数图像的值作为特征，将步骤1和步骤2得到的特征合并构建原始数据集； 3数据集预处理：原始数据集以设定比例进行分层采样随机划分为训练集和测试集，处理训练集的缺失值，从训练集的正常受试者中提取的数据建立线性回归模型以排除协变量对数据的影响，再对训练集进行归一化处理，测试集的数据预处理方法相同，但需要以训练集为基准； 4特征选择：选择训练集中经过逻辑回归筛选的mTBI与正常受试者组间具有显著性差异的特征，计算特征组间P值并做FDR矫正，以设定阈值将训练集中没有显著性差异的特征排除，FDR矫正的范围限制在同种参数中，仅对所有FA特征进行一次FDR矫正，所有类型的参数在选择完毕后再用逻辑回归模型拟合，选取权重不为0的特征，测试集保留与训练集相同的特征； 5模型训练与评估：采用十折交叉验证将步骤4获得的训练集放入机器学习模型进行训练，训练完毕后将步骤4得到的测试集放入模型进行分类预测，并与标签真值进行比较得到AUC等评价指标评估模型泛化性能，根据泛化性能选出最佳分类器。

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工业大学，其通讯地址为：310014 浙江省杭州市拱墅区潮王路18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”。