Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 电子科技大学郭大庆获国家专利权

电子科技大学郭大庆获国家专利权

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!

龙图腾网获悉电子科技大学申请的专利基于功能连接和随机过程模型的亚状态空间估计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:CN119601250B

龙图腾网通过国家知识产权局官网在2025-08-05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:202411786816.1,技术领域涉及:G16H50/70;该发明授权基于功能连接和随机过程模型的亚状态空间估计方法是由郭大庆;罗杰膑;尧德中设计研发完成,并于2024-12-06向国家知识产权局提交的专利申请。

基于功能连接和随机过程模型的亚状态空间估计方法在说明书摘要公布了:基于功能连接和随机过程模型的亚状态空间估计方法,包括以下步骤:S1、构建随机过程模型,包括输入模块、随机过程模块、输出模块;输入模块接收功能连接数据,随机过程模块采用OU模型,输出模块输出多维OU序列;S2、通过BOLD数据计算功能连接矩阵作为输入模块的输入;S3、将功能连接矩阵送入随机过程模块,通过输出模块输出随机过程序列;S4、通过随机过程序列计算动态功能连接;S5、基于步骤S4,估计大脑亚状态空间,得到亚状态概率与状态转移矩阵。本发明相较于现有完全基于数据的亚状态空间的计算方法,具有更强的鲁棒性和适应性,有助于揭示功能连接与亚状态空间之间的深层联系,为大脑亚状态的研究提供了更高效的技术支持。

本发明授权基于功能连接和随机过程模型的亚状态空间估计方法在权利要求书中公布了:1.基于功能连接和随机过程模型的亚状态空间估计方法,其特征在于,包括以下步骤: S1、构建随机过程模型,包括输入模块、随机过程模块、输出模块;输入模块接收功能连接数据,作为模型的初始输入,表示多维OU过程的协方差矩阵;随机过程模块采用OU模型,通过欧拉法进行数值模拟求解数值解;输出模块输出多维OU序列; S2、通过BOLD数据计算功能连接矩阵作为输入模块的输入;通过计算不同脑区的BOLD信号之间的皮尔逊相关系数,生成功能连接矩阵FC,对于脑区i和j的BOLD信号时间序列,皮尔逊相关系数rij的计算表达式如下: 其中,T表示总体的时间长度,Bi,t表示在时刻t脑区i的BOLD信号值,表示脑区i的BOLD信号的平均值; S3、将步骤S2得到的功能连接矩阵送入随机过程模块,通过输出模块输出随机过程序列; 随机过程模型的离散化形式通过以下差分方程表示: 其中Zt是N-维标准正态随机变量: Xt表示t时刻的随机过程信号,IN表示单位矩阵,θ为时间回归系数;∑为协方差矩阵,即输入模块输入的功能连接矩阵;Δt与真实BOLD数据的采样间隔TR相同; 通过使用欧拉法对随机过程模型进行数值求解,得到多维的OU过程作为输出模块输出; S4、通过随机过程序列计算动态功能连接:基于输出模块输出的多维OU过程进一步通过相位差法、滑动窗法、时间导数乘法计算动态功能连接; 相位差定义下的动态功能连接表示为: dFC_pdt,i,j=cosangleit-anglejt angleit表示脑区在该时刻的相位: 其中xit表示S3输出的脑区i的随机过程序列,为xit的希尔伯特变换; 滑动窗法通过平移观测窗口,将一条时间序列划分为T个时刻,某一时刻的动态功能连接表示为在某窗口下的序列之间皮尔逊相关系数: N表示窗口大小,Bi,t1表示在观测窗口内时刻t1脑区i的BOLD信号值,表示观测窗口内脑区i的BOLD信号的平均值; 时间导数乘法通过计算某时刻下时间导数的乘积,然后对结果进行平滑处理来计算动态功能连接: w表示平滑系数,MTDt,i,j表示时间导数乘积; S5、基于步骤S4,估计大脑亚状态空间,得到亚状态概率与状态转移矩阵;对于大脑亚状态的计算,首先对每个时刻的动态功能连接进行降维,将每个被试的三种初始动态功能连接降维成N*T的二维数据,该方法主要通过提取最大特征向量实现: dFCt=VΛV-1 其中dFCt为初始矩阵,即时刻t的动态功能连接矩阵,即dFC_pdt,i,j、dFC_swt,i,j或dFC_tdt,i,j;V为特征向量矩阵,Λ为特征值向量,降维后的矩阵为特征值最大的特征向量矩阵; 对于N*T的二维数据,将每一个时刻的数据作为一个样本,对其进行聚类,然后使用dunn系数作为聚类的评估指标,选用dunn系数最大的聚类数;在完成聚类操作后,根据每个聚类质心将每个时刻具有N个特征的数据归纳到一个状态,就通过原来N*T的数据得到了一条长度为T的状态序列; 或者通过一个隐马尔可夫模型来之间从序列特征中提取状态,得到一条长度为T的状态序列; 在聚类算法或隐马尔可夫算法对状态进行估计后,得到长度为T的状态序列,通过状态序列计算得到亚状态概率和状态转移矩阵。

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电子科技大学,其通讯地址为:611731 四川省成都市高新区(西区)西源大道2006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”。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。