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！

龙图腾网获悉复旦大学;粤港澳大湾区精准医学研究院(广州)申请的专利基于脑功能网络的患者光刺激参数选择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：CN114984457B 。

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：202210539954.4，技术领域涉及：G06T7/00；该发明授权基于脑功能网络的患者光刺激参数选择方法及系统是由耿道颖;周锟;于泽宽设计研发完成，并于2022-05-17向国家知识产权局提交的专利申请。

本基于脑功能网络的患者光刺激参数选择方法及系统在说明书摘要公布了：本发明提供了一种基于脑功能网络的患者光刺激参数选择方法及系统，获取并预处理脑小血管病患者脑部弥散张量模态数据和静息态功能模态数据；基于预处理后的静息态功能模态数据，进行统计分析获取多个不同的全局网络属性和多条连接权重有差异的连边；对预处理后的脑部弥散张量模态数据运用卷积神经网络进行海马体区域分割，将图像所包含的信息进行量化获取多个影像组学特征；将获取的全局网络属性、连接权重有差异的连边与影像组学特征融合构成特征矩阵，构建多个基础分类器并运用集成学习进行训练，最后输出向量。本发明实现CSVD光刺激参数的自动化选择，克服临床上采用的复杂评分带来的诸多局限。

本发明授权基于脑功能网络的患者光刺激参数选择方法及系统在权利要求书中公布了：1.一种基于脑功能网络的患者光刺激参数选择方法，其特征在于，包括如下步骤： 预处理步骤：获取多例样本数据并预处理每例样本数据的脑部弥散张量模态数据和静息态功能模态数据； 属性和连边获取步骤：基于预处理后的静息态功能模态数据，采用图论构建脑功能网络，并基于脑功能网络进行统计分析，获取多个不同的全局网络属性和多条连接权重有差异的连边； 影像组学特征获取步骤：对预处理后的脑部弥散张量模态数据运用卷积神经网络进行海马体区域分割，得到感兴趣区域，对感兴趣区域进行影像特征提取，将图像包含的信息进行量化，获取多个影像组学特征； 向量输出步骤：将获取的全局网络属性、连接权重有差异的连边与影像组学特征融合构成特征矩阵，构建多个基础分类器并运用集成学习进行训练，最后输出向量；输出的向量表示光刺激治疗参数的选择结果； 所述预处理步骤包括如下步骤： 数据获取步骤：获取多例样本数据的脑部弥散张量模态数据和静息态功能模态数据； 分别对眼底视网膜图像和脑部弥散张量模态数据，进行眼底和海马体感兴趣区域的标注； 将采集的数据分为健康对照组和患病组；其中每例数据包含眼底图像、脑部弥散张量模态数据、静息态功能模态数据、脑连接是否正常和是否患有脑小血管病； 数据脱敏步骤：对不同临床数据进行标准化采集并进行数据脱敏；对数据中的个人可识别信息和敏感信息进行数据脱敏，并对采集到的原始数据进行重新审查和校验； 数据处理步骤：将脑部弥散张量模态数据和静息态功能模态数据中每个被试前无脑结构图像的数据丢弃，并对所有图像数据进行时域矫正、空间域对齐和高斯滤波；图像数据统一大小； 标签制作步骤：样本数据的光刺激治疗参数包括光照时间、波长、频率、吸氧时间和压强；根据临床治疗的选择对光刺激治疗参数进行标准化制作光刺激参数标签； 所述属性和连边获取步骤包括如下步骤： 网络构建步骤：基于静息态功能模态数据，采用图论构建功能脑网络； 首先，基于自动解剖标签模板，采用软件将健康对照组和患病组每个被试静息态功能模态数据脑部划分为多个感兴趣区； 然后，采用皮尔逊相关函数计算感兴趣区时间序列的相关系数，得到相关系数矩阵，且每个相关系数矩阵用稀疏度划分为多个矩阵；其中，稀疏度为网络中存在的边与网络最大可能存在边的比重； 子网划分步骤：将多个脑区分为多个子网，子网包括默认网络、注意网络、皮质下网络、听觉网络、视觉网络和感觉运动网络，并用稀疏度划分为矩阵； 指标获取步骤：对每个矩阵分别计算多个网络属性比较患病组与健康对照组间的脑功能差异，网络属性包括聚类系数、效率、传递系数、特征路径长度和小世界属性；同时，采用各属性曲线下面积作为标尺用来进行组间比较，有差异的属性作为判断是否患有脑小血管病的网络特征，获得多个全局网络属性作为脑小血管病的相关影像组学指标； 对健康对照组和患病组的组间功能连接的多对连边进行单尾检验分析，最终得到多条连接权重有差异的连边，最后得到每例样本数据的脑功能连接的影像组学特征矩阵。

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复旦大学;粤港澳大湾区精准医学研究院(广州)，其通讯地址为：200433 上海市杨浦区邯郸路220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”。