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！

龙图腾网获悉西北大学申请的专利一种基于深度神经网络的回归分析模型构建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：CN113901680B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202111055454.5，技术领域涉及：G06F30/23；该发明授权一种基于深度神经网络的回归分析模型构建方法是由贺小伟;胡先功;郭红波;李双辰;刘艳秋设计研发完成，并于2021-09-09向国家知识产权局提交的专利申请。

本一种基于深度神经网络的回归分析模型构建方法在说明书摘要公布了：本发明公开了一种基于深度神经网络的回归分析模型构建方法，并将其应用到光学分子成像领域。本发明的主要研究成果如下：1提出基于深度神经网络的回归分析模型，克服了人工智能方法只能在同一个网格上进行目标重建的限制，实现了由不同结构的网格产生的生物组织表面光分布信息到光源信息的重建；2提出基于点云技术的研究方法，克服了传统重建方法中重建出的光源形状受限于网格剖分情况的限制，实现了光源在形态学上的高精度重建。本发明在医学分子影像、重建方法等领域有重要的应用价值。

本发明授权一种基于深度神经网络的回归分析模型构建方法在权利要求书中公布了：1.一种基于深度神经网络的回归分析模型构建方法，其特征在于，包括以下步骤： 步骤一，训练集和测试集的构造：在生物体仿真模型内植入给定坐标和半径的光源，获得实际光源坐标和实际光源半径，光源在生物体表面形成生物体表面光分布信息，生物体表面光分布信息包括光分布坐标和光亮度；光分布坐标和光亮度为训练集的样本数据，实际光源坐标和实际光源半径为训练集的标签数据； 测试集的构造过程与训练集的构造过程相同； 步骤二、模型训练： 将步骤一得到的训练集输入到深度神经网络的回归分析模型中进行训练，获得训练集的样本数据和训练集的标签数据之间的非线性映射关系，测试集用于模型检测；所述的深度神经网络的回归分析模型包含线性层、卷积层、最大池化层和激活层；所述的深度神经网络的回归分析模型以MSEloss为损失函数，用于评估预测值和真实值间的误差；该模型直接处理点云数据，将生物组织表面光分布信息的点云数据作为输入，输出生物体内光源的点云数据； 为了定量地评估深度神经网络的回归分析模型的回归分析性能，使用定位误差LE和体积偏差度VD作为评价指标来衡量重建光源的坐标信息和体积信息； 定位误差LE用于衡量重建光源的中心和真实光源的中心的欧几里得距离，其公式如下： ； 其中重建光源的中心坐标为,真实光源的中心坐标为； 体积偏差度VD用于衡量重建光源和真实光源体积的偏差，其公式如下： ； 其中为重建光源的体积，为真实光源的体积； 计算公式如下： ； ； 其中，、为相同采样间距下重建光源内节点的个数和真实光源内节点的个数，r为实际光源半径。

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西北大学，其通讯地址为：710069 陕西省西安市太白北路229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。