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！

龙图腾网获悉北京理工大学申请的专利基于多尺度深度学习长期个体AD风险预测模型及预测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：CN119943388B 。

龙图腾网通过国家知识产权局官网在2025-11-04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：202510019906.6，技术领域涉及：G16H50/30；该发明授权基于多尺度深度学习长期个体AD风险预测模型及预测方法是由胡斌;董群喜;刘伟佳;刘竞宇设计研发完成，并于2025-01-07向国家知识产权局提交的专利申请。

本基于多尺度深度学习长期个体AD风险预测模型及预测方法在说明书摘要公布了：本发明属于脑影像计算与医疗辅助研究技术领域，具体公开了基于多尺度深度学习长期个体AD风险预测模型及预测方法，该预测模型包括MRI数据采集与处理模块、MRI特征提取模块、风险预测模块。本发明采用上述基于多尺度深度学习长期个体AD风险预测模型及预测方法，提供了一种新颖的多尺度模型，该模型在个体层面预测MCI转化为AD的风险，基于受试者的基线诊断数据，可实现在60个月内每6个月获得一次转化风险，从而有效跟踪MCI转化风险情况并估计转化时间。

本发明授权基于多尺度深度学习长期个体AD风险预测模型及预测方法在权利要求书中公布了：1.一种基于多尺度深度学习长期个体AD风险预测模型的预测方法，其特征在于，包括以下步骤： 步骤S1、磁共振成像MRI数据采集与处理模块对初始大脑磁共振成像MRI神经影像进行去颅骨处理，并配准到MNI152标准空间； 步骤S2、依据Hammers脑图谱模板，将图像分割为灰质、白质和脑脊液；通过分割处理，获得对应的灰质和白质分割图像，以及Hammers图谱的83个大脑区域的灰质、白质和脑脊液的体积数据； 步骤S3、通过对强度非均匀性的偏差校正，以及根据空间配准引起的体积变化进行调制，进一步修正分割图像；在预处理后，质量低于80%的图像被排除； 步骤S4、使用8毫米全宽半最大平滑核对图像进行平滑处理； 步骤S5、磁共振成像MRI特征提取模块通过预训练卷积神经网络健康人NCN模型对正常认知和阿尔茨海默病患者的图像进行分类； 步骤S6、用轻度认知障碍患者的图像进行微调，将最后一层全连接层之前的输出作为提取的大脑结构特征； 步骤S7、最终通过梯度加权类激活映射技术，可视化模型在分类过程中最重要的决策区域，即大脑感兴趣区； 步骤S8、风险预测模块利用磁共振成像MRI数据采集与处理模块、磁共振成像MRI特征提取模块得到的大脑区域灰质体积、磁共振成像MRI影像特征；结合临床信息，将三者共同作为风险变量输入风险预测模型； 步骤S9、预测每位轻度认知障碍MCI患者在未来五年每六个月的节点会转化为阿尔茨海默病AD的具体风险概率； 风险预测模块由两组全连接层、残差连接和多头注意力机制组成； 两组全连接层分别为全连接组一FCLayersA、全连接组二FCLayersB； FCLayersA包含两个全连接层，节点数量分别为128和256；FCLayersB包含两个全连接层，节点数量分别为128和64；提取的大脑结构特征、临床信息和灰质体积组成多尺度数据，作为输入传递给FCLayersA； 多头注意力机制通过公式计算注意力权重，初步捕捉与阿尔茨海默病转化风险相关的协变量潜在表示；FCLayersB将向量fAx与协变量x组合后作为输入z，直接学习残差并保持数据完整性；最终输出向量fBx是一个概率分布y=[y1,y2...,yT]，表示给定轻度认知障碍受试者xi的协变量x时，转化为阿尔茨海默病在时间t发生的估计风险概率，即；其中，xi是被试特征，e代表事件的发生。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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。