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！

龙图腾网获悉长春大学申请的专利一种基于残差图神经网络的神经发育障碍共病识别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：CN120809130B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202511254486.6，技术领域涉及：G16H40/20；该发明授权一种基于残差图神经网络的神经发育障碍共病识别系统是由韩秋蕾;叶洪彪;孙岩;宋泽;赵剑;匡哲君;史丽娟;谭璐;谷赫设计研发完成，并于2025-09-04向国家知识产权局提交的专利申请。

本一种基于残差图神经网络的神经发育障碍共病识别系统在说明书摘要公布了：一种基于残差图神经网络的神经发育障碍共病识别系统。属于神经发育障碍共病识别技术领域，具体涉及基于神经网络的共病识别技术领域。系统包括：数据采集模块：采集静息态fMRI图像；数据预处理模块：提取集静息态fMRI图像116个脑区的标准化时间序列；多频段划分与特征提取模块：将每个脑区的标准化时间序列分别进行频带滤波，得到每个频带滤波后的时间序列；在每个频带内，基于PLV矩阵构建二值拓扑矩阵和基于PLV矩阵计算PLV特征向量；神经发育障碍共病识别模块：通过残差图神经网络模型，对脑功能连接图进行分析，获得神经发育障碍共病的诊断信息；可解释性输出模块：将振幅低频波动作为参考指标，输出异常脑区。

本发明授权一种基于残差图神经网络的神经发育障碍共病识别系统在权利要求书中公布了：1.一种基于残差图神经网络的神经发育障碍共病识别系统，其特征在于，所述系统包括： 数据采集模块：采集静息态fMRI图像； 数据预处理模块：基于AAL脑区模板，提取集静息态fMRI图像116个脑区的标准化时间序列：；用表示其中的任何一个时间序列； 多频段划分与特征提取模块：将每个脑区的标准化时间序列分别进行4个频带的滤波，得到每个频带滤波后的时间序列，提取所述时间序列的节点特征矩阵；在每个频带内，进行PLV计算，获得PLV矩阵，并且基于PLV矩阵构建二值拓扑矩阵和基于PLV矩阵计算PLV特征向量；将节点特征矩阵、二值拓扑矩阵和PLV特征向量结合，获得脑功能连接图； 所述四个频带分别为：SLOW20.198-0.25Hz，SLOW30.073-0.198Hz，SLOW40.027-0.073Hz和SLOW50.01-0.027Hz； 每个频带滤波后的时间序列为其中表示脑区的索引，表示频带的索引，所述节点特征矩阵中包括统计特征和非线性特征； 所述统计特征包括均值、标准差、偏度和峰度： ；其中，表示每个脑区在特定频带下的时间序列所包含的时间点数量，表示时间点的索引； ；； ； 所述非线性特征的获得方法为： S51、局部邻域构建：在时间序列中，每个时间点的信号值为，采用K近邻算法，为每个时间点寻找最相似的5个近邻点，距离通过欧氏距离度量相似度：，其中，表示与时间点相似的时间点索引，表示时间点和时间点的欧氏距离；选择最小的5个点作为近邻，记为，构成时间点的局部邻域； S52、重构权重求解：对每个时间点，假设其信号值由近邻点的线性组合重构，即，其中表示时间点对时间点的贡献权重，为使重构误差最小，求解以下优化问题： ； 约束条件为，其中表示时间点的所有拓扑点重构权重的集合，求解过程中，先将局部邻域信号中心化，即减去，得到矩阵，再通过最小二乘法求解权重： ；其中为避免矩阵奇异的正则化项，1为全1向量，为单位矩阵； S53、特征量化：通过获得每个在每个频带下的非线性特征，其中，表示方差函数； 神经发育障碍共病识别模块：通过残差图神经网络模型，对脑功能连接图进行分析，获得神经发育障碍共病的诊断信息； 可解释性输出模块：将振幅低频波动作为参考指标，输出异常脑区。

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长春大学，其通讯地址为：130022 吉林省长春市卫星路6543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。