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！

龙图腾网获悉郑州大学申请的专利一种基于多视图对比学习的早期阿尔茨海默症分类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：CN119540641B 。

龙图腾网通过国家知识产权局官网在2026-01-30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：202411685754.5，技术领域涉及：G06V10/764；该发明授权一种基于多视图对比学习的早期阿尔茨海默症分类方法是由石磊;刘皓雯;高宇飞;赵国桦;蒋慧琴;马岭设计研发完成，并于2024-11-23向国家知识产权局提交的专利申请。

本一种基于多视图对比学习的早期阿尔茨海默症分类方法在说明书摘要公布了：本发明涉及医学图像分类技术领域，尤其涉及一种基于多视图对比学习的早期阿尔茨海默症分类方法。该方法包括：通过对三维MRI扫描数据并进行预处理，得到不同视图的图像，并将不同视图的图像进行数据增强以构建正样本对数据集；利用正样本对数据集对包含两个分支的特征提取网络进行预训练，并对两个分支的输出计算对比损失；将预训练后的特征提取网络第二分支中的图像编码器作为逻辑回归模型的特征提取模块，利用所述测试集对所述逻辑回归模型进行下游任务微调，得到早期阿尔茨海默症分类模型；将目标三维MRI扫描数据进行预处理后输入所述早期阿尔茨海默症分类模型中，输出早期阿尔茨海默症的分类结果。

本发明授权一种基于多视图对比学习的早期阿尔茨海默症分类方法在权利要求书中公布了：1.一种基于多视图对比学习的早期阿尔茨海默症分类方法，其特征在于，包括： 步骤1：收集三维MRI扫描数据并进行预处理，构建多视图数据集；将所述多视图数据集分为训练集和测试集；所述多视图数据集包括具有相同病理机制的冠状面、横截面和矢状面； 步骤2：对所述训练集进行数据增强，生成增强数据集以构建正样本对数据集；其中所述正样本对数据集包括所述增强数据集和所述训练集； 步骤3：利用所述正样本对数据集对特征提取网络进行预训练；所述特征提取网络包括第一分支和第二分支；每个分支包括图像编码器和ACMF模块；其中，所述图像编码器采用ResNet50网络结构；所述ACFM模块包括第一注意力模块、第二注意力模块和拼接模块； 所述ACMF模块用于利用注意力机制进行特征融合，具体流程包括： 将经过所述图像编码器得到的冠状面特征向量、横截面特征向量和矢状面特征向量进行配对分别输入所述第一注意力模块和所述第二注意力模块； 通过所述第一注意力模块计算所述冠状面特征向量和所述横截面特征向量的第一注意力向量并与所述冠状面特征向量进行融合，得到第一特征向量； 4 其中，表示softmax函数，表示冠状面特征向量，表示第一注意力向量，表示横截面特征向量，表示第一特征向量； 通过所述第二注意力模块计算所述横截面特征向量和所述矢状面特征向量的第二注意力向量并与所述矢状面特征向量进行融合，得到第二特征向量； 6 其中，表示矢状面特征向量，表示第二注意力向量，表示第二特征向量； 通过拼接模块将所述第一特征向量、所述横截面特征向量和所述第二特征向量进行维度上的拼接，得到第三特征向量； 7 其中，表示拼接操作，表示第三特征向量； 所述预训练过程包括：将所述增强数据集和所述训练集分别输入所述第一分支和所述第二分支进行训练，并对两个分支的输出计算对比损失； 所述预训练还包括分别提取所述图像编码器中间层的输出，计算紧凑损失函数；其中所述图像编码器中间层的输出为ResNet50网络中第3个参差块的输出，所述紧凑损失函数通过下式计算： 8 其中，表示互相关矩阵的对角线元素，表示互相关矩阵的非对角线元素，表示人工设置的参数，表示紧凑损失函数， 9 其中，表示当前训练批次共有个正样本对数据，表示输入第一分支的第个样本对应的图像编码器中间层的输出，表示输入第二分支的第个样本对应的图像编码器中间层的输出； 步骤4：将预训练后的特征提取网络第二分支中的图像编码器作为逻辑回归模型的特征提取模块，利用所述测试集对所述逻辑回归模型进行下游任务微调，得到早期阿尔茨海默症分类模型； 步骤5：将目标三维MRI扫描数据进行预处理后输入所述早期阿尔茨海默症分类模型中，输出早期阿尔茨海默症的分类结果。

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郑州大学，其通讯地址为：450001 河南省郑州市高新技术开发区科学大道100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。