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！

龙图腾网获悉北京信息科技大学申请的专利一种基于微元神经算子的血流动力学计算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：CN120805771B 。

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：202510920437.5，技术领域涉及：G06F30/28；该发明授权一种基于微元神经算子的血流动力学计算方法是由端木正;宫豪杰;程千禧;张晨;杨茜岚;叶晰萌;李鸿宇设计研发完成，并于2025-07-04向国家知识产权局提交的专利申请。

本一种基于微元神经算子的血流动力学计算方法在说明书摘要公布了：本发明公开了一种基于微元神经算子的血流动力学计算方法，包括：基于初始流场、血管几何及边界条件，通过预先训练好的预测网络实现血管内流场的时移预测；所述预测网络通过设计微元相关和位移不变的微元神经算子，实现对不同计算域的血流动力学仿真模拟的高效计算；所述预测网络包括提升层、内块层和投影层；所述预测网络采用监督学习方式进行训练，在多步循环框架下，最小化多步递归预测的均方误差，通过将血流动力学问题分解为微元相关的子问题，学习通用的时移算子，从而实现二维或三维的快速仿真。相比现有技术，本发明能够在不重新训练的情况下适应多种计算域，显著提高计算效率和精度，适用于医疗血流仿真领域。

本发明授权一种基于微元神经算子的血流动力学计算方法在权利要求书中公布了：1.一种基于微元神经算子的血流动力学计算方法，包括： 基于初始流场、血管几何及边界条件，通过预先训练好的预测网络实现血管内流场的时移预测； 所述预测网络通过设计微元相关和位移不变的微元神经算子，实现对不同计算域的血流动力学仿真模拟的高效计算；所述预测网络包括提升层、内块层和投影层；所述预测网络采用监督学习方式进行训练，在多步循环框架下，最小化多步递归预测的均方误差，通过将血流动力学问题分解为微元相关的子问题，学习通用的时移算子，从而实现二维或三维的快速仿真； 所述预测网络的内块层，包括多个堆叠的算子层，每个算子层中将并行的物理路径和频谱路径的输出特征在通道维度上拼接或相加后，继续进入下一算子层；其中， 所述物理路径包括：若干微元相关卷积层和点wise层，用于捕捉邻域内直接的物理空间关联，其操作符合微元相关与位移不变的条件； 所述频谱路径，在每个局部滑动窗口上，以12阶Legendre多项式为基底执行正反射谱变换，提取全局信息同时保证微元相关性，通过学习频谱映射层完成函数值的频域耦合； 多个算子层堆叠后，通过残差或跨层跳连将初始特征与深层输出融合，用于最大程度缓解深度网络的梯度消失，并为多步自回归提供稳定的特征传递。

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信息科技大学，其通讯地址为：100101 北京市海淀区清河小营东路12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。