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！

龙图腾网获悉深圳大学申请的专利基于微状态序列的NSSI预测模型的训练方法、装置及设备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：CN121416054B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202512001505.0，技术领域涉及：G16H50/20；该发明授权基于微状态序列的NSSI预测模型的训练方法、装置及设备是由梁臻;徐颖;叶炜珊;张力;黄淦设计研发完成，并于2025-12-29向国家知识产权局提交的专利申请。

本基于微状态序列的NSSI预测模型的训练方法、装置及设备在说明书摘要公布了：本发明适用于软件技术领域，提供了NSSI预测模型的训练方法、装置及设备，该方法包括：对脑电数据样本进行微状态模板提取、反拟合处理，得到初始微状态序列；对初始微状态序列进行分块，得到第一分块序列，对第一分块序列进行弱、强打乱，分别得到第二、第三分块序列；对第一、第二、第三分块序列进行特征提取，得到第一、第二、第三特征向量；对第一特征向量进行疾病分类，计算分类损失；对第一特征向量进行域分类，计算域分类损失；根据第一、第三特征向量的预测类别标签计算一致性损失；对第一、第二特征向量进行组合，对第一、第三特征向量进行组合，根据组合后的特征向量对计算对比学习损失；根据计算得到的损失，对模型参数进行更新。

本发明授权基于微状态序列的NSSI预测模型的训练方法、装置及设备在权利要求书中公布了：1.一种基于微状态序列的NSSI预测模型的训练方法，其特征在于，通过预先构建的训练网络对所述NSSI预测模型进行训练，所述训练网络包括特征提取模块、分类模块、域判别器以及一致性学习模块，所述NSSI预测模型包括所述特征提取模块以及所述分类模块，所述训练方法包括以下步骤： 对脑电数据样本组中的脑电数据样本进行微状态模板提取以及反拟合处理，得到所述脑电数据样本的初始微状态时间序列； 对所述初始微状态时间序列进行分块，得到第一分块时间序列，对所述第一分块时间序列进行弱打乱和强打乱，对应得到第二分块时间序列、第三分块时间序列； 将所述第一、第二、第三分块时间序列输入所述特征提取模块，通过所述特征提取模块对所述第一、第二、第三分块时间序列进行特征提取，得到对应的第一、第二、第三特征向量； 将所述第一特征向量输入所述分类模块，通过分类模块对所述第一特征向量进行疾病分类，得到疾病分类结果，根据有标签样本的所述疾病分类结果以及疾病标签，计算有标签样本的疾病分类损失； 将所述第一特征向量通过梯度反转层输入所述域判别器，通过域判别器对所述第一特征向量进行域分类，得到域分类结果，根据域分类结果以及域标签，计算域分类损失； 将所述第一、第三特征向量输入一致性学习模块，通过所述一致性学习模块对所述第一、第三特征向量进行二分类，得到所述第一、第三特征向量的预测类别标签，根据所述预测类别标签以及真实类别标签，计算有标签样本的一致性损失； 对所述第一、第二特征向量进行组合，得到第四特征向量，为所述第四特征向量设置正样本标签，对所述第一、第三特征向量进行组合，得到第五特征向量，为所述第五特征向量设置负样本标签，根据所述第四、五特征向量，通过公式计算所述脑电数据样本的对比学习损失，其中，D表示通道数，τ表示温度参数，sim表示计算余弦相似度，表示第一特征向量，表示第三特征向量，表示第二特征向量； 根据计算得到的疾病分类损失、域分类损失、一致性损失以及对比学习损失，对所述训练网络的参数进行更新，继续对所述NSSI预测模型进行训练，直至预训练结束，以得到训练后的NSSI预测模型。

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深圳大学，其通讯地址为：518000 广东省深圳市南山区南海大道3688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。