買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜福建師范大學(xué)申請的專利基于圖自監(jiān)督遷移學(xué)習(xí)的跨域疾病預(yù)測方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN119418912B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-04-04發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510012095.7，技術(shù)領(lǐng)域涉及：G16H50/20；該發(fā)明授權(quán)基于圖自監(jiān)督遷移學(xué)習(xí)的跨域疾病預(yù)測方法是由林麗美;李偉陽;黃艷澤;汪曉丁設(shè)計研發(fā)完成，并于2025-01-06向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于圖自監(jiān)督遷移學(xué)習(xí)的跨域疾病預(yù)測方法在說明書摘要公布了：本發(fā)明公開了基于圖自監(jiān)督遷移學(xué)習(xí)的跨域疾病預(yù)測方法，方法為：處理功能磁共振成像數(shù)據(jù)和臨床表型數(shù)據(jù)；由受試者的功能磁共振成像數(shù)據(jù)建模構(gòu)成腦特征結(jié)構(gòu)拓?fù)鋱D；對腦特征結(jié)構(gòu)拓?fù)鋱D的節(jié)點采樣得到子圖并選擇親密度得分最高的個子圖；將目標(biāo)子圖的節(jié)點特征映射到低維向量空間得到節(jié)點嵌入矩陣；節(jié)點嵌入矩陣轉(zhuǎn)化為重建矩陣，計算原始特征向量與重建特征向量的歐幾里得距離得到生成學(xué)習(xí)評分；在目標(biāo)節(jié)點與相鄰子圖之間構(gòu)建比較關(guān)系并計算對比學(xué)習(xí)評分；生成學(xué)習(xí)評分和對比學(xué)習(xí)評分加權(quán)和得到疾病類別的預(yù)測概率值；待遷移的數(shù)據(jù)輸入至預(yù)測模型得到對應(yīng)疾病類別的預(yù)測結(jié)果。本發(fā)明提高跨域疾病預(yù)測準(zhǔn)確性與效率。

本發(fā)明授權(quán)基于圖自監(jiān)督遷移學(xué)習(xí)的跨域疾病預(yù)測方法在權(quán)利要求書中公布了：1.基于圖自監(jiān)督遷移學(xué)習(xí)的跨域疾病預(yù)測方法，其特征在于：其包括以下步驟：步驟1，處理來自不同機構(gòu)的功能磁共振成像數(shù)據(jù)和臨床表型數(shù)據(jù)；步驟2，對預(yù)處理后的功能磁共振成像數(shù)據(jù)和表型數(shù)據(jù)進(jìn)行建模，定義由受試者群體的功能磁共振成像數(shù)據(jù)構(gòu)成的連通的腦特征結(jié)構(gòu)拓?fù)鋱D；其中，表示腦特征結(jié)構(gòu)拓?fù)鋱D的節(jié)點集合，具體對應(yīng)于受試者群體；表示腦特征結(jié)構(gòu)拓?fù)鋱D的邊集合，具體對應(yīng)于具有相似性的功能磁共振成像圖像構(gòu)成的連邊集合；表示腦特征結(jié)構(gòu)拓?fù)鋱D的邊權(quán)重集合，具體對應(yīng)于相似性程度；步驟3，采用重啟隨機游走算法對腦特征結(jié)構(gòu)拓?fù)鋱D中的節(jié)點進(jìn)行采樣得到多個子圖，采樣得到的每個子圖大小為固定值，即每個子圖包含個節(jié)點，然后評估多個子圖內(nèi)目標(biāo)節(jié)點的相鄰節(jié)點的親密度評分；選擇親密度評分最高的個子圖作為目標(biāo)節(jié)點的個子圖視圖，其中，表示選取的子圖個數(shù)；表示選取的第個子圖，；每個選定的子圖的親密度評分的計算方法如下： ，其中，表示以節(jié)點為目的節(jié)點的子圖的親密度評分，；為子圖中除外的其余節(jié)點；是一個常數(shù)參數(shù)；表示按列歸一化的鄰接矩陣，表示邊的加權(quán)關(guān)系，即邊的權(quán)重值，為兩個節(jié)點和之間存在的一條邊；是對角矩陣；的對角線上有為單位矩陣；步驟4，將目標(biāo)節(jié)點的子圖視圖的節(jié)點特征映射到低維向量空間中得到節(jié)點嵌入矩陣；步驟5，將節(jié)點嵌入矩陣轉(zhuǎn)化為重建矩陣，計算目標(biāo)節(jié)點的原始特征向量與通過解碼器重建的特征向量之間的歐幾里得距離來得到生成學(xué)習(xí)評分；步驟6，引入一個多視圖比較學(xué)習(xí)模塊，在目標(biāo)節(jié)點與目標(biāo)節(jié)點的相鄰上下文子圖之間構(gòu)建比較關(guān)系，利用圖中的結(jié)構(gòu)信息計算對比學(xué)習(xí)評分；步驟6的具體步驟為：步驟6-1，將圖神經(jīng)網(wǎng)絡(luò)編碼器的輸出節(jié)點嵌入矩陣作為比較學(xué)習(xí)模塊的輸入，對每個節(jié)點的原始特征向量進(jìn)行轉(zhuǎn)化得到節(jié)點的嵌入向量；單個節(jié)點的特征轉(zhuǎn)換方法為，其中，為節(jié)點的特征向量；是編碼訓(xùn)練過程中使用的參數(shù)的權(quán)重矩陣；為激活函數(shù)；步驟6-2，使用平均池化函數(shù)將得到的子圖的節(jié)點的嵌入矩陣聚合成一個固定維度的向量表示，函數(shù)如下: ，其中，是子圖中的節(jié)點數(shù)；是對所有個子圖的索引；表示選取矩陣的第行；步驟6-3，選擇作為節(jié)點的正例，對應(yīng)的負(fù)例為，為打亂順序的特征矩陣；正負(fù)樣本對的評分如下： ， ，其中，為表示可學(xué)習(xí)的參數(shù)矩陣，正例和負(fù)例在計算時使用同樣的權(quán)重矩陣，以計算出正樣本和負(fù)樣本的得分；正樣本對對應(yīng)的分?jǐn)?shù)為，負(fù)樣本對對應(yīng)的分?jǐn)?shù)為，表示節(jié)點，表示節(jié)點的第個子圖且為激活函數(shù)；步驟6-4，計算最終對比學(xué)習(xí)評分，通過計算節(jié)點的個選定子圖的正負(fù)樣本得分的平均值作為當(dāng)前節(jié)點的對比學(xué)習(xí)評分；步驟7，將生成學(xué)習(xí)評分和對比學(xué)習(xí)評分進(jìn)行加權(quán)和計算得到受試者對應(yīng)疾病類別的預(yù)測概率值，形成預(yù)測模型；步驟8，將待遷移的目標(biāo)域的功能磁共振成像數(shù)據(jù)和臨床表型數(shù)據(jù)輸入至預(yù)測模型中，輸出對應(yīng)目標(biāo)域患者的對應(yīng)疾病類別的預(yù)測結(jié)果，以完成醫(yī)學(xué)跨域的輔助診斷。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人福建師范大學(xué)，其通訊地址為：350108 福建省福州市大學(xué)城科技路1號福建師范大學(xué)旗山校區(qū)；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。