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(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉杭州電子科技大學(xué)申請(qǐng)的專利一種基于GFE-Mamba神經(jīng)網(wǎng)絡(luò)的可解釋阿爾茨海默進(jìn)展分類方法獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN118918363B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-09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(qǐng)?zhí)?專利號(hào)為：202410943009.X，技術(shù)領(lǐng)域涉及：G06V10/764；該發(fā)明授權(quán)一種基于GFE-Mamba神經(jīng)網(wǎng)絡(luò)的可解釋阿爾茨海默進(jìn)展分類方法是由朱晟豪;黃一語(yǔ);方昭杰;鄒檳峰;陳一飛;劉暢;賈帆;馮祥;秦飛巍;樊謹(jǐn);王昌淼設(shè)計(jì)研發(fā)完成，并于2024-07-15向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種基于GFE-Mamba神經(jīng)網(wǎng)絡(luò)的可解釋阿爾茨海默進(jìn)展分類方法在說(shuō)明書摘要公布了：本發(fā)明公開(kāi)了基于GFE?Mamba神經(jīng)網(wǎng)絡(luò)的可解釋阿爾茨海默進(jìn)展分類方法，包括如下步驟：步驟1、構(gòu)建GFE?Manba神經(jīng)網(wǎng)絡(luò)模型，步驟2、建立MRI和PET圖像數(shù)據(jù)集并分為訓(xùn)練集和測(cè)試集，應(yīng)用MRI和PET圖像訓(xùn)練集和測(cè)試集預(yù)訓(xùn)練3DGAN?Vit模塊；步驟3、建立MRI和量表數(shù)據(jù)結(jié)合的多模態(tài)阿爾茨海默進(jìn)展分類數(shù)據(jù)集，并劃分為訓(xùn)練集和測(cè)試集；步驟4、使用訓(xùn)練集對(duì)預(yù)訓(xùn)練的GFE?Mamba神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練并進(jìn)行參數(shù)調(diào)優(yōu)；步驟5、使用測(cè)試集測(cè)試評(píng)估得到的預(yù)訓(xùn)練的GFE?Mamba神經(jīng)網(wǎng)絡(luò)模型，最終實(shí)可解釋多模態(tài)阿爾茨海默進(jìn)展分類。該方法不僅能夠?yàn)榕R床醫(yī)生診斷和治療重大危險(xiǎn)疾病提供重要參考標(biāo)準(zhǔn)，還進(jìn)一步增強(qiáng)了臨床醫(yī)生對(duì)AD和其他重大腦部疾病的診斷能力，對(duì)于臨床診斷和AD疾病預(yù)防具有重要意義。

本發(fā)明授權(quán)一種基于GFE-Mamba神經(jīng)網(wǎng)絡(luò)的可解釋阿爾茨海默進(jìn)展分類方法在權(quán)利要求書中公布了：1.一種基于GFE-Mamba神經(jīng)網(wǎng)絡(luò)的可解釋阿爾茨海默進(jìn)展分類方法，其特征在于，包括如下步驟： 步驟1、構(gòu)建GFE-Manba神經(jīng)網(wǎng)絡(luò)模型，所述GFE-Manba神經(jīng)網(wǎng)絡(luò)模型包括3DGAN-Vit模塊、多模態(tài)Mamba分類器和像素級(jí)別的互注意力， 所述3DGAN-Vit模塊采用3DGAN為骨干網(wǎng)絡(luò)，并采用VIT瓶頸層替換3DGAN中的middle模塊；所述多模態(tài)Mamba分類器包括時(shí)間間隔提取模塊、量表預(yù)處理模塊、Mamba骨干網(wǎng)絡(luò)模塊；所述像素級(jí)別的互注意力包括查詢矩陣、鍵矩陣和值矩陣組成； 所述時(shí)間間隔提取模塊采用了動(dòng)態(tài)Δt的策略，所述動(dòng)態(tài)Δt的策略為取得同一個(gè)病人的前后兩次診斷的時(shí)間間隔Δt，并將其作為量表數(shù)據(jù)的一部分融入GFE-Mamba模型，所述動(dòng)態(tài)Δt的值采用訓(xùn)練集平均值，所述動(dòng)態(tài)Δt融入模型的方法為：將動(dòng)態(tài)Δt的值與量表信息中的類別值合并，并作為量表預(yù)處理模塊的輸入； 所述量表預(yù)處理模塊將量表信息分為離散的類別值和連續(xù)分布的數(shù)值， 所述離散的類別值的獲取方法為：首先要將類別值都會(huì)被轉(zhuǎn)換成獨(dú)熱編碼獨(dú)熱編碼時(shí)后一列的值會(huì)增加前面所有列的值的最大分類數(shù)，表達(dá)式如下： 得到新的值之后，使用線性的矩陣對(duì)其進(jìn)行嵌入： 其中為第i個(gè)離散類別值的嵌入表示，為第i個(gè)特征偏差，而為第i張查找表； 所述連續(xù)分布的數(shù)值的獲取方法為：算出量表信息中每個(gè)列的均值和標(biāo)準(zhǔn)差并算出標(biāo)準(zhǔn)化之后的值，即：之后再用線性變換對(duì)其進(jìn)行嵌入： 其中為第i個(gè)離散類別值的嵌入表示，再將處理好的離散的類別值和連續(xù)分布的數(shù)值的表格信息拼接在一起，并與圖像特征也拼接在一起： 其中T為離散類別值和連續(xù)值的嵌入拼接結(jié)果，n和m是離散的類別值和連續(xù)分布的數(shù)值的行數(shù)，xLMP，xLPP分別代表了生成網(wǎng)絡(luò)中MRI和PET在隱空間的特征，d是嵌入的大小； 所述Mamba骨干網(wǎng)絡(luò)模塊包括6個(gè)Mamba模塊，其分類方法為： 將量表預(yù)處理模塊的輸出x作為輸入，在經(jīng)過(guò)6個(gè)Mamba模塊之后，求平均值和線性層，得到最終的分類結(jié)果； 步驟2、建立MRI和PET圖像數(shù)據(jù)集并分為訓(xùn)練集和測(cè)試集，應(yīng)用MRI和PET圖像訓(xùn)練集和測(cè)試集預(yù)訓(xùn)練3DGAN-Vit模塊； 步驟3、建立MRI和量表數(shù)據(jù)結(jié)合的多模態(tài)阿爾茨海默數(shù)據(jù)集，并劃分為訓(xùn)練集和測(cè)試集； 步驟4、使用MRI和量表數(shù)據(jù)結(jié)合的多模態(tài)阿爾茨海默訓(xùn)練集，對(duì)預(yù)訓(xùn)練的GFE-Mamba神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練并進(jìn)行參數(shù)調(diào)優(yōu)； 步驟5、使用MRI和量表數(shù)據(jù)結(jié)合的多模態(tài)阿爾茨海默測(cè)試集測(cè)試評(píng)估得到的預(yù)訓(xùn)練的GFE-Mamba神經(jīng)網(wǎng)絡(luò)模型，最終實(shí)可解釋多模態(tài)阿爾茨海默分類。

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人杭州電子科技大學(xué)，其通訊地址為：310018 浙江省杭州市錢塘區(qū)白楊街道2號(hào)大街1158號(hào)；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)”。