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！

龙图腾网获悉江西师范大学申请的专利基于表面信息时序特征的多动症初筛方法及系统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：CN120234674B 。

龙图腾网通过国家知识产权局官网在2025-08-26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：202510704215.X，技术领域涉及：G16H50/70；该发明授权基于表面信息时序特征的多动症初筛方法及系统是由胡笑羽;姜嘉星;肖洪俊;李汉曦;董圣鸿设计研发完成，并于2025-05-29向国家知识产权局提交的专利申请。

本基于表面信息时序特征的多动症初筛方法及系统在说明书摘要公布了：本发明公开了一种基于表面信息时序特征的多动症初筛方法及系统，属于神经网络技术领域，包括：获取并预处理眼动数据和面表数据，生成眼动特征和面表特征；对眼动特征和面表特征进行处理，以生成第一多动症分类结果；对眼动数据和面表数据进行特征提取、融合处理，生成多个融合特征；根据多个融合特征，获取秩正则化损失函数；基于秩正则化损失函数和预设的被试级交叉熵损失函数对被试级模型进行训练，得到目标被试级模型；根据目标被试级模型，对融合特征进行处理，以生成第二多动症分类结果。本发明通过实时捕捉眼动和面表数据，利用多模态融合算法实现高效、准确的多动症筛查，显著提升了筛查效率和准确性。

本发明授权基于表面信息时序特征的多动症初筛方法及系统在权利要求书中公布了：1.一种基于表面信息时序特征的多动症初筛系统，其特征在于，包括： 数据预处理模块，用于获取并预处理多个试次样本的眼动数据和面表数据； 特征提取模块，用于对每一所述试次样本的所述眼动数据和所述面表数据分别进行特征提取，对应生成眼动特征和面表特征； 第一多动症分类结果生成模块，用于根据多模态融合Transformer层，对所述眼动特征和所述面表特征进行处理，以生成第一多动症分类结果；其中，所述多模态融合Transformer层包括提取层、第一融合层、特征拼接层、第二融合层和分类层，所述根据多模态融合Transformer层，对所述眼动特征和所述面表特征进行处理，以生成第一多动症分类结果的具体过程，包括：通过所述提取层分别对所述眼动特征和所述面表特征进行编码处理，以生成眼动时序特征和面表时序特征；通过所述第一融合层将所述眼动时序特征和面表时序特征进行卷积提取，以生成第一融合特征；通过所述特征拼接层对所述眼动时序特征、面表时序特征和第一融合特征进行特征拼接，以生成第二融合特征；通过所述第二融合层对所述第二融合特征进行参数共享融合处理，以生成第三融合特征；通过所述分类层对所述第三融合特征进行分类处理，以生成第一多动症分类结果；融合特征生成模块，用于分别对每一所述试次样本的眼动数据和面表数据进行特征提取、融合处理，以生成每一所述试次样本对应的融合特征； 被试级模型训练模块，用于根据多个所述融合特征，获取秩正则化损失函数，并基于所述秩正则化损失函数和预设的被试级交叉熵损失函数，训练预设的被试级模型以得到目标被试级模型；其中，基于所述秩正则化损失函数和预设的被试级交叉熵损失函数，训练预设的被试级模型以得到目标被试级模型的过程，包括：获取多个所述融合特征的试次自注意力权重并排序，得到排序序列；对所述排序序列进行分组，得到高权重组和低权重组；根据所述高权重组和低权重组，构建秩正则化损失函数；根据预设的被试级交叉熵损失函数和预设的秩正则化损失函数，获取总损失函数；基于所述总损失函数，对被试级模型进行训练，以得到目标被试级模型； 第二多动症分类结果生成模块，用于根据所述目标被试级模型，对多个所述融合特征进行处理，以生成第二多动症分类结果；其中，根据所述目标被试级模型，对多个所述融合特征进行处理，以生成第二多动症分类结果的过程，包括：根据所述目标被试级模型，对多个所述融合特征进行试次自注意力权重处理和排序正则化处理，以生成第二多动症分类结果。

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江西师范大学，其通讯地址为：330000 江西省南昌市高新技术开发区紫阳大道99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”。