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！

龙图腾网获悉北京工业大学申请的专利一种基于不变性引导的图对比学习的脑网络图像分析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：CN119785114B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202411991660.0，技术领域涉及：G06V10/764；该发明授权一种基于不变性引导的图对比学习的脑网络图像分析方法是由刘金铎;余旻祺;冀俊忠设计研发完成，并于2024-12-31向国家知识产权局提交的专利申请。

本一种基于不变性引导的图对比学习的脑网络图像分析方法在说明书摘要公布了：本发明公开了一种基于不变性引导的图对比学习的脑网络图像分析方法，首先使用完整的BOLD信号构建功能连接网络并以图结构的形式存储，随后通过可训练的伯努利边掩码初步将整个图划分为不变子图和冗余子图。然后，I‑GCL采用环境生成器构建一个以不变子图为核心的并具有明显数据分布偏移的混合图作为新环境，增强模型在多样化环境中捕捉不变子图的能力。将这些图数据作为对比学习中的增强视图集，增强GCL学习有效特征的能力。对比损失用于缩小不同环境中包含不变特征的图间距离，以便分类器在多种环境中保持一致的预测结果从而实现不变学习。最后，I‑GCL仅使用不变子图的特征完成疾病分类任务，以提高模型面对具有数据分布偏移的脑网络数据集的性能。

本发明授权一种基于不变性引导的图对比学习的脑网络图像分析方法在权利要求书中公布了：1.一种基于不变性引导的图对比学习脑网络图像分析方法，其特征在于：包括以下步骤： 步骤一，数据获取：在脑网络图像分类ABIDEI数据集的两个分割脑图谱下进行实验，将时间序列数据转化为脑网络图数据后评估脑网络图像分类性能； 步骤二，不变子图提取：在脑网络图像分类数据的基础上，首先采用卷积神经网络生成节点特征，并在此基础上构造边级特征；然后利用可训练的伯努利掩码将脑网络整图初步划分为不变子图和冗余子图； 步骤三，多样化环境生成：首先混合与不变子图具有不同标签的冗余子图得到增强后的冗余子图；随后，将其与不变子图进行拼接得到混合图，它与不变子图具有明显的数据分布差异；至此，采集得到的都具有四种图数据，即原始图，不变子图，冗余子图和混合图；将四种图作为四种变化的环境； 步骤四，双层对比学习：将四种图看作是对比学习中的多视图图集，首先让他们通过一个共享权重的图编码器得到图级特征，随后再次经过一个投影头映射到同一个特征空间；然后采用双层对比学习框架，从个体和群体两个层面来提高模型识别不变子图的能力； 步骤五，不变子图特征分类：将包含不变子图的三种图数据经过由两层全连接层构成的分类器获得分类特征；整个损失函数由双层对比损失和分类任务中的交叉熵损失构成；最后在测试时，仅使用不变子图的分类特征完成图像分析任务。

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工业大学，其通讯地址为：100000 北京市朝阳区平乐园100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。