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！

龙图腾网获悉电子科技大学申请的专利一种整合标准模型和非负矩阵分解的神经解剖异质性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：CN119919373B 。

龙图腾网通过国家知识产权局官网在2026-01-16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：202411986386.8，技术领域涉及：G06T7/00；该发明授权一种整合标准模型和非负矩阵分解的神经解剖异质性分析方法是由朱宇成;夏杰;廖伟;李娇设计研发完成，并于2024-12-31向国家知识产权局提交的专利申请。

本一种整合标准模型和非负矩阵分解的神经解剖异质性分析方法在说明书摘要公布了：本申请公开了一种整合标准模型和非负矩阵分解的神经解剖异质性分析方法，属于生物医学信号处理领域。本申请包括：对患者及对应健康对照组的结构磁共振影像数据进行预处理，以提取大脑形态学指标；通过迁移预训练模型建立患者的大脑形态学标准模型，以估计患者的皮层厚度和表面积的偏差分数矩阵，并提取非正部分得到大脑形态学萎缩偏差矩阵；对该萎缩偏差矩阵进行非负矩阵分解，生成初步的疾病因子矩阵和权重组成矩阵；通过重排采样偏差矩阵，计算平均半分解稳定性系数和重建误差，以确定在最优成分数下的疾病因子和权重组成。本申请方法在保留住个体异质性信息的同时整合群体水平的空间模式信息，为神经精神疾病的精准诊断提供一种新的技术手段。

本发明授权一种整合标准模型和非负矩阵分解的神经解剖异质性分析方法在权利要求书中公布了：1.一种整合标准模型和非负矩阵分解的神经解剖异质性分析方法，其特征在于，包括下列步骤： 步骤1，对结构磁共振影像数据进行预处理，包括：将采集的结构磁共振影像数据转换为指定的磁共振成像格式，并基于磁共振图像处理工具对结构影像进行分割处理，基于采用的脑区模板，将大脑划分为多个脑区，并提取每个脑区的至少两个大脑形态学指标，基于所有脑区的每一个大脑形态学指标生成多个n×1的列向量，其中，n表示脑区数； 步骤2，对每个脑区的大脑形态学指标分别进行标准模型的迁移，使用包含患者所在中心的所有健康被试数据作为适应数据集，构建该中心的标准模型； 将患者数据输入迁移后的标准模型，估计各患者在每个脑区的每个大脑形态学指标的偏差分数：其中，下标参数m用于标识患者，下标参数d用于标识脑区，zmd表示第m名患者在脑区d的偏差分数，ymd和分别为真实和预测的大脑形态指标值，为估算出的数据不确定性所导致的噪声方差，为建模不确定性所导致的方差； 步骤3，拼接所有患者的所有脑区的偏差分数zmd得到每一个大脑形态学指标的偏差分数矩阵Zd,其维度为n×M，其中，M表示患者数； 将所有大脑形态学指标的偏差分数矩阵Zd沿n方向拼接成维度为n×NM的矩阵Q，其中，N表示大脑形态学指标个数； 从矩阵Q中提取出非正部分并取绝对值，得到皮质萎缩偏差矩阵Z； 步骤4：对皮质萎缩偏差矩阵Z迭代的进行基于正交约束的非负矩阵分解:Z＝W×H+∈W，其中，W表示脑区成分矩阵，维度为n×K，K表示成分数，H表示各成分在被试上的权重矩阵，其维度为K×Nm，∈为残差； 在迭代过程中，脑区成分矩阵W、权重矩阵H的更新公式设置为： H＝WTX 其中，⊙表示Hadamard乘积，表示两个矩阵逐元素相除，上标T表示转置； 当满足预置的迭代收敛条件时，停止迭代并进入步骤5； 步骤5：对非负矩阵分解的结果进行半分解稳定系数系数和重建误差的计算，以确定最佳的成分数K； 将矩阵Z的列向量进行随机打乱并等分为N个部分，即为Z′1～Z′N，每个部分其包含大致相等的被试数量； 分别对每个部分Z′r进行基于正交约束的非负矩阵分解，得到对应的脑区成分矩阵Wr，其中，r＝1,…,N，即Z′r＝WrHr，Hr为对应第r个部分的权重矩阵； 计算每一个脑区成分矩阵Wr的成分得分矩阵cWr，其中，得分矩阵cWr的第i行j列元素为：分别为脑区成分矩阵Wr的第i列和第j列； 基于成分得分矩阵cWr之间的同一行向量的相关系数的均值得到半分解稳定性系数SC； 对于设置的K值范围，基于多次获取的半分解稳定性系数SC的均值作为K的最终的半分解稳定系数SCavg； 对于每一个K取值，将多次重建误差的均值作为K的重建误差REavg； 综合每一个K取值所对应的SCavg和REavg得到每一个K取值的综合度量系数，基于最优的综合度量系数对应的K取值为最佳的成分数K。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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。