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！

龙图腾网恭喜重庆邮电大学申请的专利一种基于图注意力网络的脑网络结构和相似度的联合学习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：CN115841607B 。

龙图腾网通过国家知识产权局官网在2025-05-27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：202211240213.2，技术领域涉及：G06V10/82；该发明授权一种基于图注意力网络的脑网络结构和相似度的联合学习方法是由李欣蔚;李海铭;王林金;许国美;王安康;刘艳平设计研发完成，并于2022-10-11向国家知识产权局提交的专利申请。

本一种基于图注意力网络的脑网络结构和相似度的联合学习方法在说明书摘要公布了：本发明属于深度学习和脑网络结构领域，具体涉及一种基于图注意力网络的脑网络结构和相似度的联合学习方法，包括：对获取到的脑部影像数据进行皮层分割处理和形态学特征提取，并将受试者脑网络建模为一个图；通过皮尔森相关计算估计出初始脑网络结构；通过孪生图注意力学习网络，得到脑网络结构间的相似度；计算图正则化损失函数与孪生网络损失函数，约束初始脑网络结构的特性；根据脑网络的嵌入特征更新脑网络的邻接矩阵，并得到更新后的脑网络结构和计算脑网络结构的相似度。本发明通过联合优化脑网络结构估计和相似度学习两个任务，对形态学脑网络进行了有效的估计，为个体识别、疾病辅诊等后续任务提供了有价值的信息。

本发明授权一种基于图注意力网络的脑网络结构和相似度的联合学习方法在权利要求书中公布了：1.一种基于图注意力网络的脑网络结构和相似度的联系学习方法，其特征在于，包括以下步骤：S1：获取受试者脑部sMRI数据，对获取到的脑部sMRI数据进行皮层分割处理和形态学特征提取，得到全部脑区的形态学特征，并将受试者脑网络建模为一个图，脑网络中的每个节点对应于一个脑区，根据每个脑区节点的形态学特征组成脑网络的特征矩阵；S2：通过皮尔森相关计算将脑网络的特征矩阵映射到图的邻接矩阵，估计出初始脑网络结构，设定阈值去除弱连接；S3：将去除弱连接后的一对脑网络的特征矩阵、邻接矩阵输入孪生图注意力学习网络中，通过脑网络的特征矩阵进行图嵌入表示学习，得到嵌入特征表示，根据一对脑网络的嵌入特征表示与邻接矩阵计算脑网络结构间的相似度；S4：计算图正则化损失函数与孪生网络损失函数，约束初始脑网络结构的稀疏性、模块性、组内相似性和组间相异性；S5：根据脑网络的嵌入特征更新脑网络的邻接矩阵，并与约束稀疏性、模块性、组内相似性和组间相异性的初始脑网络结构进行组合，得到更新后的脑网络结构；S6：根据更新后的脑网络结构的特征矩阵学习新的嵌入特征表示，根据学习得到的新的嵌入特征表示计算脑网络结构的相似度。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区南山街道崇文路2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”。