龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：西北大学
摘要：本发明提供一种基于边缘驱动图神经网络的人类表征预测方法及装置，首先获取大脑磁共振图像数据，对其进行预处理得到包含大脑网络拓扑信息的功能连接矩阵；将得到的功能连接矩阵节点值初始化为1，并送入边缘驱动图神经网络；对图神经网络的每个中间层进行图卷积计算，以获得权重共享矩阵；将得到的权重共享张量积通过特征转换参数进行特征转换并送入激活函数得到第k个中间层输出的节点值；将得到的每一个中间层输出的节点值进行拼接，然后通过线性模型对人类表征进行分类或回归预测。本发明保留了脑连接网络的拓扑学特性，还能够精准捕获大脑连接网络信息流传播的方向，对人类表征进行分类或回归预测。
主权项：1.一种基于边缘驱动图神经网络的人类表征预测方法，其特征在于，该方法包括如下步骤：步骤一，获取大脑功能磁共振图像数据，对其进行预处理后配准至标准空间；步骤二，对配准至标准空间的大脑功能磁共振图像数据在时间维度进行处理，得到包含大脑网络拓扑信息的功能连接矩阵；步骤三，将功能连接矩阵节点值初始化为1，连同人类表征标签一并送入图神经网络，该图神经网络为边缘驱动图神经网络；步骤四，对图神经网络的每个中间层进行节点值更新计算，包括图卷积计算、张量积计算和特征转换激活；步骤4.1对图神经网络第K个中间层中的功能连接矩阵An×nn表示节点个数和传播系数m为卷积核数量进行图卷积计算得到权重共享矩阵步骤4.2将权重共享矩阵与第k-1个中间层的节点值矩阵相乘，得到第K个中间层的权重共享张量积步骤4.3将权重共享张量积通过特征转换参数进行特征转换并送入激活函数得到第k个中间层输出的节点值：式中σ为激活函数；步骤五，将步骤四得到的每一个中间层输出的节点值进行拼接得到全连接层，然后通过线性模型对当前得到的节点数据及对应的人类表征标签进行分类或回归预测得到预测结果。
全文数据：
权利要求：
百度查询： 西北大学 一种基于边缘驱动图神经网络的人类表征预测方法及装置
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号