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！

龙图腾网恭喜北京邮电大学申请的专利阿尔茨海默病预测模型训练方法、阿尔茨海默病预测方法及设备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：CN119169398B 。

龙图腾网通过国家知识产权局官网在2025-03-18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：202411674769.1，技术领域涉及：G06V10/764；该发明授权阿尔茨海默病预测模型训练方法、阿尔茨海默病预测方法及设备是由赵坤;刘勇;乔函祺;李亚婷设计研发完成，并于2024-11-21向国家知识产权局提交的专利申请。

本阿尔茨海默病预测模型训练方法、阿尔茨海默病预测方法及设备在说明书摘要公布了：本申请提供阿尔茨海默病预测模型训练方法、阿尔茨海默病预测方法及设备，训练方法包括：采用磁共振成像样本的脑室轮廓点云及第一深度学习模型得到第一阿尔茨海默病预测结果数据；采用经协变量校正后的脑室体积比数据及第二深度学习模型得到第二阿尔茨海默病预测结果数据；将第一阿尔茨海默病预测结果数据、第二阿尔茨海默病预测结果数据以及分类标签集中训练SVM模型以用于预测阿尔茨海默病预测融合结果。本申请能够聚焦脑室形态学特征并实现脑室形状的精准刻画，能够有效消除无关因素干扰，能够采用脑室多维数据进行集成学习，并能够有效提高阿尔茨海默病预测模型的分类性能和泛化能力，进而能够有效提高阿尔茨海默病预测效率及准确性。

本发明授权阿尔茨海默病预测模型训练方法、阿尔茨海默病预测方法及设备在权利要求书中公布了：1.一种阿尔茨海默病预测模型训练方法，其特征在于，包括：将各个磁共振成像样本各自对应的脑室轮廓点云数据，输入预设的第一深度学习模型，以使该第一深度学习模型输出各个磁共振成像样本各自对应的第一阿尔茨海默病预测结果数据；所述第一深度学习模型包括：依次连接的特征编码器、分层特征提取模型、全局特征聚合层和分类器；所述特征编码器用于提取当前输入的所述脑室轮廓点云数据中的每个点的特征编码；所述分层特征提取模型用于根据所述脑室轮廓点云数据中的各个点的所述特征编码，对所述脑室轮廓点云数据进行多层的分组特征提取，以得到所述脑室轮廓点云数据对应的初始全局特征向量；所述全局特征聚合层用于对所述初始全局特征向量进行特征聚合处理，以得到所述脑室轮廓点云数据对应的全局特征向量；所述分类器用于根据所述脑室轮廓点云数据对应的全局特征向量，对应输出该脑室轮廓点云数据对应的第一阿尔茨海默病预测结果数据；以及，将各个磁共振成像样本各自对应的经协变量校正后的脑室体积比数据，输入预设的第二深度学习模型，以使该第二深度学习模型输出各个磁共振成像样本各自对应的第二阿尔茨海默病预测结果数据；所述第二深度学习模型包括：逻辑回归模型；所述逻辑回归模型用于根据输入的经协变量校正后的所述脑室体积比数据，基于激活函数输出该脑室体积比数据对应的阿尔茨海默病预测概率，以将该阿尔茨海默病预测概率作为该脑室体积比数据对应的所述磁共振成像样本的第二阿尔茨海默病预测结果数据；将各个所述磁共振成像样本各自对应的所述第一阿尔茨海默病预测结果数据、所述第二阿尔茨海默病预测结果数据以及预设的阿尔茨海默病分类标签，分别作为各个所述磁共振成像样本各自对应的集中学习样本，并基于各个集中学习样本训练集训练预设的SVM模型，以使该SVM模型用于根据磁共振成像样本的第一阿尔茨海默病预测结果数据和第二阿尔茨海默病预测结果数据，对应输出该磁共振成像样本的阿尔茨海默病预测融合结果数据，并与所述第一深度学习模型和所述第二深度学习模型共同组成阿尔茨海默病预测模型。

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邮电大学，其通讯地址为：100876 北京市海淀区西土城路10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”。