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！

龙图腾网恭喜南通大学申请的专利基于结构-功能脑网络局部耦合模式的精神疾病分类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：CN119132625B 。

龙图腾网通过国家知识产权局官网在2025-04-29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：202311600404.X，技术领域涉及：G16H50/70；该发明授权基于结构-功能脑网络局部耦合模式的精神疾病分类方法是由黄嘉爽;魏少龙;鞠恒荣;曹金鑫;丁卫平;程纯;姜舒;戚晓雨;苏展设计研发完成，并于2023-11-27向国家知识产权局提交的专利申请。

本基于结构-功能脑网络局部耦合模式的精神疾病分类方法在说明书摘要公布了：本发明提供了基于结构‑功能脑网络局部耦合模式的精神疾病分类方法，属于医学信息智能诊断技术领域；其技术方案为：对结构脑网络的连接矩阵进行频繁子图挖掘，获得所有的频繁连通子图；通过挖掘出的所有频繁连通子图，计算结构脑网络和功能脑网络之间的耦合系数；再通过五折交叉验证，使用lasso模型对获得的耦合系数进行特征选择；对经过属性约简后获得的耦合系数使用随机森林分类以评估准确性。本发明的有益效果为：本发明可以更好地捕捉结构‑脑网络的关键特征，显著提高了精神疾病分类的准确性和效率，帮助医生为患者制定更有效的治疗计划。

本发明授权基于结构-功能脑网络局部耦合模式的精神疾病分类方法在权利要求书中公布了：1.基于结构-功能脑网络局部耦合模式的精神疾病分类方法，其特征在于，包括以下步骤：S1、在一个精神疾病数据集中，有两个重要的脑图网络，分别是结构脑网络，由连接矩阵AS∈RN×N表示和功能脑网络，由连接矩阵AF∈RN×N表示，它们代表不同的脑区域，其中N为脑网络节点的个数，用图G1表示结构脑网络，图G2表示功能脑网络，其中每个结点对应一个脑区域，边表示不同脑区域之间的连接，使用gSpan频繁子图挖掘算法，从结构脑网络图数据G1中挖掘出所有的频繁连通子图g，这些子图代表结构脑网络图数据中多个图的共同特征；所述步骤S1中对结构脑网络连接矩阵进行频繁子图挖掘的步骤如下：S11、使用图数据G1表示结构脑网络连接矩阵AS∈RN×N，其中图G1以邻接列表的形式存在，假设结点的标签集为{A,B,C,...}，边的标签集为{a,b,c,...}，设定支持度阈值为minsup；S12、按频率对G1中标签进行排序，根据minsup，移除频率较低的节点和边，由此得到一个新的图G1'，对图G1'中剩余的结点和边进行重新标记，并保留原始标签和新标签之间的映射关系，将频率较高的边组合成一个集合S，并按照边的频率进行排序，集合S中的边认为是最简单的频繁子图S'；S13、对子图S'中的每一条边，首先判断是否满足最小的DFS编码，若满足，则对子图S'进行最右路拓展，得到S”，接着再判断S”是否满足支持度minsup，若满足，则重复此步骤，对S”进行递归挖掘，直到没有新的频繁子图生成为止，将发现的所有子图以邻接列表的形式保存；S2、将发现的所有以邻接列表形式存在的频繁连通子图g，根据标签与结点间的映射关系，转换为相应的连接矩阵，由B∈RN×N表示，通过子图连接矩阵B∈RN×N中的结点和边信息，分别从结构脑网络和功能脑网络的连接矩阵中提取相关的网络子集，然后根据所得到的结构子网络和功能子网络，使用Spearman相关系数方法来计算结构-功能耦合系数，这些耦合系数反映了结构脑网络与功能脑网络之间的关联程度；所述步骤S2中计算功能-结构耦合系数的步骤如下：S21、假设得到n个子图，表示为g1，g2，…，gn，根据标签与结点间的映射关系，转换为相应的连接矩阵，由B∈RN×N表示，对于每一个子图gi，i＝1,2,...,n，有一个邻接矩阵Bi，i＝1,2,...,n；S22、通过子图邻接矩阵Bi，i＝1,2,...,n，中的结点和边信息，从功能脑网络AF∈RN×N中提取与所得子图邻接矩阵Bi，i＝1,2,...,n，相关的功能网络子集；S23、通过子图邻接矩阵Bi，i＝1,2,...,n，中的结点和边信息，从结构脑网络AS∈RN×N中提取与所得子图邻接矩阵Bi，i＝1,2,...,n，相关的结构网络子集；S24、通过Spearman相关系数方法，对提取到的功能子网络和结构子网络计算功能-结构耦合系数，公式如下： 其中，ρ为结构-功能耦合系数，用来衡量结构脑网络与功能脑网络之间的关联程度，d为结构脑网络与功能脑网络秩次之间的差异，n为结构脑网络与功能脑网络样本数据点的数量；S3、通过五折交叉验证，使用lasso模型对已经计算得到的耦合系数进行特征选择，在这个过程中，所得的耦合系数被划分为五个子集，其中四个子集用于训练模型，而第五个子集用于测试模型的性能，该过程将重复执行多次，每次使用不同的子集作为测试集，以确保获得稳健的模型评估，在每次交叉验证中，lasso模型将评估各个特征的重要性，并选择对目标属性具有最大预测能力的特征，通过这种特征选择的方法，得到属性约简后的耦合系数，这些约简后的耦合系数能反映结构和功能脑网络之间的关联程度；S4、使用经过属性约简后的耦合系数作为特征，运用随机森林分类模型来进一步分析，随机森林能够综合多个决策树的结果来提高模型性能，通过随机森林，对耦合系数进行分类任务，评估它们在精神疾病诊断中的准确性。

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南通大学，其通讯地址为：226000 江苏省南通市崇川区永福路79号1幢南通大学技术转移研究院；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”。