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！

龙图腾网恭喜南京航空航天大学申请的专利一种联合图对比学习的自适应多通道图卷积网络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：CN114299006B 。

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：202111607180.6，技术领域涉及：G06T7/00；该发明授权一种联合图对比学习的自适应多通道图卷积网络是由朱旗;徐如婷;于婧;朱婷;张道强设计研发完成，并于2021-12-24向国家知识产权局提交的专利申请。

本一种联合图对比学习的自适应多通道图卷积网络在说明书摘要公布了：本发明公开了一种联合图对比学习的自适应多通道图卷积网络方法。多模态大数据往往由多种的不同结构形式的数据组成，这些数据之间往往具有互补性，相互验证性，融合性的特点。如何准确高效的提取多模态数据之间的互补信息是多模态研究的主要目标。然而，目前大多数做多模态融合的方法仅仅关注多模态之间的互补信息，但往往忽略了单一模态下的特异性信息。除此以外，如何利用图卷积网络从多模态中提取丰富且具有区分性的表达，目前还很少有人研究。为此，本发明公开了一种联合图对比学习的自适应多通道图卷积网络方法，该框架以脑网络研究为背景，不仅能够挖掘脑网络的时间和空间信息，还能够有效的融合多模态的特有和共享特征。

本发明授权一种联合图对比学习的自适应多通道图卷积网络在权利要求书中公布了：1.一种联合图对比学习的自适应多通道图卷积网络的大脑影像分类识别方法，其特征在于：包括以下步骤：一构造基于fMRI图和基于DTI的图：利用重叠的固定大小的时间窗口划分每个感兴趣脑区对应的rs-fMRI，并在每个窗口内构建基于fMRI图和DTI图，其中每张图的邻接矩阵分别为每个窗口对应的功能连接脑网络和结构连接脑网络，特征矩阵为每个窗口的时间序列信息；二自适应的多通道的图卷积网络的设计：利用多通道的图卷积网络来提取多模态脑网络的空间信息特征，其中两个图卷积神经网络编码器用于提取单个模态最具有判别性的特征，另一个共享权重的GCN编码器用于获得多模态的共享特征，最后使用注意力机制将特征自适应融合；三设计图对比学习目标函数优化特征：为了确保能够获得多模态的共享特征和每个模态最具有鉴别性的特征，联合图对比学习优化提取的特征；四LSTM提取样本时间特征：利用长短期记忆人工神经网络来探索每个窗口之间的脑区的时间变异性作为脑网络的时间特征；五将输出特征用多层感知机进行分类获得最终识别结果。

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京航空航天大学，其通讯地址为：210016 江苏省南京市江宁区将军大道29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”。