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！

龙图腾网恭喜青岛哈尔滨工程大学创新发展中心申请的专利一种基于海马子区表面的图卷积辅助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：CN117132839B 。

龙图腾网通过国家知识产权局官网在2025-05-23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：202311220276.6，技术领域涉及：G06V10/764；该发明授权一种基于海马子区表面的图卷积辅助学习方法是由丛山;罗昊燃;姚晓辉;刘冰;梁洪设计研发完成，并于2023-09-20向国家知识产权局提交的专利申请。

本一种基于海马子区表面的图卷积辅助学习方法在说明书摘要公布了：本发明公开了一种基于海马子区表面的图卷积辅助学习方法，属于人工智能领域；具体是：首先，从ADNI数据库的MRI影像中提取海马体素数据，进而结合球面谐波映射算法获取海马表面三角网格数据，并分割出海马体及海马子区域；然后，将海马表面划分的子区域进行整合；在现有图卷积神经网络模型的基础上加入池化模块，形成改进的图卷积池化模型，对整合了子区域后的海马表面三角网格数据进行训练；最后，经过图卷积和池化之后，将训练后的点特征和面特征映射到同一纬度进行拼接，由MLP分类器完成分类任务，并得到最终预测结果；本发明采用了对卷积核和图池化进行改进的图卷积池化模型，取得了更高的分类准确率。

本发明授权一种基于海马子区表面的图卷积辅助学习方法在权利要求书中公布了：1.一种基于海马子区表面的图卷积辅助学习方法，其特征在于，分以下步骤：步骤一、从ADNI数据库的MRI影像中提取海马体素数据，进而结合球面谐波映射算法获取海马表面三角网格数据，并分割出海马体及海马子区域；三角网格数据由顶点信息和面信息构成，顶点信息包括顶点三维坐标和顶点海马子区标签；面信息包括构成面的三个顶点的索引；海马表面划分为了12个子区域，分别为：旁下托、前下托、下托、CA1、CA23、CA4、齿状回颗粒细胞层、海马分子细胞层、海马伞、海马尾、海马裂；步骤二、将海马表面划分的子区域进行整合；对海马表面子区域顶点的标签进行整合，得到：旁下托、前下托和下托三个区域关系较为密切，整合为一个区域；CA1、CA23和CA4整合为一个区域；齿状回颗粒细胞层、海马分子细胞层、海马伞和海马裂整合为一个区域；海马尾单独为一个区域；步骤三、在现有图卷积神经网络模型的基础上加入池化模块，形成改进的图卷积池化模型，对整合了子区域后的海马表面三角网格数据进行训练；具体过程为：首先，将所有的海马表面三角网格数据，在不同的类别内随机划分训练集和测试集；利用NC样本构建一个标准模板，针对三角网格数据中的点数据，计算每个点到模板上对应点的距离作为特征，用来反映海马表面在该点处的萎缩状况，模板距离结合顶点处的三维坐标构成4维的顶点特征；针对三角网格数据中的面数据，利用构成面的三个顶点的坐标信息，计算出每个面的面积、面法线内积和三个内角的角度，将这些特征组合成5维的面特征；然后，对点数据和面数据采用两个不同的图卷积网络模型进行训练，分别为GCN-V与GCN-F，采用对应的池化规则，顶点和面特征共经过三轮池化，每种规格的数据都先经过图卷积层处理再进行池化；步骤四、经过图卷积和池化之后，将训练后的点特征和面特征映射到同一纬度进行拼接，由MLP分类器完成分类任务，并得到最终预测结果；经过图卷积运算后，按照海马子区域顶点的标签提取出各个子区域或整合区域的顶点的特征，随后为每个子区域构造一个MLP分类器，并得到每个子区域的预测结果，通过自动加权损失函数，将各个子区的损失函数整合得到最终的损失以及预测结果： 式中，ci是可训练的参数，2·ci2作为每个辅助任务Loss的加权系数，Loss的权重通过网络训练来自动优化；预测结果即：根据海马体的萎缩情况来判断是属于CN、MCI、AD中一种。

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青岛哈尔滨工程大学创新发展中心，其通讯地址为：266400 山东省青岛市黄岛区三沙路1777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”。