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！

龙图腾网获悉电子科技大学申请的专利基于图神经网络的多模态医学影像预测方法、设备、介质及产品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：CN118674701B 。

龙图腾网通过国家知识产权局官网在2026-04-24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：202410776215.6，技术领域涉及：G06T7/00；该发明授权基于图神经网络的多模态医学影像预测方法、设备、介质及产品是由王正宁;刘佳昕;高婧婧;韩竞丹;陈芳;邹亿仙设计研发完成，并于2024-06-17向国家知识产权局提交的专利申请。

本基于图神经网络的多模态医学影像预测方法、设备、介质及产品在说明书摘要公布了：本发明公开了一种基于图神经网络的多模态医学影像预测方法、设备、介质及产品，属于医学图像处理技术领域。本发明首先对各模态的MRI影像数据预处理，获取各模态的图数据，然后基于多模态大脑年龄预测模型的特征提取及融合模块提取每个模态的图数据的特征，再融合得到多模融合特征向量，再将该多模融合特征向量输入至多模态大脑年龄预测模型的预测模块，以获取大脑年龄预测结果，在对预测模型训练时的损失函数包括预测损失和各模态图数据的重构损失，即通过对应的解码器将特征还原为对应模态的图数据的重构损失。本发明充分利用受试者的多个模态的MRI影像信息，通过基于GNN的自编码器模型学习非线性特征，有效提升模型性能。

本发明授权基于图神经网络的多模态医学影像预测方法、设备、介质及产品在权利要求书中公布了：1.一种基于图神经网络的多模态医学影像预测方法，其特征在于，包括下列步骤： 步骤1，对输入的核磁共振成像仪采集的多种模态的MRI影像进行数据预处理，再将预处理后的每种模态MRI影像数据构造为图结构的数据，得到每种模态的图数据； 其中，多种模态的MRI影像包括：T1加权结构MRI、功能MRI、弥散张量成像DTI； T1加权结构MRI预处理为：将图像分割为白质、灰质和脑脊液图像，将灰质图像输入个体化结构脑网络并得到基于包含116个大脑区域的自动解剖标记模板的116*116结构特征，该结构特征是KL散度度量的脑区间的相似性； 功能MRI预处理为：删除前10个不稳定的时间点信号、时间层校正、头动校正、配准、归一化到蒙特利尔神经学研究所空间、去噪，基于AAL模板提取每个脑区的平均时间序列，最后对任意两个脑区的平均时间序列计算皮尔逊相关系数得到116*116的功能连接矩阵作为特征； DTI预处理为：去除颅骨和非脑组织、校正头部运动和涡流失真、计算和拟合每个体素中的扩散张量度量、配准、归一化到MNI空间从而获取全局脑确定性纤维束，基于AAL模板将节点间链路的平均分数各向异性定义为DTI网络中的连接权值得到116*116DTI连接网络作为特征； 步骤2，构建基于图神经网络的多模态大脑年龄预测模型，该预测模型包括特征提取及融合模块和预测模块； 其中，特征提取及融合模块包括若干特征提取支路，特征提取支路数与步骤1采集的MRI影像的模态数一致；每一条特征提取支路包括一组编码器与解码器，其中，编码器与解码器的网络结构相同，均包括若干组由图变换卷积、批归一化层和激活函数组成的单元模块，编码器的输入为单模态的图数据，其基于下采样形式提取图数据的特征，解码器的输入为编码器的输出，解码器基于上采样形式还原出单模态的图数据，且所有特征提取支路的自编码器包括的单元模块数相同，且提取的特征的维度相同； 特征提取及融合模块通过拼接层将每条特征提取支路的编码器输出的特征向量进行融合，得到多模融合特征向量并输入预测模块； 预测模块通过多层感知机对多模融合特征向量进行非线性变换，得到预测大脑年龄； 步骤3，基于训练数据对多模态大脑年龄预测模型的模型参数进行优化训练，当满足预置的训练结束条件时，基于训练好的每条特征提取支路的自编码器，以及拼接层和预测模块得到用于多模态医学影像的年龄预测器； 其中，优化训练时的损失函数包括每条特征提取支路的编码器的输入与解码器还原出单模态的图数据之间的重构损失和预测模块输出的预测大脑年龄与标签之间的预测损失； 其中，优化训练时的损失函数设置为： ； 其中，表示优化训练时的损失函数，表示预测损失，表示重构损失，j表示模态标识符，N为样本个数，M为模态数量，为正则项系数，为多模态大脑年龄预测模型的模型参数，i表示样本索引，表示解码器还原出单模态的图数据，表示自编码器的输入，表示预测大脑年龄，表示真实年龄。

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电子科技大学，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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”。

以上内容由龙图腾AI智能生成。