一种基于自监督学习和迁移学习的抑郁症分类方法

发明专利有效专利

申请号：
CN202110474703.8
IPC分类号：G06K9/62;G06N3/04;G06N3/08;G16H20/70
申请日期：
2021-04-29
申请人：
浙江工业大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于自监督学习和迁移学习的抑郁症分类方法
申请号	CN202110474703.8	申请日期	2021-04-29
法律状态	实质审查	申报国家	中国
公开/公告日	2021-08-13	公开/公告号	CN113255734A
优先权	暂无	优先权号	暂无
主分类号	G06K9/62 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕 G06K9/62 应用电子设备进行识别的方法或装置〔3〕	IPC分类号	G;0;6;K;9;/;6;2;;;G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8;;;G;1;6;H;2;0;/;7;0查看分类表>
申请人	浙江工业大学	申请人地址	浙江省杭州市下城区朝晖六区潮王路18号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	浙江工业大学	当前权利人	浙江工业大学
发明人	龙海霞;郭渊;杨旭华;崔滢;徐新黎
代理机构	杭州斯可睿专利事务所有限公司	代理人	王利强

摘要

一种基于自监督学习和迁移学习的抑郁症分类方法，基于弥散张量成像数据跟踪全脑白质纤维束，构建全脑白质纤维束网络，利用自监督学习策略通过对比学习自动学习与下游任务无关的脑网络节点表征和网络表征。基于脑网络表征和和非影像表型信息，构建群组网络，将抑郁症分类问题转换为网络节点分类问题，使用基于谱图卷积的图卷积神经网络模型对抑郁症患者和正常对照分类。本发明利用自监督学习和迁移学习，部分解决了抑郁症样本较少的问题，有效挖掘了抑郁症相关的脑网络水平特征，提高了抑郁症分类的精度。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供