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！

龙图腾网恭喜南昌大学申请的专利帕金森病评估模型训练方法、系统及帕金森病评估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：CN119418915B 。

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：202510031898.7，技术领域涉及：G16H50/20；该发明授权帕金森病评估模型训练方法、系统及帕金森病评估方法是由周崟涛;廖浩然;徐寅轩;庞孟;黄伟;李正宇设计研发完成，并于2025-01-09向国家知识产权局提交的专利申请。

本帕金森病评估模型训练方法、系统及帕金森病评估方法在说明书摘要公布了：本申请涉及人工智能辅助疾病检测技术领域，公开了帕金森病评估模型训练方法、系统及帕金森病评估方法，该模型训练方法包括：获取多个样本对象的多类面部表情图像，并为每个样本对象标注真实类别标签（PD患者或非PD患者）；通过初始模型的分支网络模块提取多尺度特征，并利用初始模型的注意力融合模块对多尺度特征进行自适应加权融合，形成面部表情融合特征；通过初始模型的分类模块对面部表情融合特征进行分类，得到预测结果；根据预测结果与真实标签的差异构建联合损失函数，以优化模型的分类性能；基于联合损失函数对初始模型进行训练，最终得到目标帕金森病评估模型。该目标帕金森病评估模型能进一步提升帕金森疾病的评估。

本发明授权帕金森病评估模型训练方法、系统及帕金森病评估方法在权利要求书中公布了：1.一种帕金森病评估模型训练方法，其特征在于，所述方法包括：获取多个样本对象中每一样本对象的多类面部表情图像，每一所述样本对象具有对应的真实类别标签，其中，所述真实类别标签包括PD患者和非PD患者；通过初始帕金森病评估模型中的分支网络模块，分别提取每一所述样本对象的多类面部表情图像的多尺度特征，其中，所述分支网络模块包括与每一类面部表情图像对应的分支网络；将所述分支网络分为初始特征提取单元和多尺度特征提取单元；通过所述初始特征提取单元，对所述面部表情图像进行初始特征提取，得到初始面部表情特征；通过所述多尺度特征提取单元，对所述初始面部表情特征进行多尺度特征提取，得到所述多尺度特征；在所述初始特征提取单元中设置卷积层和多个残差网络块，每个所述残差网络块包括第一卷积层组和第一跳跃连接层，其中：通过所述卷积层，对所述面部表情图像进行特征提取，得到第一特征；通过所述第一卷积层组，对所述第一特征进行特征提取，得到第二特征；通过所述跳跃连接层，将所述第一特征和所述第二特征相连，得到所述初始面部表情特征；在所述多尺度特征提取单元中设置第二卷积层组、双分支网络块、拼接层和第二跳跃连接层，所述双分支网络块包括左分支网络和右分支网络，其中：通过第二卷积层组，对所述初始面部表情特征进行特征提取，得到中间特征；通过组分割机制，将所述中间特征分为多个子特征组；通过所述左分支网络，对所述多个子特征组按照从前往后的顺序进行特征提取，得到第三特征；通过所述右分支网络，对所述多个子特征组按照从后往前的顺序进行特征提取，得到第四特征；通过所述拼接层，对所述第三特征和所述第四特征进行拼接，得到第五特征；通过所述第二跳跃连接层，将所述初始面部表情特征和所述第五特征相连，得到所述多尺度特征；通过所述初始帕金森病评估模型中的注意力融合模块，对所述多尺度特征进行自适应加权融合，得到面部表情融合特征；通过所述初始帕金森病评估模型中的分类模块，对所述面部表情融合特征进行分类处理，得到所述样本对象的预测分类结果；根据多个所述样本对象的预测分类结果和多个所述样本对象对应的真实类别标签的差异，构建联合损失函数，所述联合损失函数包括二元交叉熵损失函数和中心损失函数，所述二元交叉熵损失函数用于计算每个所述样本对象被预测为PD患者的概率和所述真实类别标签之间的二元交叉熵损失函数值，所述中心损失函数用于计算每个所述样本对象的预测样本类别和所述类别中心向量之间的中心损失函数值；基于所述联合损失函数，训练所述初始帕金森病评估模型以得到目标帕金森病评估模型。

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昌大学，其通讯地址为：330000 江西省南昌市红谷滩新区学府大道999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”。