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！

龙图腾网获悉苏州大学申请的专利基于眼底双模态图像分层融合的老年黄斑变性分类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：CN119006943B 。

龙图腾网通过国家知识产权局官网在2025-07-04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：202411488839.4，技术领域涉及：G06V10/764；该发明授权基于眼底双模态图像分层融合的老年黄斑变性分类方法是由石霏;吴波;陈新建;彭涛设计研发完成，并于2024-10-24向国家知识产权局提交的专利申请。

本基于眼底双模态图像分层融合的老年黄斑变性分类方法在说明书摘要公布了：本发明公开了基于眼底双模态图像分层融合的老年黄斑变性分类方法，涉及图像分割技术领域，包括通过使用配对的CFP图像和OCT图像训练特征提取和融合网络，获取CFP特征、OCT特征以及融合后的高维特征；将CFP特征和OCT特征输入模态鉴别器，以增强特征提取器对模态间相关信息的关注；将CFP特征和OCT特征输入由融合特征训练的多模态分类器，并将得到的概率分布结合CFP分类器和OCT分类器输出的概率分布计算模态一致性损失。本发明提供的基于眼底双模态图像分层融合的老年黄斑变性分类方法通过基于对抗学习的模态鉴别器，使网络能够有效区分不同模态的特征，减少模态间的偏差并提升特征的互补性。

本发明授权基于眼底双模态图像分层融合的老年黄斑变性分类方法在权利要求书中公布了：1.一种基于眼底双模态图像分层融合的老年黄斑变性分类方法，其特征在于，包括： 通过使用配对的CFP图像和OCT图像训练特征提取和融合网络，获取CFP特征、OCT特征以及融合后的高维特征； 将CFP特征和OCT特征输入模态鉴别器，以增强特征提取器对模态间相关信息的关注； 将CFP特征和OCT特征输入由融合特征训练的多模态分类器，并将得到的概率分布结合CFP分类器和OCT分类器输出的概率分布计算模态一致性损失； 所述将CFP特征和OCT特征输入模态鉴别器包括处理输入的特征映射F4，通过1×1卷积层处理，生成特征F'∈RH×W×kC，其中C是用于检测每个类别的判别区域所需的通道数，k表示类别数，将F'通过全局最大池化操作得到新的特征F”，将F”输入到高斯相似度聚类中，计算类别分数S＝{S1,S2，…，Sk}； 对F'进行类内跨通道平均池化操作，得到每个类别的特征图： 其中，f'i,j表示F'中第i类的第j个特征图，F'i_avg∈RH×W×1表示第i个类别的特征图； 类别注意力ATTCAB∈RH×W×1的运算过程如下： ATTCAB突出显示对老年黄斑变性分类有辨别力的区域；最后，将输入特征图FCAB-IN和类别注意力ATTCAB逐像素相乘得到输出特征图FCAB-OUT： 其中，表示逐元素相乘； 所述将CFP特征和OCT特征输入模态鉴别器还包括通过一个全局平均池化层将输入特征图转换为特征向量，特征向量经过一个梯度反向层GRL，在反向传播中，从鉴别器误差中计算出的梯度乘以一个负的标度因子，将梯度的符号反转，并缩放大小，将负梯度传递给特征提取器，更新梯度，完成更新后，特征向量通过一个全连接的神经网络，鉴别器输出不同模态图像的概率分布，鉴别器损失表示为: 其中，D表示鉴别器，C4为第四阶段的CFP特征，O4为第四阶段的OCT特征； 所述将得到的概率分布结合CFP分类器和OCT分类器输出的概率分布计算模态一致性损失包括使用CFP特征Ci、OCT特征Oi和融合特征Fi训练三个分类器，分别为CFP分类器、OCT分类器和多模态分类器，通过三个分类器得到每种特征的输出概率分布，分别记为PC、PO和PM，再将Ci和Oi输入到多模态分类器，得到输出概率分布PMCi和PMOi，计算PC和PMCi之间的均方误差损失以及PO和PMOi之间的均方误差损失，模态一致性损失表示为： 其中，j是类别索引，k是类别总数； 所述将得到的概率分布结合CFP分类器和OCT分类器输出的概率分布计算模态一致性损失还包括损失函数由三部分构成包括鉴别器损失、模态一致性损失和分类损失，分类损失通过计算多模态分类器的预测和真实标签之间的焦点损失得到，表示为： LcPM,CEPM,y＝α·1-exp-CEPM,yγ·CEPM,y 其中，CE表示交叉熵损失，PM表示多模态分类器的输出，y表示真实标签，α表示类别平衡因子，γ表示焦点因子； 所述计算模态一致性损失包括总损失函数表示为： Ltotal＝Lc+Lmc+LD。

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苏州大学，其通讯地址为：215000 江苏省苏州市吴江区久泳西路1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”。