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！

龙图腾网获悉哈尔滨工业大学(深圳)申请的专利一种中医多模态诊察信息的融合方法及相关设备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：CN115758281B 。

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：202211346336.4，技术领域涉及：G06F18/25；该发明授权一种中医多模态诊察信息的融合方法及相关设备是由郭超勋;李锦兴;李穆;卢光明;张大鹏设计研发完成，并于2022-10-31向国家知识产权局提交的专利申请。

本一种中医多模态诊察信息的融合方法及相关设备在说明书摘要公布了：本发明公开了一种中医多模态诊察信息的融合方法及相关设备，所述方法包括：获取多个模态诊疗数据，将各模态诊疗数据分解为共有信息和各模态内部的独有信息；基于解纠缠策略，将多个模态之间的共有信息为与各模态的独有信息视为不同的类别，在新的投影空间内通过分类器以充分学习不同模态的独有信息；将学习所得共有信息与独有信息进行串联得到融合特征，并通过分类与多次优化迭代，增强融合特征对病症的表示效果。本发明将多模态诊疗数据分解为共有信息和独有信息，通过解纠缠策略，设计约束函数与分类模型，增强独有信息与公共信息，将共有信息和独有信息串联，并通过分类与多次优化迭代，进一步增强独有信息与公共信息，实现了良好的多模态特征表示效果。

本发明授权一种中医多模态诊察信息的融合方法及相关设备在权利要求书中公布了：1.一种中医多模态诊察信息的融合方法，其特征在于，所述中医多模态诊察信息的融合方法包括： 获取多个模态诊疗数据，将各模态诊疗数据分解为共有信息和各模态内部的独有信息； 基于解纠缠策略，将多个模态之间的共有信息为与各模态的独有信息视为不同的类别，在新的投影空间内通过分类器以充分学习不同模态的独有信息； 将学习所得共有信息与独有信息进行串联得到融合特征，并通过分类与多次优化迭代，增强融合特征对病症的表示效果； 所述获取多个模态诊疗数据，将各模态诊疗数据分解为共有信息和各模态内部的独有信息，具体包括： 若存在v个模态，则有： ； 其中，Xv表示一批样本的第v个模态；dv是第v个模态的维；n是用于训练的样本个数；V表示模态的数量；表示向量空间； 通过稀疏字典将各模态诊疗数据分解为共有信息和独有信息； 共有信息：，表示第v个模态与其它模态相似共有的部分； 独有信息：，表示第v个模态拥有而其他模态没有的部分； 其中，q表示稀疏字典后的一个维度； 所述获取多个模态诊疗数据，将各模态诊疗数据分解为共有信息和各模态内部的独有信息，之后还包括： 将Xv进行投影为： 式（1）； 其中，Mv表示稀疏字典；为F范数； 所述将Xv进行投影，之后还包括： 使用表示，则模态信息的投影函数优化为： 式（2）； 其中，表示投影函数；表示第v个模态拆解后的独有信息的稀疏矩阵；表示第v个模态拆解后的共有信息的稀疏矩阵； 若多个模态之间的共有信息为Z，则多模态的共有信息表示为： 式（3）； 所述基于解纠缠策略，将多个模态之间的共有信息为与各模态的独有信息视为不同的类别，在新的投影空间内通过分类器以充分学习不同模态的独有信息，具体包括： 将多个模态之间的共有信息为Z与各模态的独有信息视为不同的类别，类的标签为，在新的投影空间内通过分类器P以充分学习不同模态的独有信息，学习策略为： 式（4）； 所述将学习所得共有信息与独有信息进行串联得到融合特征，并通过分类与多次优化迭代，增强融合特征对病症的表示效果，具体包括： 将学习所得共有信息与独有信息进行串联，依次组合成列向量或者行向量，通过设计分类器U，建立融合特征与疾病类别Y的映射函数： 式（5）； 结合式（1）、式（2）、式（3）、式（4）和式（5），最终的多模态医疗诊察数据融合函数表示为： 式（6）； 其中，、和表示可动态调整的权重系数。

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哈尔滨工业大学(深圳)，其通讯地址为：518055 广东省深圳市南山区桃源街道深圳大学城哈尔滨工业大学校区；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”。