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！

龙图腾网获悉浙江大学申请的专利基于数据关联性挖掘的多模态医疗缺失数据补全方法及装置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：CN116795826B 。

龙图腾网通过国家知识产权局官网在2025-07-29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：202310799551.8，技术领域涉及：G06F16/215；该发明授权基于数据关联性挖掘的多模态医疗缺失数据补全方法及装置是由苗晓晔;吴洋洋;南子昂;林博;尹建伟设计研发完成，并于2023-07-03向国家知识产权局提交的专利申请。

本基于数据关联性挖掘的多模态医疗缺失数据补全方法及装置在说明书摘要公布了：本发明公开了一种基于数据关联性挖掘的多模态医疗缺失数据补全方法及装置，该方法包括：获取存在数据缺失问题的原始多模态医疗数据。根据所获取的原始多模态数据，构建基于数据关联性挖掘的生成器模型和掩码能量判别器模型。将构建好的基于数据关联性挖掘的生成器模型和掩码能量判别器模型进行结合，利用原始多模态医疗数据对结合后的模型进行博弈优化训练。通过训练好的生成器模型完成对缺失数据的补全，得到完整数据。本发明针对多模态数据缺失的问题，采用基于挖掘多模态数据间关联性的方法以有效进行数据补全，具有补全精度高，模型复杂度低等优点。

本发明授权基于数据关联性挖掘的多模态医疗缺失数据补全方法及装置在权利要求书中公布了：1.一种基于数据关联性挖掘的多模态医疗缺失数据补全方法，其特征在于，包括： S1：根据原始多模态医疗缺失数据，利用掩码矩阵描述其缺失情况，构建多模态数据矩阵； S2：构建基于数据关联性挖掘的生成器模型，所述生成器模型由一个多模态联合自编码器和一个目标视图解码器组成，采用所述联合自编码器同时处理不同模态的数据，通过所述解码器将多模态联合特征映射到目标模态的特征空间中； S3：采用掩码能量散度对抗损失函数，构建基于掩码能量的掩码能量判别器模型； S4：将所述多模态数据矩阵输入到所述生成器模型中进行计算，生成目标模态数据，再计算所述目标模态数据的加权重构损失函数和掩码能量散度对抗损失函数，将这两种损失函数进行加权，更新所述生成器模型的参数； S5：将所述多模态数据矩阵输入到所述判别器模型中，再次计算S4中的掩码能量散度对抗损失函数，更新所述判别器模型的参数； S6：重复执行S4和S5，直至达到最大迭代次数，完成所述生成器模型和所述判别器模型的博弈优化训练过程； S7：将待补全的多模态医疗缺失数据，输入到训练好的生成器模型中，进行缺失数据补全； 其中，将所述多模态数据矩阵输入到所述生成器模型中进行计算，生成目标模态数据，再计算所述目标模态数据的加权重构损失函数和掩码能量散度对抗损失函数，将这两种损失函数进行加权，更新所述生成器模型的参数，包括： S41，采样两个不同批次样本P和Q及其缺失矩阵和； S42，将样本P及其缺失矩阵，样本Q及其缺失矩阵输入到生成器模型G中，所述生成器模型G通过注意力机制挖掘数据模态间的关联关系，重构样本第t个模态的数据和； S43，根据所述数据和，计算生成器模型G的损失函数，所述损失函数包括：加权重构损失函数和判别器模型D的掩码能量散度对抗损失函数； S44，生成器模型G通过最小化其损失函数进行模型训练，得到当前最优生成器模型参数。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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”。