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！

龙图腾网获悉武汉工程大学申请的专利基于多模态深度学习影像组学的乳腺癌超声图像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：CN116740435B 。

龙图腾网通过国家知识产权局官网在2025-09-02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：202310688889.6，技术领域涉及：G06V10/764；该发明授权基于多模态深度学习影像组学的乳腺癌超声图像分类方法是由吴佩彦;吴兴隆;姜炎;李梦萤;邢涵硕;徐国平设计研发完成，并于2023-06-09向国家知识产权局提交的专利申请。

本基于多模态深度学习影像组学的乳腺癌超声图像分类方法在说明书摘要公布了：本发明提供了基于多模态深度学习影像组学的乳腺癌超声图像分类方法，涉及深度神经网络，多模态深度学习，数据分析和人工智能技术；通过深度学习和影像组学技术，从图片视频文本等多模态数据中提取大量特征，并结合这些多模态信息构建诺莫图，实现了识别和分类良恶性乳腺肿瘤超声图像的功能。本发明结合多模态图像和深度学习影像组学临床特征构建了一个直观识别分类图像的诺莫图模型，支持模型预测过程和结果的可视化，提供了可视化的、易解释性的预测结果，解决了现有技术存在的问题；提高了对良恶性乳腺肿瘤超声图像识别分类的准确率，直观地反映图像的性质，对于采取个性化的措施具有重大意义与价值。

本发明授权基于多模态深度学习影像组学的乳腺癌超声图像分类方法在权利要求书中公布了：1.基于多模态深度学习影像组学的乳腺癌超声图像分类方法，其特征在于：包括以下步骤： S1：深度学习模块向双输入深度学习二分类网络的灰度分支输入肿瘤的灰度超声图片，向彩超分支输入肿瘤的彩色超声图片，提取并融合特征后得到深度学习特征；具体步骤为： S11：将通道注意力机制应用于彩超分支，用于增强彩超中的颜色信息； S12：使用卷积神经网络提取图片的特征；使用模态融合的注意力机制，将灰度超声图片的特征融合到彩色超声图片中作为彩色超声图片的特征； S13：用特征融合器融合并分类灰度超声图片的特征和彩色超声图片的特征；使用患者的临床数据建立深度学习模型并评估性能，得到深度学习分数； S2：影像组学模块提取灰度超声图片的ROI影像学特征并进行特征降维，得到影像组学特征；具体步骤为： S21：根据医师提供的肿瘤边界手动勾画灰度超声图片的ROI区域，使用影像组学工具提取ROI区域的影像学特征； S22：依次通过最大相关最小冗余mRMR与Lasso算法筛选提取的影像学特征； S23：使用逻辑回归公式计算影像学特征，设X i是影像组学特征，W i是特征权重系数，b是偏移系数，n是筛选后的特征数，得到影像组学分数score为： ； S3：临床数据模块分析并对患者的临床数据特征进行降维，筛选得到与肿瘤良恶性具有高相关性的若干临床特征；具体步骤为： S31：分析患者的各种临床指标，包括年龄、肿瘤大小和病理数据； S32：筛选出队列之间没有显著性差异，但良性组与恶性组有显著性差异的特征，使筛选出的特征与肿瘤良恶性具有高相关性； S4：诺莫图构建模块利用得到的多模态特征进行因子融合并构建诺莫图，最终通过诺莫图得到良恶性肿瘤超声图像分类的分数与对应的识别概率；具体步骤为： S41：将所有的模态数据归一化，首先选出单变量逻辑回归筛选得到P0.05的特征； S42：使用这些特征通过多变量逻辑回归； S43：选出P0.05的显著性特征作为识别分类良恶性肿瘤超声图像的预测因子，构建诺莫图，得到总标签得分与对应的识别概率。

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武汉工程大学，其通讯地址为：430074 湖北省武汉市洪山区雄楚大街693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”。