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！

龙图腾网获悉杭州电子科技大学申请的专利基于视觉语言特征对比的胸部DR影像报告生成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：CN119069063B 。

龙图腾网通过国家知识产权局官网在2025-09-09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：202411045347.8，技术领域涉及：G16H15/00；该发明授权基于视觉语言特征对比的胸部DR影像报告生成方法是由杨艳;彭云;罗国安;张浩力;陈浩设计研发完成，并于2024-08-01向国家知识产权局提交的专利申请。

本基于视觉语言特征对比的胸部DR影像报告生成方法在说明书摘要公布了：本发明公开了一种基于视觉语言特征对比的胸部DR影像报告生成方法，首先，获取含有病变及无病变实例的胸部DR影像及对应报告构成训练数据集的锚实例、正实例和负实例；然后，通过卷积神经网络提取每个实例影像的卷积序列特征，进而得到视觉编码特征；随后，将锚实例、正实例、负实例分别进行编码获取语言编码特征；进一步地，将含有病变实例与无病变实例的锚实例、正实例和负实例的视觉编码特征和语言编码特征进行对比来优化网络；最后，在测试阶段仅需将影像的视觉编码特征输入文本生成解码器就可生成报告。本发明可以有效地通过对比不同实例间的视觉特征和语言特征来增强模型对于病变的表征，从而提升病变实例报告生成的性能。

本发明授权基于视觉语言特征对比的胸部DR影像报告生成方法在权利要求书中公布了：1.一种基于视觉语言特征对比的胸部DR影像报告生成方法，其特征在于，包括如下步骤： 步骤1、构建数据集，所述数据集包括胸部DR影像I和参考报告R，所述数据集根据病变实例定义锚实例、正实例和负实例； 步骤2、对数据集进行图像增扩和文本增扩得到更多训练数据； 步骤3、将DR影像输入卷积神经网络提取影像的卷积特征图，并展开得到卷积序列特征X； 步骤4、将卷积序列特征与CLS类向量进行拼接得到序列特征E并输入自注意力编码网络编码得到锚实例影像视觉编码特征C； 步骤5、将锚实例影像视觉编码特征C输入基于Transformer的文本生成解码器生成对应的报告文本； 步骤6、将锚实例的生成报告以及正实例和负实例的参考报告输入语言特征编码器得到对应的语言编码特征； 步骤7、锚实例、正实例、负实例的视觉编码特征中CLS类向量对应的视觉编码特征向量c进行对比，拉近正实例和锚实例的距离，拉开锚实例和负实例的距离； 步骤7中，拉开锚实例和负实例的距离，具体公式如下： 其中，ca表示锚实例的视觉编码特征对比向量，cp表示正实例的视觉编码特征对比向量，cn为负实例的视觉编码特征对比向量，mv为视觉特征对比的边界值，表示视觉特征对比损失函数； 步骤8、将锚实例、正实例、负实例的语言编码特征进行对比，拉近正实例和锚实例的距离，拉开锚实例和负实例的距离； 步骤8中，拉开锚实例和负实例的距离，具体公式如下： 其中，la表示锚实例的语言编码特征对比向量，lp表示正实例的语言编码特征，ln为负实例的语言编码特征对比向量，ml表示语言特征对比的边界值，表示语言特征对比损失函数； 步骤9、采用步骤1训练数据集进行联合训练，并采用交叉熵损失函数、视觉特征对比损失函数以及语言特征对比损失函数训练的优化函数； 所述优化函数表达式如下： 其中，表示模型训练的总体损失函数；为报告生成的交叉熵损失函数，M表示报告的序列长度，表示语言特征对比损失函数，表示视觉特征对比损失函数； 步骤10、在测试过程中，仅需将待测试的胸部DR影像对应的视觉编码特征输入文本生成解码器通过自回归的文本生成方式生成文本，并取结束字符之前的生成的文本进行串联就可得到完整的报告。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市钱塘区白杨街道2号大街1158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”。

以上内容由龙图腾AI智能生成。