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！

龙图腾网获悉成都理工大学;四川锦欣西囡妇女儿童医院有限公司申请的专利一种基于时差成像多任务学习的IVF-ET胚胎选择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：CN120356013B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202510820338.X，技术领域涉及：G06V10/764；该发明授权一种基于时差成像多任务学习的IVF-ET胚胎选择方法是由姚光乐;李武豪;吕蓉;张博宙;贾勇;王江;王琛;曾维;王洪辉;彭柯鑫;唐林鹏设计研发完成，并于2025-06-19向国家知识产权局提交的专利申请。

本一种基于时差成像多任务学习的IVF-ET胚胎选择方法在说明书摘要公布了：本发明公开了一种基于时差成像多任务学习的IVF‑ET胚胎选择方法，属于图像数据处理与辅助生殖领域，所述方法为：首先利用编码模块，通过膨胀三维卷积网络和双向长短期记忆网络有效提取胚胎时差成像序列中的时空特征；然后，在硬参数共享的多任务学习框架下，利用共享的特征表示，通过多个任务特定预测器同时预测基于lstanbul共识的质量分级和基于Gardner分级的发育等级等多个关键指标；训练过程中采用AdaTask优化算法与Frank‑Wolfe方法优化模型参数，并引入虚拟预测器机制增强模型通用性；本发明能够更准确、客观、高效地评估胚胎质量和发育潜能，减轻胚胎学家负担，提高IVF、ET的成功率，并可应用于畜牧业、濒危物种保护等领域。

本发明授权一种基于时差成像多任务学习的IVF-ET胚胎选择方法在权利要求书中公布了：1.一种基于时差成像多任务学习的IVF-ET胚胎选择方法，其特征在于，包括下述步骤： S1：数据准备与预处理： S11.数据采集：收集IVF过程中胚胎发育过程的时差成像视频或图像序列； S12.数据预处理：对所述时差成像视频或图像序列进行预处理； S2：通过编码模块提取时空特征： S21.输入编码模块：将S12预处理后的图像序列输入到编码模块； S22.ResNet3D特征提取：利用改进的ResNet3D网络处理输入序列，提取胚胎发育过程中的时空特征； S23.正则化：在ResNet3D层后应用空间Dropout层，保持维度； S24.特征池化： 应用空间最大池化，得到维度为8×256的特征，捕捉显著的空间结构信息；应用空间平均池化，得到维度为8×256的特征，保留整体的空间信息； S25.时序特征融合：将最大池化和平均池化的结果送入到一个双向长短期记忆网络层； S3：多任务学习与优化： S31.共享表示：步骤S2输出的特征向量作为共享表示，输入到后续的任务特定预测器中，其中为输入样本，为共享编码器，为编码后的特征向量； S32.任务特定预测器：为每个评估任务构建独立的预测器； S33.多任务学习框架应用： 采用硬参数共享结构，共享编码器的参数；采用基于Frank-Wolfe的方法，将问题视为多目标优化，通过求解子问题迭代更新共享参数，以寻找帕累托最优解； S34.模型训练与优化： 损失函数：对于分类任务，采用交叉熵损失函数作为；总损失为各任务损失之和； ， 其中：为第k个任务的交叉熵损失；为类别c的真实标签，即one-hot编码中的值，0或1；log为自然对数函数；为模型预测的类别c的概率； 优化器：采用AdaTask优化方法更新模型参数 ； 训练过程：使用标记好的胚胎数据集进行模型训练，通过反向传播和优化器迭代更新网络参数，直至模型收敛或达到预设训练轮数； S4：分类预测与胚胎选择： S41.特征输入：将编码模块输出的共享特征向量输入到分类模块的各个任务特定预测器中； S42.多层感知机处理： 第一隐藏层：128个神经元，ReLU激活函数，后接Dropout0.5, 第二隐藏层：64个神经元，ReLU激活函数，后接Dropout0.5）, S43.输出预测： Istanbul共识分类任务：输出层有5个神经元，应用Softmax激活函数，输出对应5个质量等级的概率分布； Gardner分级任务：输出层有6个神经元，应用Softmax激活函数，输出对应6个发育等级的概率分布； S44.胚胎选择决策：根据模型输出的多个预测结果，结合临床经验和特定需求，制定胚胎选择策略。

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成都理工大学;四川锦欣西囡妇女儿童医院有限公司，其通讯地址为：610000 四川省成都市成华区二仙桥东三路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”。

以上内容由龙图腾AI智能生成。