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！

龙图腾网获悉南京航空航天大学申请的专利一种基于多特征信息采集与融合的多模态学习卷积神经网络模型的实施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：CN115311259B 。

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：202211125403.X，技术领域涉及：G06T7/00；该发明授权一种基于多特征信息采集与融合的多模态学习卷积神经网络模型的实施方法是由尹建华;周苏伟;尚林伟;王慧捷设计研发完成，并于2022-09-15向国家知识产权局提交的专利申请。

本一种基于多特征信息采集与融合的多模态学习卷积神经网络模型的实施方法在说明书摘要公布了：本发明将深度学习技术与偏光显微成像、明场显微成像和超光谱显微成像技术相结合，提出了一种基于多种特征信息采集与融合的多模态学习卷积神经网络MML‑CNN模型的实施方法。该方法包括：1利用局部二值模式算法LBP提取不同角度的偏光图像特征并叠加，实现像元级融合；2利用卷积层分别提取偏光图像和明场图像特征并叠加，实现特征级融合；3用三维卷积神经网络3D‑CNN对超光谱数据进行判别，并与图像的结果组合，之后利用支持向量机SVM、偏最小二乘法PLS或Fisher判别进行统计分析，实现决策级融合。本发明将多模态信息采集、多模态学习、多特征融合方式相结合，从而提供了一条癌症病理快捷精准智能诊断的新思路。

本发明授权一种基于多特征信息采集与融合的多模态学习卷积神经网络模型的实施方法在权利要求书中公布了：1.一种基于多种特征采集与融合的多模态学习卷积神经网络模型的实施方法，其特征在于：包括以下步骤： 步骤1：从癌症组织切片样本中分别采集不同角度的偏光显微图像、NIR-Vis明场显微图像和UV-Vis，NIR，IR超光谱显微图像； 步骤2：利用数据增强方法来扩充数据，以降低过拟合风险； 步骤3：利用局部二值模式LBP算法提取不同偏振角度的偏光显微图像的纹理特征，并将其叠加得到融合偏光图像，实现像元级融合； 步骤4：利用若干对称的二维卷积层分别对融合偏光显微图像和明场显微图像进行下采样，提取特征，并将其结果叠加得到融合图像特征，实现特征级融合； 步骤5：从超光谱显微图像中自动提取大量显微光谱，并将光谱数据排列堆叠成三维结构，随后建立三维卷积神经网络3D-CNN模型并将其应用于超光谱数据以提取光谱特征，并将光谱特征与融合图像特征进行组合，利用支持向量机SVM、偏最小二乘法PLS或Fisher判别进行统计分析，实现决策级融合； 步骤6：将该模型用于学习和预测癌症样本的相应数据。

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南京航空航天大学，其通讯地址为：211100 江苏省南京市将军大道29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。