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！

龙图腾网获悉首都医科大学宣武医院申请的专利基于多模态融合策略和深度学习的血管风险评估模型系统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：CN120674066B 。

龙图腾网通过国家知识产权局官网在2026-01-02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：202510736410.0，技术领域涉及：G16H50/30；该发明授权基于多模态融合策略和深度学习的血管风险评估模型系统是由佟铸;徐泽勤;隗立兵设计研发完成，并于2025-06-04向国家知识产权局提交的专利申请。

本基于多模态融合策略和深度学习的血管风险评估模型系统在说明书摘要公布了：本发明基于多模态融合策略和深度学习的血管风险评估模型系统：获取模块获取多个历史患者的检查化验数据、影像数据、基因检测数据和临床数据，标注各种血管疾病状况；预处理模块对数值型数据标准化，对类别型数据独热编码或实体嵌入，对时序性数据转换为固定长度向量，对影像数据提取影像学特征和或从中学习影像深层特征，对文本数据提取特征，对SNPs数据降维，对基因表达谱数据归一化和特征选择；特征样本构建模块利用各历史患者的多模态预处理后特征构建训练集和验证集；模型构建模块构建多任务深度学习模型；多任务学习训练模块对模型训练和验证，使用优化算法对模型优化超参数，调整超参数至最优获得目标多任务深度学习模型。

本发明授权基于多模态融合策略和深度学习的血管风险评估模型系统在权利要求书中公布了：1.一种基于多模态融合策略和深度学习的血管风险评估模型系统，其特征是，包括： 获取模块，用于获取多个历史患者的检查化验数据、影像数据、基因检测数据和临床数据，并进行各种血管疾病状况标注，检查化验数据包括数值型、类别型和或时序性数据，临床数据包括文本、数值型和或类别型数据，基因检测数据包括SNPs数据和或基因表达谱数据； 预处理模块，用于对数值型数据进行标准化，对类别型数据进行独热编码或实体嵌入，对时序性数据采用时间序列嵌入方法转换为固定长度向量，对影像数据采用图像分割技术分割出感兴趣区域并从中提取出影像学特征和或采用基于深度学习的特征提取器从影像数据中学习出影像深层特征，对文本数据使用词嵌入和NLP技术提取特征获得文本特征，对SNPs数据进行降维获得基因特征，对基因表达谱数据进行归一化和特征选择获得基因特征； 特征样本构建模块，用于利用各历史患者的多模态预处理后特征构建训练集和验证集； 模型构建模块，用于构建多任务深度学习模型，包括输入层、加入残差结构的多层卷积层、基于多头注意力机制的用于特征加权融合的融合层、基于注意力机制的共享参数层和针对静脉血管和动脉血管疾病的任务特定层，定义多任务损失函数，初始化模型超参数并设置各超参数取值范围； 多任务学习训练模块，用于利用训练集和验证集对模型进行训练和验证，使用优化算法对模型进行超参数优化，基于多任务损失函数调整超参数至最优，获得目标多任务深度学习模型； 优化算法：对淘金算法中迁移策略、开采策略和协作策略均加入自适应权重，创建迁移策略和开采策略相结合的迁移开采结合策略，创建开采策略和协作策略相结合的开采协作结合策略，构建出改进型淘金算法； 所述多任务学习训练模块用于将初始化模型超参数输入，利用训练集和验证集对多任务深度学习模型进行初步训练和验证，获得初步多任务损失函数L=各单项任务损失函数的加权和，其中权重根据任务重要性或模型收敛速度进行调整，分析多任务损失函数Loss与预设阈值L1，当Loss≤L1时设定淘金者数量为N1，当Loss＞L1时设定淘金者数量为N2，N1＜N2，利用此时模型超参数的数值及其随机变异的超参数数值来对改进型淘金算法中各个淘金者进行初始化，利用改进型淘金算法对超参数进行不断优化训练以获得最优超参数，最优超参数构建出的最优模型作为目标多任务深度学习模型。

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首都医科大学宣武医院，其通讯地址为：100053 北京市西城区长椿街45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。