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！

龙图腾网获悉天津大学申请的专利一种基于聚类引导梯度对比学习的多模态空间域鉴定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：CN120690281B 。

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：202510793466.X，技术领域涉及：G16B20/30；该发明授权一种基于聚类引导梯度对比学习的多模态空间域鉴定方法是由李国君;沙雏淋;李晓林;张时康;毛逸聪设计研发完成，并于2025-06-13向国家知识产权局提交的专利申请。

本一种基于聚类引导梯度对比学习的多模态空间域鉴定方法在说明书摘要公布了：本发明公开了一种基于聚类引导梯度对比学习的多模态空间域鉴定方法，包括步骤一、构建数据集；步骤二、构建多模态空间域鉴定模型；步骤三、利用数据集训练所述多模态空间域鉴定模型，得到多模态表征，并使用无监督聚类方法mclust聚类得到空间域鉴定结果。本发明通过调整样本和不同簇心之间的距离，增加同簇样本之间的语义一致性与不同簇样本之间的差异性；并设计了模态间注意力融合模块，根据不同模态数据的信息量调整其权重，实现多模态特征的自适应融合，提升了提升空间域鉴定的质量，具有较好的鲁棒性。

本发明授权一种基于聚类引导梯度对比学习的多模态空间域鉴定方法在权利要求书中公布了：1.一种基于聚类引导梯度对比学习的多模态空间域鉴定方法，其特征在于，包括如下步骤： 步骤一、构建数据集，所述数据集包括空间转录组数据和对应的病理数据； 步骤二、构建多模态空间域鉴定模型；所述多模态空间域鉴定模型按照数据处理方向依次包括Graph构建模块、GraphMAE训练模块、多模态表征融合模块和聚类引导的梯度对比学习模块； 所述Graph构建模块用于构建空间转录组图Gst和病理图Ghist； GraphMAE训练模块用于根据输入的空间转录组图Gst和病理图Ghist获得病理隐空间图重建的病理图、空间转录组隐空间图和重建的空间转录组图多模态表征融合模块用于根据输入的病理隐空间图和空间转录组隐空间图获得多模态表征Fm； 聚类引导的梯度对比学习模块对多模态表征Fm进行语义信息增强，得到更新后的多模态表征Fm'； 步骤三、利用数据集训练所述多模态空间域鉴定模型，得到更新后的多模态表征Fm'，然后用无监督聚类方法mclust对更新后的多模态表征Fm'聚类得到空间域鉴定结果； 所述聚类引导的梯度对比学习模块的数据处理流程如下： 对于多模态表征Fm，首先使用K-Means进行聚类，第i个样本所属的簇标号为τi，并计算每个簇的簇心： 其中，Nn为簇n的样本数量，为簇n中第j个样本；Cn为簇n的簇心；对于第i个多模态表征从同簇的邻居中随机选择一个作为正样本，对应表征为将所有簇的簇心作为负样本，对应表征为Cn，全部负样本组成的集合为Sneg；为了增加簇内样本的语义一致性和簇间样本的语义差异性，通过不同的权重区分不同的负样本，对于簇n的簇心： 其中，βn为簇n的簇心对应的权重，ε为超参数，取值在0到1之间； 聚类引导的梯度对比学习模块的损失函数LCon为： exp表示自然指数函数，sim为相似度函数；Vneg表示负样本的集合。

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天津大学，其通讯地址为：300072 天津市南开区卫津路92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。