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！

龙图腾网获悉上海交通大学申请的专利一种基于多模态中间融合的预后预测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：CN119905237B 。

龙图腾网通过国家知识产权局官网在2026-01-06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：202411734971.9，技术领域涉及：G16H50/20；该发明授权一种基于多模态中间融合的预后预测方法是由俞章盛;夏瑜葭;翟炜;臧欣贻设计研发完成，并于2024-11-29向国家知识产权局提交的专利申请。

本一种基于多模态中间融合的预后预测方法在说明书摘要公布了：本发明涉及一种基于多模态中间融合的预后预测方法，该方法通过深度卷积神经网络和预定义组学从病理图像中提取病理特征，并应用多实例学习对这些特征进行聚合，以形成病理表示，同时使用深度卷积神经网络和预定义组学提取放射特征，以形成放射学表示，随后利用深度生存网络将病理表示、放射学表示及临床变量进行整合，从而生成多模态预后预测分数。与现有技术相比，本发明通过深度生存网络整合病理、放射学和临床三种模态的信息，显著提升了传统预后预测指标以及单模态模型的预测表现。

本发明授权一种基于多模态中间融合的预后预测方法在权利要求书中公布了：1.一种基于多模态中间融合的预后预测方法，其特征在于，包括以下步骤： 步骤S1、数据采集：获取H-E染色的全切片图像作为病理图像，获取动脉期三维计算机断层扫描序列作为放射学图像，获取患者的临床变量； 步骤S2、数据预处理：对病理图像进行切块、染色归一化处理及过滤预处理，对放射学图像进行数据格式的转化及肿瘤区域的勾画预处理，对临床变量进行编码预处理； 步骤S3、病理图像特征表示：对经过数据预处理后的每个病理小块提取手工定义特征及基于深度卷积神经网络的语义特征，并通过多实例学习的方法，聚合不同病理小块的特征，获得病理图像的特征表示； 步骤S4、放射学图像特征表示：基于放射学图像及勾画出的肿瘤轮廓，进行手工定义特征与基于深度卷积神经网络的语义特征提取，并通过主成分分析进行降维处理，得到放射学图像的特征表示； 步骤S5、多模态预后预测模型构建：采用深度生存网络整合病理图像、放射学图像以及临床变量的特征，输出多模态预后预测分数； 所述步骤S3中基于深度卷积神经网络的语义特征通过ResNet网络提取图像的表示获得；提取手工定义特征的具体步骤包括： 使用预训练的HoverNet模型进行细胞核分割，并预测得到细胞类型； 基于细胞核分割结果和病理图像，使用Python中的HistomicsTK包提取特征； 对于每个病理小块，计算出现频率最高的细胞类型的HistomicsTK特征的平均值，并将其与该细胞类型的独热编码拼接，构成每个病理小块提取的手工定义特征； 所述步骤S4中基于深度卷积神经网络的语义特征通过ResNet网络提取获得；所述手工定义特征包括Pyradiomics包中所定义的形状特征、一阶统计特征、质地特征、滤波特征及小波特征；在对形状、一阶统计、质地、滤波、及小波特征进行主成分分析时，仅保留使得解释比例超过预设值的主成分。

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上海交通大学，其通讯地址为：200240 上海市闵行区东川路800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。