Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 南昌大学第一附属医院叶春林获国家专利权

南昌大学第一附属医院叶春林获国家专利权

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!

龙图腾网获悉南昌大学第一附属医院申请的专利基于跨模态特征交互的胸腺患病风险预测方法及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:CN120824024B

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:202511332940.5,技术领域涉及:G16H50/30;该发明授权基于跨模态特征交互的胸腺患病风险预测方法及系统是由叶春林;喻本桐;蒋磊;李泉金;彭吴可;朱坤坤设计研发完成,并于2025-09-18向国家知识产权局提交的专利申请。

基于跨模态特征交互的胸腺患病风险预测方法及系统在说明书摘要公布了:本发明提供了一种基于跨模态特征交互的胸腺患病风险预测方法及系统,该方法包括:分别对CT影像数据、MRI影像数据、影像报告进行预处理;对第三数据依次进行分词、向量转化、特征提取、池化,将标注后的语义特征向量输入至图像生成网络,以生成PET‑CT影像;将第一数据、第二数据、PET‑CT影像分别输入进相同的医学曼巴特征提取网络,得到与第一数据对应的第一模态特征、与第二数据对应的第二模态特征、与PET‑CT影像对应的第三模态特征;将第一模态特征、第二模态特征、第三模态特征进行特征融合交互,得到融合特征,并根据融合特征得到胸腺患病风险。本申请能够极大地提高胸腺患病预测准确率。

本发明授权基于跨模态特征交互的胸腺患病风险预测方法及系统在权利要求书中公布了:1.一种基于跨模态特征交互的胸腺患病风险预测方法,其特征在于,所述方法包括: 获取CT影像数据、MRI影像数据以及影像报告,并分别对所述CT影像数据、所述MRI影像数据、所述影像报告进行预处理,得到与CT影像数据对应的第一数据、与MRI影像数据对应的第二数据、与影像报告对应的第三数据; 对所述第三数据依次进行分词、向量转化、特征提取、池化,得到语义特征向量,并对所述语义特征向量标注一PET-CT标签,将标注后的语义特征向量输入至图像生成网络,以使所述图像生成网络根据所述PET-CT标签生成PET-CT影像; 将所述第一数据、所述第二数据、所述PET-CT影像分别输入进相同的医学曼巴特征提取网络,得到与所述第一数据对应的第一模态特征、与所述第二数据对应的第二模态特征、与所述PET-CT影像对应的第三模态特征,所述医学曼巴特征提取网络包括补丁嵌入层和四个阶段,前三个阶段均由混合空间模块和补丁合并层组成,最后一个阶段只含混合空间模块; 补丁嵌入层首先将第一数据划分成非重叠补丁,并将每个非重叠补丁展平为一维向量,然后通过一个线性层将该一维向量转换为维度为的第一嵌入向量; 所述混合空间模块包括卷积分支和状态空间分支,在所述卷积分支中,对第一嵌入向量依次进行块归一化、2D卷积、ReLU激活、2D卷积、ReLU激活、逐点卷积,得到第一特征; 在所述状态空间分支中,分两个子分支,具体为:将所述第一嵌入向量进行块归一化,得到第二特征,而后将第二特征通过一个线性层和激活函数对特征进行转换,得到第三特征;将所述第一嵌入向量进行层归一化,得到第四特征,而后将第四特征经过线性层、深度可分离卷积、SiLU激活函数、2D选择性扫描、归一化,得到第五特征;将第三特征和第五特征进行逐元素乘法融合,并将融合后的特征通过一个线性层完成特征混合,得到特征图;补丁合并层将特征图进行切分,形成多个第一补丁,把每个第一补丁的特征进行拼接,得到第一向量,然后通过线性层对第一向量进行降维,得到第一模态特征;获取第二模态特征、第三模态特征的方式与第一模态特征相同; 将所述第一模态特征、所述第二模态特征、所述第三模态特征进行特征融合交互,得到融合特征,并根据所述融合特征得到胸腺患病风险; 使用全局池化和最大池化对模态特征进行提取: ; 其中,,分别为通道、空间和坐标特征信息,为平均池化操作,为最大池化操作,为连接操作,为CT影像池化特征,为MRI影像池化特征,为影像报告数据池化特征; 将得到的特征进行聚合: ; 其中,为通道聚合特征,为空间聚合特征,为坐标聚合特征; 将聚合特征进行卷积: ; 其中,为通道特征,为空间特征,为坐标特征,为一维卷积,为二维卷积,为通道聚合权重,为空间聚合权重,为坐标聚合权重,为激活函数; 将权重进行跨模态交互: ; 其中,为通道空间混合权重,为通道坐标混合权重,为空间坐标混合权重; 将交互后的权重和各模态的特征相乘: 其中,为CT影像混合特征,为MRI影像混合特征,为影像报告混合特征; 相加,得到融合特征

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昌大学第一附属医院,其通讯地址为:330006 江西省南昌市永外正街17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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。