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！

龙图腾网获悉北京择它医疗科技有限公司申请的专利一种知识与数据融合的医学内容图文生成系统和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：CN120126811B 。

龙图腾网通过国家知识产权局官网在2026-01-27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：202510599593.6，技术领域涉及：G16H50/70；该发明授权一种知识与数据融合的医学内容图文生成系统和方法是由白满喜;李彤;李新设计研发完成，并于2025-05-12向国家知识产权局提交的专利申请。

本一种知识与数据融合的医学内容图文生成系统和方法在说明书摘要公布了：本发明提供了一种知识与数据融合的医学内容图文生成系统和方法。涉及数字医疗和人工智能技术领域，系统包括：多模态数据获取模块，获取患者临床诊疗过程中的多模态数据；多模态特征提取模块，从多模态数据中提取多模态特征；多模态特征融合模块，对所述多模态特征进行跨模态动态融合，生成跨模态高一致性的融合特征；模型训练优化模块，配置软硬目标损失函数及参数优化器；信息分析与推理模块，基于动态医学知识网络，将所述融合特征与疾病分类、临床路径进行语义匹配，生成疾病预测概率分布及语义推理路径；图文报告生成模块，根据预测概率和语义推理路径生成包含诊断结论与解释依据的图文报告。本发明能够实现医学内容的智能化、精准化生成。

本发明授权一种知识与数据融合的医学内容图文生成系统和方法在权利要求书中公布了：1.一种知识与数据融合的医学内容图文生成系统，其特征在于，包括： 多模态数据获取模块，用于获取患者临床诊疗过程中的多模态数据，包括影像数据、文本数据和语音数据； 多模态特征提取模块，用于基于交叉注意力机制的多分支神经网络架构从所述多模态数据中提取多模态特征； 其中，基于交叉注意力机制的多分支神经网络架构包括： 医学影像特征提取分支，采用改进的DenseNet和VisionTransformer结构，从影像数据中提取多尺度视觉特征； 其中，所述改进的DenseNet和VisionTransformer结构包括： DenseNet主干网络：包括分组卷积单元，用于输入特征通道划分为G组，每组独立卷积后沿通道维度拼接，输出不同层的特征图；密集连接结构，配置为每层输入包含前序所有层的特征图，并通过复合操作生成当前层输出；双分支感知单元，包括外观感知分支和形状感知分支，从DenseNet的主干特征中分别通过1×1卷积提取表征表面属性的外观编码特征以及采用可学习边缘检测算子提取表征几何结构属性的形状编码特征； 多分辨率特征池化单元：用于对来自不同网络层级的特征图执行多尺度平均池化和拼接，得到图像的风格特征向量； VisionTransformer全局建模单元：用于将主干特征与多分辨率池化特征拼接或加权融合，得到图像特征； 特征重用与旁路结构：包括：空间对齐融合单元，用于通过1×1卷积对VisionTransformer全局建模单元输出的图像特征进行降维后与DenseNet主干特征残差相加，得到局部-全局融合特征；通道重校准单元，用于采用SE模块对局部-全局融合特征进行通道重校准； 语音记录特征提取分支，用于对医生的语音记录进行预训练表示抽取，以提取语音特征； 文本特征提取分支，用于处理包括电子病历、入院记录和实验室检验结果的结构化或半结构化文本信息，并通过扩大隐藏层宽度和深度、引入医学词汇预训练语料，以提取文本特征； 多模态特征融合模块，采用多模态交叉注意力融合机制，包括增强多尺度交叉注意力模块、密集连接共注意力模块和滑动窗口差异交叉注意力模块，并采用协同令牌消除策略动态筛选关键令牌，用于对所述多模态特征进行跨模态动态融合，生成跨模态高一致性的融合特征； 其中，所述增强多尺度交叉注意力模块的实现包括： 从所述形状编码特征和所述外观编码特征中提取四组尺度特征，计算跨模态注意力权重矩阵，引导外观特征与形状特征的多尺度融合； 对不同尺度下的特征进行上采样拼接，通过可学习系数α与残差连接生成精炼外观特征； 其中，所述密集连接共注意力模块包括： 对所述语音特征和所述文本特征进行线性变换与Tanh激活，生成中间隐表示； 通过协同注意力图加权融合多模态特征，并引入全局语义补充特征； 最终输出为各通道注意力加权特征逐元素相加结果； 其中，所述滑动窗口差异交叉注意力模块中： 利用滑动窗口或扩张窗口策略提取局部令牌，通过负相关机制计算跨模态差异性注意力； 对图像与语音文本模态的相似性令牌进行交叉注意力计算，输出为两模态注意力结果的逐元素乘积； 其中，所述协同令牌消除策略包括： 基于图像与语音文本模态的联合注意力得分计算令牌重要性； 选取前个高得分令牌保留，其余令牌剔除； 所述令牌重要性的得分h计算满足： ， 其中，和分别表示来自参考模板的图像模态与语音文本模态的查询向量，和表示来自搜索区域的键向量； 模型训练优化模块，用于配置软硬目标损失函数及参数优化器，采用软目标损失函数与硬目标损失函数的加权组合策略，提升融合结果的感知质量与结构一致性； 信息分析与推理模块，用于基于动态医学知识网络，将所述融合特征与疾病分类、临床路径进行语义匹配，生成疾病预测概率分布及语义推理路径； 图文报告生成模块，用于根据所述预测概率和语义推理路径生成包含诊断结论与解释依据的图文报告。

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北京择它医疗科技有限公司，其通讯地址为：100089 北京市海淀区永澄北路2号院1号楼C座二层269室；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。