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！

龙图腾网获悉宁波大学申请的专利基于分层可靠证据融合的胰腺炎严重程度评估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：CN121075666B 。

龙图腾网通过国家知识产权局官网在2026-02-06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：202511623128.8，技术领域涉及：G16H50/30；该发明授权基于分层可靠证据融合的胰腺炎严重程度评估方法是由范后礼;郭立君;张荣设计研发完成，并于2025-11-07向国家知识产权局提交的专利申请。

本基于分层可靠证据融合的胰腺炎严重程度评估方法在说明书摘要公布了：本发明公开了一种基于分层可靠证据融合的胰腺炎严重程度评估方法，其构建一分层可靠证据融合模型，依次执行多视图证据生成、意见映射与意见融合三个阶段：基于图像与临床数据生成影像、临床及伪视图证据，将其映射为包含信念质量与不确定性的主观逻辑意见，最后利用对数意见池融合算法对所有意见进行融合，生成最终的融合意见；然后基于训练集对分层可靠证据融合模型进行训练；再进行测试，可根据测试样本对应的最终的融合意见中各类别的信念质量，评估测试样本对应患者的急性胰腺炎严重程度；优点是能有效协同多源信息，并将证据冲突转化为不确定性，根据融合意见中的信念质量输出准确可靠的严重程度评估结果，为临床决策提供有力支持。

本发明授权基于分层可靠证据融合的胰腺炎严重程度评估方法在权利要求书中公布了：1.一种基于分层可靠证据融合的胰腺炎严重程度评估方法，其特征在于，包括以下步骤： S1、获取多名患者的多模态数据集并构建训练集，训练集中的每个训练样本包括同一患者的标准医学影像数据、标准临床表格数据及对应的严重程度标签； S2、构建分层可靠证据融合模型，其依次执行如下阶段：多视图证据生成阶段，基于标准医学影像数据和标准临床表格数据生成多层级影像视图证据向量、临床视图证据向量及伪视图证据向量； 所述多视图证据生成阶段的具体实施过程为：a将所述标准医学影像数据输入预训练3D-Resnet网络，提取由低到高的不同语义层级影像特征图，并经自适应最大池化层得到对应影像特征向量；b将所述标准临床表格数据输入基于Transformer架构的特征编码网络，得到临床特征向量；c将临床特征向量与最高语义层级的影像特征向量输入跨模态互补注意力融合模块，生成融合特征向量；d将各特征向量依次经过全连接层和Softplus激活函数，得到各层级影像视图证据向量、临床视图证据向量及伪视图证据向量； 所述跨模态互补注意力融合模块的实施过程为：将最高语义层级的影像特征向量经过第一全连接层，所获向量分别作为值V1、键K1、查询Q1；将临床特征向量经过第二全连接层，所获向量分别作为值V2、键K2、查询Q2；然后将键K1与查询Q2的转置向量、键K2与查询Q1的转置向量分别进行向量相乘，对应得到向量R1、R2；接着将向量R1与值V1、向量R2与值V2分别进行向量相乘，对应得到向量R3、R4；而后将向量R3与第一全连接层输出的向量、向量R4与第二全连接层输出的向量分别进行向量相加，对应得到向量R5、R6；再将向量R5经过第三全连接层，得到向量R7；将向量R6经过第四全连接层，得到向量R8；将向量R7与输入到第一全连接层的影像特征向量进行向量相加，得到向量R9；最后将向量R9与向量R8进行向量拼接，得到融合特征向量； 意见映射阶段，将各视图证据向量映射为主观逻辑意见； 意见融合阶段，基于对数意见池融合算法融合所有主观逻辑意见，生成最终的融合意见； S3、基于训练集对分层可靠证据融合模型进行训练，获得训练好的分层可靠证据融合模型； S4、将任一测试样本输入训练好的分层可靠证据融合模型，依据输出的最终的融合意见中各类别的信念质量评估患者的急性胰腺炎严重程度。

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宁波大学，其通讯地址为：315211 浙江省宁波市江北区风华路818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。