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 > 四川大学张泽坤获国家专利权

四川大学张泽坤获国家专利权

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!

龙图腾网获悉四川大学申请的专利一种融合多模态特征的门静脉压力梯度获取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:CN120931659B

龙图腾网通过国家知识产权局官网在2026-02-10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:202511469253.8,技术领域涉及:G06T7/00;该发明授权一种融合多模态特征的门静脉压力梯度获取方法及系统是由张泽坤;何旭瑞;龙雨欣;彭昶玮;曾思怡;熊柱翔;王小泽;郑庭辉设计研发完成,并于2025-10-15向国家知识产权局提交的专利申请。

一种融合多模态特征的门静脉压力梯度获取方法及系统在说明书摘要公布了:本发明公开了一种融合多模态特征的门静脉压力梯度获取方法及系统,涉及门静脉压力获取技术领域,所述方法包括:S1、获取患者的CT图像并进行预处理,获得其相关特征数据;S2、基于CT图像中的肝脏血管,构建多模态特征模型;将预处理后的CT图像数据、相关特征数据和所对应的待预测门静脉压力梯度标签值输入到模型中,进行训练;S3、将预处理后的CT图像数据、相关特征数据输入到训练好的模型中,进行预测,得到CT图像所对应的门静脉压力梯度值。通过创新的多模态融合架构与两阶段训练策略,充分利用了三维模型的几何结构信息、物理参数信息病理性特征,实现了在仅有CT图像血管模型输入的条件下对PPG数值高精度、高鲁棒性的非接触式预测。

本发明授权一种融合多模态特征的门静脉压力梯度获取方法及系统在权利要求书中公布了:1.一种融合多模态特征的门静脉压力梯度获取方法,其特征在于,包括以下步骤: S1、获取患者的CT图像并进行预处理,获得其相关特征数据; S2、基于CT图像中的肝脏血管,构建多模态特征模型;将预处理后的CT图像数据、相关特征数据和所对应的待预测门静脉压力梯度标签值输入到模型中,进行训练; S3、将预处理后的CT图像数据、相关特征数据输入到训练好的模型中,进行预测,得到CT图像所对应的门静脉压力梯度值; 步骤S1具体包括以下步骤: S11、获取患者的CT图像并进行预处理,获得尺寸统一且质量符合预设标准的CT数据集,所述预处理包括图像增强和图像处理; S12、基于预设阈值,从CT数据集中获取血管区域的蒙版Dicom.文件,所述血管区域包括门静脉血管、肝动脉血管和主动脉血管,之后获取每个CT数据集的背景Dicom.文件; S13、将背景Dicom.文件和蒙版Dicom.文件转换为第一背景nii.文件和第一蒙版nii.文件,然后将第一背景nii.文件和第一蒙版nii.文件按照预设尺寸进行裁剪,获得第二背景nii.文件和第二蒙版nii.文件; S14、将第二背景nii.文件和第二蒙版nii.文件转换为stl.文件,之后从stl.文件中提取特征值Ti,所述特征值Ti包括血管中心线点编号ID、血管中心线点x轴坐标X、血管中心线点y轴坐标Y、血管中心线点z轴坐标Z、父节点FatherNode、左子节点LeftNode、右子节点RightNode、曲率K、角度Angle、面积S、最大直径MaxR和最小直径MinR; S15、从CT图像中提取其他病理相关影像组学特征,包括肝脏体积LVi、脾脏体积大小SVi; 步骤S2具体包括以下步骤: S21、数据预处理,基于门静脉血管、肝动脉血管和主动脉血管的stl.文件,对其进行三维投影,即将stl.文件的三维模型分别正交投影至xoy、yoz、zox三个坐标平面,生成二维投影图像; S22、图像标准化,将二维投影图像的尺寸统一调整为预设分辨率,并沿通道维度将其进行堆叠,获得第i血管所对应的合成图像张量I_i∈R^3×H×W,H表示高度,W表示宽度; S23、构建多模态特征模型,所述多模态特征模型包括编码器、ViT解码器和门静脉压力梯度估计器; S24、特征编码,所述编码器包括图像编码器和特征值编码器,将步骤S22获得的合成图像张量I_i输入到多模态特征模型中,通过图像编码器将其分割为图像块序列,经掩码处理后,输出图像的特征张量EIi∈R^L×D,其中L表示图像块序列长度,D表示特征维度;同时通过特征值编码器将步骤S14获得的特征值Ti转化为向量表示,输出特征值的特征向量ETi∈R^D; S25、预训练,以自监督学习方式训练模型,使其能够根据部分可见的图像块和文本特征,重建被掩码的图像块; S26、微调阶段,利用预训练好的编码器特征,基于带门静脉压力梯度标签的数据,训练多层感知机用于预测门静脉压力梯度值; S27、将预处理后的CT图像数据、相关特征数据和所对应的待预测门静脉压力梯度标签值输入到模型中,进行训练,获得训练好的多模态特征模型。

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四川大学,其通讯地址为:610065 四川省成都市武侯区一环路南一段24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。