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！

龙图腾网获悉南京工业大学申请的专利一种基于低秩多模态融合网络的MRI数据分类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：CN116958683B 。

龙图腾网通过国家知识产权局官网在2026-03-03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：202310927881.0，技术领域涉及：G06V10/764；该发明授权一种基于低秩多模态融合网络的MRI数据分类方法是由王莉;薛旻昊;汪磊;王康宁;沈捷设计研发完成，并于2023-07-26向国家知识产权局提交的专利申请。

本一种基于低秩多模态融合网络的MRI数据分类方法在说明书摘要公布了：本发明提供一种基于低秩多模态融合网络的MRI数据分类方法，首先，获取原始sMRI和fMRI的数据，分别对原始sMRI和fMRI的数据进行预处理，其次，基于低秩多模态融合网络分别从sMRI和fMRI两种不同模态的数据中提取特征向量，并采用低秩张量对提取后的特征向量进行融合，将融合后的特征输入支持向量机进行分类，基于总体损失函数采用端到端的方式训练低秩多模态融合网络，最后将测试集输入到训练好的低秩多模态融合网络中，得到测试样本的输出类别；本发明提供的基于低秩多模态融合网络的MRI数据分类方法，减小了不同模态间的异构性，增强了多模态融合的效果，提高了多模态分类模型的精度。

本发明授权一种基于低秩多模态融合网络的MRI数据分类方法在权利要求书中公布了：1.一种基于低秩多模态融合网络的MRI数据分类方法，其特征在于，包括以下步骤： 步骤1，获取多模态原始数据集： 多模态原始数据集包括sMRI数据和fMRI数据； 步骤2，对步骤1中获取的sMRI数据预处理； 步骤3，对步骤1中获取的fMRI数据预处理； 步骤4，基于低秩多模态融合网络分别对预处理后sMRI数据和fMRI数据进行特征提取、特征融合与分类： 步骤4.1，分别为sMRI和fMRI数据构建3DCNN和DNN特征提取网络； 步骤4.2，利用3DCNN和DNN特征提取网络分别从预处理后的sMRI和fMRI数据中提取同维特征向量Fs,Ff∈Rd-1； 步骤4.3，将sMRI和fMRI两个模态中提取的特征向量Fs，Ff分别附加1，得到向量 步骤4.4，将sMRI和fMRI模态的特征向量zs和zf进行张量融合： 其中，表示为张量外积，表示为特征融合后的张量， 步骤4.5，将步骤4.4中的特征融合表达张量通过一个线性层生成向量h： 其中，·表示为张量点乘，b表示为偏置向量，表示为张量的权重， 步骤4.6，为降低向量h的计算量，先将权值张量w分解为r个特定于每个模态的低秩因子： 其中，和分别表示为sMRI和fMRI的第i个低秩权重因子， 再将权值张量w分解式引入到向量h： 其中，表示为逐元素乘积； 步骤4.7，将融合后的特征向量h输入支持向量机进行分类； 步骤5，基于总体损失函数，采用端到端的方式训练低秩多模态融合网络： 总体损失函数表示为： L＝LHinge+λLDDM 其中，λ表示为平衡系数；LHinge表示为分类损失，LDDM表示为模态间分布差异损失； 步骤6，将测试集输入到训练好的低秩多模态融合网络中，得到测试样本的输出类别。

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京工业大学，其通讯地址为：210000 江苏省南京市浦口区浦珠南路30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。