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！

龙图腾网获悉中国人民解放军总医院第一医学中心申请的专利一种多模态数据驱动的盆底损伤智能监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：CN120432187B 。

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：202510937719.6，技术领域涉及：G16H50/70；该发明授权一种多模态数据驱动的盆底损伤智能监测方法及系统是由徐虹;陈力;崔翔;付晓宇;闫如玉;彭柳清;牛兴盼设计研发完成，并于2025-07-08向国家知识产权局提交的专利申请。

本一种多模态数据驱动的盆底损伤智能监测方法及系统在说明书摘要公布了：本发明提供一种多模态数据驱动的盆底损伤智能监测方法及系统，涉及数据处理技术领域，方法包括：获取待监测人员的多种图像数据以及相应的临床文本数据；构建盆底损伤智能监测模型；在图像数据中分割出感兴趣的盆底区域；提取各种图像数据的盆底区域的图像模态深度特征图；提取各种临床文本数据的文本模态深度特征图；对图像模态深度特征图以及文本模态深度特征图进行自适应融合，得到融合特征图；根据融合特征图，确定待监测人员的盆底损伤程度。本发明可以实现盆底损伤的快速精准识别，降低漏诊率与救治延迟。

本发明授权一种多模态数据驱动的盆底损伤智能监测方法及系统在权利要求书中公布了：1.一种多模态数据驱动的盆底损伤智能监测方法，其特征在于，包括： S1：获取待监测人员的多种图像数据以及相应的临床文本数据； S2：构建盆底损伤智能监测模型； S3：在所述图像数据中分割出感兴趣的盆底区域； S4：提取各种所述图像数据的盆底区域的图像模态深度特征图； S5：提取各种所述临床文本数据的文本模态深度特征图； S6：对所述图像模态深度特征图以及所述文本模态深度特征图进行自适应融合，得到融合特征图； S7：根据所述融合特征图，确定所述待监测人员的盆底损伤程度； 其中，S6具体包括： S601：将各个深度特征图映射为证据向量： ； ； 其中，eimg表示图像模态深度特征图对应的证据向量，Wimg表示图像模态权重映射参数，Fimg表示图像模态深度特征图，bimg表示图像模态偏置映射参数，ReLU表示ReLU激活函数，表示图像模态深度特征图对第i个分类类别的证据强度，etxt表示文本模态深度特征图对应的证据向量，Wtxt表示文本模态权重映射参数，Ftxt表示文本模态深度特征图，btxt表示文本模态偏置映射参数，表示文本模态深度特征图对第i个分类类别的证据强度，n表示分类类别总类别数； B602：根据证据向量，计算各个深度特征图的不确定性： ； ； 其中，uimg表示图像模态深度特征图在进行盆底损伤检监测时的不确定性，utxt表示文本模态深度特征图在进行盆底损伤检监测时的不确定性，d表示平衡常数，用于调控不确定性敏感度； B603：根据证据向量，计算各个深度特征图对于各个分类类别的概率估计： ； ； 其中，表示图像模态深度特征图对第i个分类类别的概率估计，表示文本模态深度特征图对第i个分类类别的概率估计； B604：根据不确定性以及概率估计，计算冲突系数： ； 其中，表示图像模态与文本模态之间的冲突系数，表示文本模态深度特征图对第j个分类类别的概率估计； B605：基于D-S证据融合策略，根据冲突系数，计算对于各个分类类别的信任分布： ； ； 其中，表示图像模态深度特征图对第i个分类类别的支持度，表示文本模态深度特征图对第i个分类类别的支持度； B606：根据信任分布，计算对于各个分类类别的融合支持度： ； 其中，表示证据对于第i个分类类别的融合支持度； B607：根据融合支持度，生成融合特征图： ； 其中，A表示融合特征图，Wf表示融合层权重矩阵，bf表示融合层偏置项。

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中国人民解放军总医院第一医学中心，其通讯地址为：100048 北京市海淀区复兴路28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。