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！

龙图腾网获悉飞依诺科技股份有限公司申请的专利基于多模态超声时序数据的病灶识别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：CN121304658B 。

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：202511851742.X，技术领域涉及：G06T7/00；该发明授权基于多模态超声时序数据的病灶识别方法是由孙灿;陆小浩;鲁莉;邢志军设计研发完成，并于2025-12-10向国家知识产权局提交的专利申请。

本基于多模态超声时序数据的病灶识别方法在说明书摘要公布了：本发明涉及一种基于多模态超声时序数据的病灶识别方法。其包括：获取对脏器进行超声扫查生成的多模态目标时序数据，所述多模态目标时序数据包括至少一组多模态待检数据，将多模态目标时序数据加载至病灶实例分割模型，以利用所述病灶实例分割模型对多模态目标时序数据进行病灶分割识别处理，并输出与当前多模态目标时序数据对应的病灶实例状态信息；经病灶分割识别处理确定多模态目标时序数据内存在病灶时，则所述病灶实例状态信息至少包括每个病灶的类别。本发明能实现对病灶进行连续性的检测识别，提高病灶识别的精度与可靠性。

本发明授权基于多模态超声时序数据的病灶识别方法在权利要求书中公布了：1.一种基于多模态超声时序数据的病灶识别方法，其特征是，所述病灶识别方法包括： 获取对脏器进行超声扫查生成的多模态目标时序数据，所述多模态目标时序数据包括至少一组多模态待检数据，其中， 当多模态目标时序数据内包括多组多模态待检数据时，则多组多模态待检数据间依据超声扫查的时序依次生成； 每组的多模态待检数据至少包括表征同一时序下扫描状态的待检B模态图像、待检血流模态图像以及待检弹性模态图像； 将多模态目标时序数据加载至病灶实例分割模型，以利用所述病灶实例分割模型对多模态目标时序数据进行病灶分割识别处理，并输出与当前多模态目标时序数据对应的病灶实例状态信息，其中， 病灶分割识别处理时，对每组的多模态待检数据依次进行多层次特征抽取处理以及跨模态融合特征提取处理，以生成与每组多模态待检数据对应的跨模态融合特征信息，此后，对所有组多模态待检数据信息的跨模态融合特征信息依次进行时序特征融合处理、多尺度融合处理以及预测输出处理，并经预测输出处理后生成病灶实例状态信息； 经病灶分割识别处理确定多模态目标时序数据内存在病灶时，则所述病灶实例状态信息至少包括每个病灶的类别； 所述病灶实例分割模型包括依次连接的骨干网络、跨模态注意力模块、时序特征融合模块、颈部网络以及分割输出头，其中， 病灶分割识别处理时，利用骨干网络对每组多模态待检数据进行多层次特征抽取处理，以至少形成浅层特征图组、中层特征图组以及深层特征图组，其中， 浅层特征图组包括浅层B模态特征图、浅层血流模态特征图以及浅层弹性模态特征图； 中层特征图组包括中层B模态特征图、中层血流模态特征图以及中层弹性模态特征图； 深层特征图组包括深层B模态特征图、深层血流模态特征图以及深层弹性模态特征图； 利用跨模态注意力模块进行跨模态融合特征提取处理，以分别对浅层特征图组、中层特征图组以及深层特征图组进行跨模态融合，并分别生成浅层跨模态融合特征图、中层跨模态融合特征图以及深层跨模态融合特征图，且基于浅层跨模态融合特征图、中层跨模态融合特征图以及深层跨模态融合特征图形成当前组多模态待检数据的跨模态融合特征信息； 利用时序特征融合模块对所有多模态目标时序数据对应的跨模态融合特征信息进行时序特征融合处理，其中， 时序特征融合处理时，将所有的浅层跨模态融合特征图时序融合生成浅层时序融合特征，将所有的中层跨模态融合特征图时序融合生成中层时序融合特征，将所有的深层跨模态融合特征图时序融合生成深层时序融合特征； 利用颈部网络对浅层时序融合特征、中层时序融合特征以及深层时序融合特征进行多尺度融合，并在多尺度融合后经分割输出头进行预测输出处理，以生成对应的病灶实例状态信息。

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飞依诺科技股份有限公司，其通讯地址为：215123 江苏省苏州市中国(江苏)自由贸易试验区苏州片区苏州工业园区新庆路65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。