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
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 中南大学匡湖林获国家专利权

中南大学匡湖林获国家专利权

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!

龙图腾网获悉中南大学申请的专利多模态缺血性脑卒中医学影像分割方法、装置及设备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:CN121353683B

龙图腾网通过国家知识产权局官网在2026-03-27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:202511939602.8,技术领域涉及:G06V10/26;该发明授权多模态缺血性脑卒中医学影像分割方法、装置及设备是由匡湖林;李舒诺;汪洁;刘锦;王建新设计研发完成,并于2025-12-22向国家知识产权局提交的专利申请。

多模态缺血性脑卒中医学影像分割方法、装置及设备在说明书摘要公布了:本申请提出一种多模态缺血性脑卒中医学影像分割方法、装置及设备,通过结合混合专家微调的ViT编码器分支和CNN编码器分支作为多模态图像双分支编码网络来提取不同模态医学影像的独立特征,并进一步使用模态缺失自适应融合网络来整合不同模态的互补信息,使用编码器分支交互网络进行CNN特征和ViT特征间全局‑局部信息的交互,在模态缺失的情况下也能够解耦不同可用模态的特定特征和跨模态不变特征,同时充分利用不同类型特征的优势,深度挖掘出多模态影像特征的价值信息,从而实现准确的多模态缺血性脑卒中医学影像分割和成像,而且可靠性高、精确性好且实用性好。

本发明授权多模态缺血性脑卒中医学影像分割方法、装置及设备在权利要求书中公布了:1.一种多模态缺血性脑卒中医学影像分割方法,其特征在于,包括: 获得待分割缺血性脑卒中医学影像;以及, 利用训练好的多模态缺血性脑卒中医学影像分割模型,对所述待分割缺血性脑卒中医学影像进行处理,得到分割结果, 其中,所述多模态缺血性脑卒中医学影像分割模型包括依次连接的:编码部分、解码部分以及分割头, 所述编码部分包括: 视觉变换器ViT编码器分支,用于在训练时,基于混合专家机制,对不同模态的缺血性脑卒中医学影像进行全局特征提取,其中,混合专家包括:尺度专家及多模态专家; 基于变换器Transformer的第一模态缺失自适应特征融合模块,用于在训练时,在模态缺失的情况下,计算并利用各可用模态的体素级权重,对可用模态的全局特征进行自适应融合,得到全局融合特征,所述第一模态缺失自适应特征融合模块的输入连接至所述ViT编码器分支的输出; 卷积神经网络CNN编码器分支,用于在训练时,对不同模态的缺血性脑卒中医学影像进行局部特征提取,所述CNN编码器分支的输出跳跃连接至所述解码部分的输入; 基于CNN的第二模态缺失自适应特征融合模块,用于在训练时,在模态缺失的情况下,计算并利用各可用模态的体素级权重,对可用模态的局部特征进行自适应融合,得到局部融合特征,所述第二模态缺失自适应特征融合模块的输入连接至所述CNN编码器分支的输出;以及, 编码器分支交互网络,用于在训练时,融合所述全局融合特征与所述局部融合特征,得到编码部分的输出,所述编码器分支交互网络的输入连接至所述第一模态缺失自适应特征融合模块以及所述第二模态缺失自适应特征融合模块的输出,所述编码器分支交互网络的输出连接至所述解码部分的输入。

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南大学,其通讯地址为:410083 湖南省长沙市岳麓区麓山南路932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。