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！

龙图腾网获悉安徽大学申请的专利一种多模态融合的医学信息处理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：CN121054235B 。

龙图腾网通过国家知识产权局官网在2026-03-31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：202511558466.8，技术领域涉及：G16H50/20；该发明授权一种多模态融合的医学信息处理方法是由汪恩博;马萍;刁靖浩;葛晨曦;顾成杰设计研发完成，并于2025-10-29向国家知识产权局提交的专利申请。

本一种多模态融合的医学信息处理方法在说明书摘要公布了：本发明公开了一种多模态融合的医学信息处理方法，包括以下步骤：收集患者和健康个体的胸部X射线的多模态医学图像数据集；对图像数据集和诊断报告进行预处理，生成疾病标签；采用多模态卷积神经网络，对预处理后的图像数据集进行编码作为视表特征，生成融合特征序列；以融合特征序列作为初始输入，构建图卷积神经网络；建立强化学习模型，以诊断策略的综合性能为指标，通过定义奖励函数来动态优化卷积神经网络的图卷积过程，输出最终的神经网络特征参数；以神经网络特征参数作为输入，进行池化、简化，通过整合和变换，输出对应的概率范围。本发明基于深度强化学习技术，提高初步诊断效率，提升了诊断结果用词的准确性、连贯性和完整性。

本发明授权一种多模态融合的医学信息处理方法在权利要求书中公布了：1.一种多模态融合的医学信息处理方法，其特征在于，包括以下步骤： S1、收集患者和健康个体的胸部X射线的多模态医学图像数据集，包括正面和侧面视图，同时收集胸部的医学诊断报告； 具体步骤包括： S11、收集N名患者和健康个体的胸部X射线多模态医学图像，整理构建数据集，，，为患者样本数，为健康个体样本数，； 其中，，为第名患者胸部X射线正面视图，为第名患者胸部X射线侧面视图，为第名健康个体胸部X射线正面视图，为第名健康个体胸部X射线侧面视图； S12、收集与上述图像对应的胸部医学诊断报告，构建报告数据集为第个样本的诊断报告文本， S2、对胸部X射线的多模态医学图像数据集进行异常筛选和清理，归一化和格式化，同时对胸部医学诊断报告进行预训练，生成疾病标签； S3、采用多模态卷积神经网络，对预处理后的胸部X射线的多模态医学图像数据集进行编码作为视表特征，建立特征融合模块，将视表特征和疾病标签嵌入，生成融合特征序列； 具体步骤包括： S31、采用深度卷积神经网络对预处理后的胸部X射线多模态医学图像数据集进行特征提取： 对第个样本的正面视图提取视表特征：； 对第个样本的侧面视图提取视表特征：； 其中，为卷积神经网络提取特征的模型，为对应于该模型的可训练参数，包括权重和偏置； 对多视表视表特征进行拼接整合，得到第个样本的最终视表特征：； S32、计算视表特征与疾病标签嵌入的注意力得分，捕捉两者间的关联关系： ； 其中，为注意力权重矩阵，为缩放因子，表示第个视表特征与第个疾病标签嵌入的关联权重，权重越大说明两者疾病标签-视表匹配度越高； S33、用注意力权重对疾病标签嵌入进行加权，得到与当前视表特征适配的疾病标签表示，生成加权疾病标签： ； 其中，为第个视表特征对应的加权疾病标签； S34、通过线性映射将视表特征和加权疾病标签映射到同一维度，再进行拼接与深度融合： ； 其中，表示视表特征线性映射，表示加权疾病标签线性映射； ； ； 其中，表示第个样本的融合特征，表示用多头自注意力做深度融合运算操作，表示TFE复杂运算操作，表示所有样本的融合特征序列； S4、以特征融合模块生成的融合特征序列作为初始输入，构建图卷积神经网络； S5、建立强化学习模型，以诊断策略的综合性能为指标，通过定义奖励函数来动态优化卷积神经网络的图卷积过程，输出最终的神经网络特征参数； S6、以神经网络特征参数作为输入，进行池化、简化，再通过全连接层进行整合和变换，输出对应的概率范围。

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安徽大学，其通讯地址为：230601 安徽省合肥市经济技术开发区九龙路111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。