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！

龙图腾网获悉浙江大学申请的专利一种基于多模态融合的胚胎多焦平面图像着床预测装置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：CN116433612B 。

龙图腾网通过国家知识产权局官网在2026-04-03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：202310285276.8，技术领域涉及：G06T7/00；该发明授权一种基于多模态融合的胚胎多焦平面图像着床预测装置是由吴健;程奕;陈婷婷;应豪超;叶志前设计研发完成，并于2023-03-22向国家知识产权局提交的专利申请。

本一种基于多模态融合的胚胎多焦平面图像着床预测装置在说明书摘要公布了：本发明公开了一种基于多模态融合的胚胎多焦平面图像着床预测装置，属于医学图像处理技术领域，包括：在提取胚胎三个焦平面图像深度特征基础及核心图像的深度特征的基础上，对这些深度特征使用通道‑空间分离的多头注意力机制计算得到三个焦平面的关键特征，再将三个焦平面的关键特征与核心图像的深度特征进行拼接得到融合特征，利用该融合特征进行胚胎着床预测，提升了预测效率和精度，帮助胚胎专家更加精准高效率地分类筛选优质胚胎进行移植，从而提高胚胎着床成功率。

本发明授权一种基于多模态融合的胚胎多焦平面图像着床预测装置在权利要求书中公布了：1.一种基于多模态融合的胚胎多焦平面图像着床预测装置，包括存储器和处理器，所述存储器用于存储执行基于多模态融合的胚胎多焦平面图像着床预测的计算机可执行程序，所述处理器与所述存储器通信连接，并配置为执行存储器存储的计算机可执行程序，其特征在于： 所述处理器执行所述计算机可执行程序时，实现以下步骤： 对于第五日囊胚期的透明带、内细胞团以及滋养层三个焦平面图像，标注着床标签以获取胚胎多焦平面图像样本； 构建多模态融合的胚胎多焦平面图像着床预测模型，包括生成核心图像模块、深度特征提取模块、特征融合模块以及着床预测模块，其中生成核心图像模块用于对三个焦平面图像进行自适应加权操作生成核心图像，深度特征提取模块用于将多个焦平面图像及核心图像在各自的提取网络中提取对应的深度特征，特征融合模块用于将三个焦平面图像提取到的深度特征分别与核心图像提取到的深度特征通过通道-空间分离的多头注意力机制SMHA计算关键特征后，对三个关键特征降维后与核心图像对应的深度特征拼接得到融合特征，以加强各个焦平面图像之间的信息交互，将融合特征用于最终预测，着床预测模块用于对输入的融合特征进行胚胎着床预测； 其中，通过通道-空间分离的多头注意力机制SMHA计算关键特征，包括：该通道-空间分离的多头注意力机制SMHA只存在于残差网络最后两个特征提取层之后，假设特征形态都为C×H×W，其中H代表向量特征的高度，W代表宽度，C代表通道数，fq表示输入的查询向量，fkv指键向量和值向量， fq和fkv输入空间SMHA经过平均池化操作、reshape操作变成二维矩阵，具体为： Spatial-SMHAfq,fkv＝MHAAvgPoolfq,fkv AvgPool操作为一个平均池化操作，将输入的fq转化成一个形状为1×C的二维矩阵，通过reshape操作将输入的fkv转化成一个形状H×W×C的二维矩阵，将这两个矩阵用于计算MHA值； 将fq和fkv输入进行卷积操作变成二维矩阵，具体为： Channel-SMHAfq,fkv＝MHAConvfq,fkv Conv操作是一个卷积操作，将输入的fq通过输出通道为1，卷积核大小为1×1的卷积层转变为1×H×W的二维矩阵，使用reshape操作将fkv转变成C×H×W的二维矩阵，将这两个矩阵用于计算MHA值，综合上述两个操作，在核心图像的深度特征fcore的监督下，三个焦平面对应的关键特征f`i的提取步骤如下： f`i＝Channel-SMHAfcore,Spatial-SMHAfi,fi 其中fi用于指代透明带、内细胞团以及滋养层这三个焦平面图像对应的深度特征； 将所有胚胎多焦平面图像样本送入该胚胎多焦平面图像着床预测模型中进行训练，并通过更新模型参数不断优化； 利用参数优化的胚胎多焦平面图像着床预测模型进行胚胎着床预测。

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浙江大学，其通讯地址为：310058 浙江省杭州市西湖区余杭塘路866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。