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！

龙图腾网获悉西安电子科技大学申请的专利一种基于多模态监督对比学习的头颈癌局部复发信息获取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：CN115272230B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202210894034.4，技术领域涉及：H04N1/64；该发明授权一种基于多模态监督对比学习的头颈癌局部复发信息获取方法是由王蓉芳;郭瑾坤;牟钊汕;缑水平;郝红侠设计研发完成，并于2022-07-27向国家知识产权局提交的专利申请。

本一种基于多模态监督对比学习的头颈癌局部复发信息获取方法在说明书摘要公布了：一种基于多模态监督对比学习的头颈癌局部复发信息获取方法，具体包括：样本集划分及图像预处理、多视图数据增强、构建基于多模态监督对比学习的图像编码网络、训练构建的编码网络、视图池化融合图像编码、将临床数据按照基于属性的混合编码策略进行编码、构建基于多模态解耦双线性池化融合的分类器网络、对构建的分类器网络进行训练；本发明在原始对比学习方法的基础上增加了多模态的结构，共同优化模态内和模态间的对比损失，同时加入了标签信息，使用解耦双线性池化方式分别融合提取到的图像特征，以及图像和临床特征，提升了头颈癌复发信号获取结果的准确性。

本发明授权一种基于多模态监督对比学习的头颈癌局部复发信息获取方法在权利要求书中公布了：1.一种基于多模态监督对比学习的头颈癌局部复发信息获取方法，其特征在于，具体包括以下步骤： S1、对头颈癌患者数据的样本集进行划分及CT和PET的图像进行预处理； S2、对步骤S1处理后的图像进行多视图数据增强，具体包括：将三维CT和PET图像以及对应的肿瘤轮廓标签沿Z轴旋转，获得多个不同角度的三维图像视图和对应的轮廓标签视图；将所述三维图像视图和对应的轮廓标签视图分别沿水平轴投影为二维图像；以所述轮廓标签视图为依据，将所述二维图像截取为统一尺寸； S3、构建基于多模态监督对比学习的图像编码网络，具体包括：对于S2中得到的每个二维图像视图，通过随机的数据增强方式生成增强图像；将所述增强图像分别输入到以残差网络为基础的编码器中，得到特征向量；其中，所述多模态监督对比学习利用样本的复发标签信息，在同一批次中将同一类别的所有图像作为正样本，不同类别的图像作为负样本； S4、对步骤S3构建的基于多模态监督对比学的图像编码网络进行训练，分别得到CT和PET的编码网络；训练过程中，采用模态内与模态间监督对比损失函数的和作为目标函数； 模态内监督对比损失函数为： 其中，为样本总数，为样本的标签，为指示函数，当中的条件满足时值为1，否则为0，为当前样本，为与标签相同且不同于的样本，为损失空间中的特征向量，为所有样本中不同于的样本，为温度参数； 模态间监督对比损失函数为： 其中，为边缘参数，表示CT样本，表示PET样本，为CT样本与PET样本之间的相似度函数，计算方式如下： 其中，和分别为CT与PET的联合嵌入空间映射，和分别为CT和PET提取的特征表示，和表示网络参数，和为权重； 最终的总损失函数为： 其中，和分别为模态内与模态间损失所占的比重； S5、视图池化融合图像编码，具体包括：将S2中得到的每个样本的多个不同视图通过S4训练得到的编码器进行特征提取，并对同一模态的多个视图的特征向量进行最大池化融合； S6、将临床数据按照基于属性的混合编码策略进行编码； S7、构建基于多模态解耦双线性池化融合的分类器网络，具体包括：首先，构建CT和PET图像编码的多模态解耦双线性池化融合MFB模块，将S5得到的CT和PET模态的融合特征作为输入，得到图像模态融合后的特征向量；然后，构建图像编码与临床编码的多模态解耦双线性池化融合模块，将所述图像模态融合后的特征向量和S6得到的临床编码作为输入； S8、对步骤S7构建的分类器网络进行训练。

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西安电子科技大学，其通讯地址为：710071 陕西省西安市太白南路2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。