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一种基于多模态学习的影像基因融合分类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：CN116956138B 。

龙图腾网通过国家知识产权局官网在2025-08-22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：202310950132.X，技术领域涉及：G06F18/24；该发明授权一种基于多模态学习的影像基因融合分类方法是由刘锦;田旭;王建新设计研发完成，并于2023-07-31向国家知识产权局提交的专利申请。

本一种基于多模态学习的影像基因融合分类方法在说明书摘要公布了：本申请适用于多模态学习技术领域，提供了一种基于多模态学习的影像基因融合分类方法。通过获取受试者的磁共振影像、基因表达信息以及基因序列信息；构建影像基因融合分类模型；依次将每个受试者的磁共振影像、基因表达信息以及基因序列信息输入影像基因融合分类模型，并计算影像基因融合分类模型的损失值；根据损失值，对影像基因融合分类模型进行反向传播，直至影像基因融合分类模型收敛，得到训练后的影像基因融合分类模型；将待分类者的磁共振影像、原始基因表达信息以及原始基因序列信息输入训练后的影像基因融合分类模型，得到待分类者的分类结果。本申请能够提高影像基因融合分类方法的准确度。

本发明授权一种基于多模态学习的影像基因融合分类方法在权利要求书中公布了：1.一种基于多模态学习的影像基因融合分类方法，其特征在于，包括： 获取N个受试者的磁共振影像、原始基因表达信息以及原始基因序列信息； 构建影像基因融合分类模型；所述影像基因融合分类模型包括第一特征提取模块、第二特征提取模块、特征融合模块以及分类模块，所述第一特征提取模块用于对所述磁共振影像进行特征提取，得到每个受试者对应的宏观特征，所述第二特征提取模块根据所述原始基因表达信息和所述原始基因序列信息，提取每个受试者对应的微观特征，所述特征融合模块用于对所述微观特征和所述宏观特征进行非对称流形对齐，得到融合特征，所述分类模块用于对所述融合特征进行分类； 依次将每个受试者的磁共振影像、原始基因表达信息以及原始基因序列信息输入所述影像基因融合分类模型，并计算所述影像基因融合分类模型的损失值； 根据所述损失值，对所述影像基因融合分类模型进行反向传播，直至所述影像基因融合分类模型收敛，得到训练后的影像基因融合分类模型； 将待分类者的磁共振影像、原始基因表达信息以及原始基因序列信息输入所述训练后的影像基因融合分类模型，得到所述待分类者的分类结果； 其中，所述根据所述原始基因表达信息和所述原始基因序列信息，提取每个受试者对应的微观特征，包括： 确定各原始基因表达信息之间的线性关系，并根据所述线性关系构建基因关联网络；所述基因关联网络用于描述每个受试者与所有受试者之间的原始基因表达信息差异； 根据所述基因关联网络，确定每个受试者的预测基因表达信息，并根据所述预测基因表达信息和所述原始基因表达信息，构建表达偏差矩阵；所述表达偏差矩阵用于衡量每个受试者的预测基因表达信息和该受试者原始基因表达信息之间的差异； 根据所述表达偏差矩阵、所述原始基因表达信息以及所述原始基因序列信息，得到每个受试者对应的微观数据； 利用改进后的图卷积神经网络对所述微观数据进行特征提取，得到每个受试者对应的微观特征； 所述利用改进后的图卷积神经网络对所述微观数据进行特征提取，得到每个受试者对应的微观特征，包括： 通过计算公式 得到所述微观特征其中，表示第i个受试者的微观数据在图卷积神经网络第l+1层输出的微观特征，σ表示非线性激活函数，表示第i个受试者的微观数据在图卷积神经网络第l层输出的微观特征，表示当前受试者与全部训练集受试者的第l层邻接关系，邻接关系是受试者特征之间的相似度，表示全部训练集受试者的第l层输出的微观特征，Wl表示对特征进行线性变换的参数矩阵。

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：410000 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”。