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！

龙图腾网获悉重庆理工大学申请的专利一种跨模态聚类引导图像编码器的训练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：CN119851065B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202510039422.8，技术领域涉及：G06V10/774；该发明授权一种跨模态聚类引导图像编码器的训练方法是由兰利彬;李洪兴;卢玲;朱凌云;夏遵辉;李颜心设计研发完成，并于2025-01-10向国家知识产权局提交的专利申请。

本一种跨模态聚类引导图像编码器的训练方法在说明书摘要公布了：本发明涉及一种跨模态聚类引导图像编码器的训练方法，该方法将对比学习与聚类算法相结合，无缝利用医学图像和放射学文本的全局和局部特征。此方法促进了更为通用和鲁棒的医学视觉表示学习。将图像子区域和文本句子视为进行全局和局部对比学习的基本单元。全局图像和全局文本特征分别通过对编码器提取的局部图像和局部文本特征应用注意力池化得到，随后用于计算全局对比损失。一种跨模态聚类算法，利用通过跨模态注意力获得的局部图像‑文本特征来生成额外的负样本，这些负样本随后被用来计算局部对比损失。

本发明授权一种跨模态聚类引导图像编码器的训练方法在权利要求书中公布了：1.一种跨模态聚类引导图像编码器的训练方法，其特征在于：包括如下步骤： S1：接收一个数据集该数据集由N对医学图像和报告组成的数据对，其中分别表示第i张医学图像和第i个报告，医学图像和报告一一对应；对G中N对数据对进行预处理； S2：对预处理后的N对数据对进行采用得到一个批次batch，通过图像编码器EI将G中的一个batch中的医学图像映射到潜在空间以获得局部图像特征和全局图像特征通过文本编码器ER将G中一个batch中的报告映射到潜在空间以获得局部文本特征和全局文本特征其中p＝1,2,..P,m＝1,2,…M,P表示一张医学图像中分成的局部图像块的个数，M表示一个报告中句子的数量； S3：使用四个多层感知机MLPs分别将和映射到相同的维度D； 在当前batch中：计算全局医学图像到报告的全局对齐损失时，逐个将医学图像对应的作为锚点anchor，同时将anchor对应的作为正样本，当前batch中的其他作为负样本； 在当前batch中：计算全局报告到医学图像的全局对齐损失时，逐个将医学图像对应作为锚点anchor，同时将anchor对应的作为正样本，当前batch中的其他作为负样本； S4：将和之和作为总的全局损失Lglobal； S5：计算局部图像到报告的注意力表示和报告到局部图像注意力表示 在当前batch中：计算医学图像到报告的局部对齐损失时，逐个将医学图像对应的作为anchor，anchor对应的医学图像的和通过交叉注意力计算得到的两个跨模态表示和和分别代表局部图像到局部文本的跨模态表示和局部文本到局部图像的跨模态表示，将anchor对应的作为正样本，当前batch中的其他当作负样本； 当前batch中：计算双向边界损失Lbml时，逐个将医学图像对应的作为anchor，将与最相似的簇中心所关联的簇中的医学图像视为假负样本； 当前batch中：计算报告到医学图像的局部对齐损失 S6：将Lbml和之和作为局部对齐损失Llocal； S7：以预设的概率随机掩码得到掩码后局部图像特征在通道维度D上连接和利用来补全得到融合后的图像特征，融合后的图像特征通过解码模块进行图像解码和重建，计算融合后的图像特征进行图像解码和重建损失Lre； S8：将Lglobal、Llocal和Lre加权求和得到总体损失L，根据L的值反向更新EI和ER的参数并返回S2，直至L的值不再下降得到训练好的EI和ER； L＝λglobalLglobal+λlocalLlocal+λreLre13 其中λglobal，λlocal和λre分别是对应的超参数。

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重庆理工大学，其通讯地址为：400054 重庆市巴南区红光大道69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。