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！

龙图腾网获悉辽宁工业大学申请的专利一种用于医学大数据的高效多模态对比深度哈希检索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：CN116881336B 。

龙图腾网通过国家知识产权局官网在2025-10-24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：202310922846.X，技术领域涉及：G06F16/2458；该发明授权一种用于医学大数据的高效多模态对比深度哈希检索方法是由曹玉东;孙浩轩设计研发完成，并于2023-07-26向国家知识产权局提交的专利申请。

本一种用于医学大数据的高效多模态对比深度哈希检索方法在说明书摘要公布了：一种用于医学大数据的高效多模态对比深度哈希检索方法，涉及人工智能技术领域，“以图搜索”功能可能让研究人员查全数据库内全部相似的影像案例，不受以前专家诊断结论的影响，为进一步丰富和纠正数据库提供可能。跨模态的“文字搜索”功能则更适用于初级医生或研究人员。本方法存储空间占用少，可以实现跨模态的快速查找，通过利用医学报告单和其对应x‑ray图像的潜在相关性开发高效的多模态医学数据检索模型，减少存储空间，提高了医学大数据检索的效率，使医生更好地进行学习研究与临床诊断。

本发明授权一种用于医学大数据的高效多模态对比深度哈希检索方法在权利要求书中公布了：1.一种用于医学大数据的高效多模态对比深度哈希检索方法，其特征在于包括以下步骤： S1.获取用于模型训练的包括医学x-ray图像和对应放射科报告的多模态数据集； S2.使用原始特征编码模型和动量编码模型，分别提取医学多模态数据的原始特征和动量特征，然后经过哈希层处理，转换成原始哈希特征和动量哈希特征； S3.对动量哈希特征进行聚类运算，转化为聚类哈希特征，然后与原始哈希特征进行对比学习优化，挖掘多模态哈希特征的类内和类间区别性； S4.将聚类中心当做伪标签，指导哈希生成网络过滤掉数据中的大量噪声； S5.同时将图像模态和文本模态原始特征表示进行对比学习，进一步挖掘多模态数据的类间相似性； S6.为了更适应多模态检索任务，还需进行跨模态相似性学习； S7.在多模态对比哈希模型的训练中使用由S1～S6建立的对比训练框架，指导模型学习过程，帮助模型实现更高效的多模态医学数据检索； 在步骤S2中，使用原始特征编码模型和动量编码模型，分别提取医学多模态数据的原始特征和动量特征，具体包括以下子步骤： S21.获取两个图像哈希特征编码器ImgNeto和ImgNetm，其网络参数分别为θo和θm，图像哈希特征编码器包括visiontransformer编码器Ev和一个哈希层Hi； S22.获取两个文本哈希特征编码器TexNeto和TexNetm，其网络参数分别为和文本哈希特征编码器包括transformer编码器ET和一个哈希层Ht； S23.对于训练数据集中的每幅医学x-ray图像Itrain，其先经过编码器ImgNeto和ImgNetm，分别生成原始图像特征和动量图像特征然后再经过哈希层Hi，分别生成原始哈希特征和动量哈希特征和 S24.对于训练数据集中的每份医学报告Ttrain，其先经过编码其TexNeto和TexNetm，分别生成原始文本特征fot和动量文本特征然后再经过哈希层Ht，分别生成原始哈希特征和动量哈希特征和 其数学表达式为：

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辽宁工业大学，其通讯地址为：121001 辽宁省锦州市古塔区士英街169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。