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基于跨模态注意力机制和矢量融合的多器官配准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：CN119273724B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202411207758.2，技术领域涉及：G06T7/33；该发明授权基于跨模态注意力机制和矢量融合的多器官配准方法是由缑水平;朱征宇;李颖萍;汪文婷;童诺;刘柯宏设计研发完成，并于2024-08-30向国家知识产权局提交的专利申请。

本基于跨模态注意力机制和矢量融合的多器官配准方法在说明书摘要公布了：本发明公开了一种基于跨模态注意力机制和矢量融合的多器官配准方法，主要解决现有技术对腹部与头颈部的CT与MRI进行多模态影像多器官配准效果差的问题。其实现方案是：对腹部与头颈部的多器官多模态数据进行预处理；建立由数个级联的下采样卷积块和数个级联的跨模态注意力机制模块组成的多模态信息编码器；提取不同模态图像的特征图，将其与不同下采样卷积块提取的图像原始特征图进行拼接和卷积得到融合特征图；建立多分枝的单器官形变图解码器以生成各个器官的形变图；建立矢量梯度融合模块以减小多器官形变图融合时的冲突，实现跨模态的多器官配准。本发明能保持各个器官的形态和结构，提高多器官配准的准确性。可用于医生制定手术计划、放射治疗及辅助诊断。

本发明授权基于跨模态注意力机制和矢量融合的多器官配准方法在权利要求书中公布了：1.一种基于跨模态注意力机制和矢量融合的多器官配准方法，其特征在于，包括如下步骤： 1获取腹部和头颈部CT和MRI数据，对其进行筛选、预处理，分别划分腹部和头颈部CT、MRI这两个图像数据的训练集、验证集、测试集； 2构建基于跨模态注意力机制和矢量融合的多模态多器官配准网络CAVF-MMR： 2a建立由数个级联的下采样卷积块和数个级联的跨模态注意力机制模块组成的多模态信息编码器U1，用于提取CT和MRI这两个模态图像的特征图feacross_0、feacross_1； 2b建立包括多个分枝的单器官形变图解码器U2，用于解码各个器官的单器官形变图； 2c选用现有U-Net网络作为全局概率图生成网络U3，用于生成全局概率图ga； 2d建立包括多头注意力机制模块U4、泊松融合模块U5、多器官形变图解码网络U6、和空间变换模块U7的矢量融合模块U8，用于对所有的单器官形变图进行融合； 2e将多模态信息编码器U1连接到单器官形变图解码器U2，再将单器官形变图解码器U2、概率图生成网络U3与矢量融合模块U8级联，构成基于跨模态注意力机制和矢量融合的多模态多器官配准网络CAVF-MMR； 3对多模态多器官配准网络CAVF-MMR进行训练： 3a定义多模态多器官配准网络CAVF-MMR的全局损失函数L： L＝∑Li+La+Lmse+Lsm Li是参考图像A和配准图像B中第i个器官的Dice损失，La是参考图像A和配准图像B中所有器官并集a的Dice损失，Lmse是参考图像A和配准图像B中所有器官并集a的MSE损失，Lsm是配准图像B的平滑损失； 3b将训练集中某一批次的数据输入到多模态多器官配准网络，根据训练集的参考图像At及其标签lAt、配准图像Bt及其配准标签lBt，利用全局损失函数计算得到训练集的全局损失值Lt； 3c对训练集全局损失Lt进行反向传播迭代更新网络参数； 3d根据验证集中某一批次数据的参考图像Av及其标签lAt、配准图像Bv及其配准标签lBv计算得到验证集的全局损失Lv，用于评估当前配准网络的配准性能； 3e重复3b到3c，直至训练集全局损失Lt收敛，得到训练好的配准网络； 4将测试集中的待配准图像输入到训练好的配准网络模型中，得到测试集的多器官配准结果。

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 陕西省西安市雁塔区太白南路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。