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！

龙图腾网获悉北京航空航天大学申请的专利一种基于数据水平融合的多模态双路径融合网络结构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：CN119785169B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202411771223.8，技术领域涉及：G06V10/82；该发明授权一种基于数据水平融合的多模态双路径融合网络结构是由胡凯;夏鹏凯;任旖航;张亮;黄洁华;李江;李洁设计研发完成，并于2024-12-04向国家知识产权局提交的专利申请。

本一种基于数据水平融合的多模态双路径融合网络结构在说明书摘要公布了：本发明公开了一种基于数据水平融合的多模态双路径融合网络的图像处理方法，涉及双路径融合网络结构技术领域，包括：数据集构建与预处理，选用多个数据集并处理，对图像增强与归一化；网络结构搭建，构建双路径网络，用主流主干网络在不同数据集上预训练、优化训练后拼接特征层并分类训练；数据融合与分类，对双路特征水平融合，采用加权策略确定权重，将融合特征输入全连接层依softmax函数分类。本发明提高了眼科疾病诊断准确性与模型鲁棒性，提升泛化能力，优化网络训练，推动医学智能诊断发展。

本发明授权一种基于数据水平融合的多模态双路径融合网络结构在权利要求书中公布了：1.一种基于数据水平融合的多模态双路径融合网络的图像处理方法，其特征在于，包括以下步骤和组件： 数据集构建与预处理步骤：选用DeepDR、Aptos和EyePacs数据集，DeepDR数据集包含1000多名患者数据，提供以视盘和黄斑为中心的成对图像，由1200张训练图像和400张测试图像组成，含五类分级标签；Aptos数据集有3662张训练图像和1928张测试图像，含5类分级标签；EyePacs数据集是最大眼底数据集，含35129张图像，对Aptos数据集中哈希值相同但标签不一致的图像删除，对哈希值和标签均一致的图像仅保留一张，对EyePacs数据集进行等比例采样用于预训练； 对图像进行增强处理，包括仿射变换、颜色空间变换、翻转，使用384×384、512×512和800×800的图像尺寸，对图像进行归一化处理，公式为，其中为归一化后的数据，为原始数据，为对应模态数据的均值，为标准差，使数据处于相似数值范围； 网络结构搭建步骤：构建双路径特征提取网络，一路针对以视盘为中心的图像，另一路针对以黄斑为中心的图像，采用主流主干网络包括VGG、ResNet、Inception或EfficientNet，先在EyePacs数据集上进行预训练，预训练采用尺度迭代训练方法，依次使用384×384、512×512和800×800尺寸图像，批量大小随图像尺寸调整，选择最优模型； 预训练后在DeepDR数据集上进行优化训练，采用逐步迭代优化方式，图像尺寸依次为384×384、512×512和800×800，获得网络模型参数，将两路网络的特征层进行拼接，输入分类网络进行分类训练，按图像尺寸顺序，用上一阶段最佳模型递进式训练； 在特征提取网络中，对于图像数据采用卷积神经网络CNN，包括使用3×3卷积核，步长为1，填充为1进行卷积操作，通过池化层，包括均值池化、最大值池化或金字塔池化，进行选择与过滤，引入ReLU激活函数增加非线性表达，在循环神经网络RNN中，包括长短期记忆网络LSTM，设隐藏层单元数为128，更新门计算公式为，其中为更新门输出，为更新门权重矩阵，为上一时刻隐藏状态，为当前输入，为偏置向量，为sigmoid函数； 数据融合与分类步骤：将两路提取的特征进行水平融合，采用加权融合策略，融合公式为，其中为融合后的特征，α、β、γ为权重系数，且α+β+γ=1，通过训练优化确定权重值，为不同的特征； 将融合特征输入全连接层进行分类，全连接层神经元数量根据具体分类任务确定，采用softmax函数进行分类概率计算，公式为，其中为第i类的预测概率，为全连接层神经元的输出，C为类别总数，根据预测概率确定最终分类结果。

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北京航空航天大学，其通讯地址为：100089 北京市海淀区学院路37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。