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！

龙图腾网获悉重庆邮电大学申请的专利一种基于多模态的肝移植用药剂量预测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：CN119397492B 。

龙图腾网通过国家知识产权局官网在2025-11-07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：202411444366.8，技术领域涉及：G06F18/27；该发明授权一种基于多模态的肝移植用药剂量预测方法是由李欣蔚;张惠城;何江涛;屈小凤;刘志超设计研发完成，并于2024-10-16向国家知识产权局提交的专利申请。

本一种基于多模态的肝移植用药剂量预测方法在说明书摘要公布了：本发明属于生物医药与数据处理技术领域，具体涉及一种基于多模态的肝移植用药剂量预测方法，包括采集肝移植受者的临床数据并处理得到样本集，划分为训练集和测试集；构建多模态线性回归模型；将训练集中样本通过特征提取模块得到原始特征序列；将原始特征序列输入特征降维模块得到降维特征序列；将降维特征序列输入注意力机制模块得到增强特征序列；增强特征序列经过多模态融合模块得到融合特征序列；将融合特征序列输入预测模块得到预测结果，训练优化模型参数；获取待处理临床数据输入训练好的多模态线性回归模型，得到药剂用量预测结果；本发明能够准确预测他克莫司个体化剂量。

本发明授权一种基于多模态的肝移植用药剂量预测方法在权利要求书中公布了：1.一种基于多模态的肝移植用药剂量预测方法，其特征在于，包括以下步骤： S1.采集肝移植受者的临床数据，所述临床数据包括表格类数据和图像类数据；对所有临床数据进行处理得到样本集，将样本集划分为训练集和测试集；样本集中每一条样本包括表格样本和图像样本； S2.构建多模态信息线性回归模型，其包括特征提取模块、特征降维模块、注意力机制模块、多模态融合模块、预测模块； S3.将训练集中的样本通过特征提取模块得到原始特征序列，所述原始特征序列包括原始图像特征序列和原始表格特征序列； 将训练集中的样本通过特征提取模块得到原始特征序列，包括： S31.采用预训练ResNet50处理样本中的图像样本，得到原始图像特征序列； S32.采用全连接网络层处理样本中的表格样本得到原始表格特征序列； S4.将原始特征序列输入特征降维模块得到降维特征序列，所述降维特征序列包括图像降维特征序列和表格降维特征序列； 特征降维模块包括编码器和解码器；将原始特征序列输入特征降维模块得到降维特征序列包括： S41.将原始图像特征序列输入编码器得到第一均值和第一标准差，采用重参数化方法生成第一潜在变量； S42.解码器对第一潜在变量进行重建处理得到图像降维特征序列； S43.将原始表格特征序列输入编码器得到第二均值和第二标准差，采用重参数化方法生成第二潜在变量； S44.解码器对第二潜在变量进行重建处理得到表格降维特征序列； S45.将图像降维特征序列和表格降维特征序列组合为降维特征序列； S5.将降维特征序列输入注意力机制模块得到增强特征序列，所述增强特征序列包括图像增强特征表示和表格增强特征表示； 注意力模块包括PLGA模块和PLGCroA模块；将降维特征序列输入注意力模块得到增强特征序列，包括： S51.将图像降维特征序列输入PLGA模块得到图像拼接特征表示； S52.将表格降维特征序列输入PLGA模块得到表格拼接特征表示； S53.将图像拼接特征表示和表格拼接特征表示输入PLGCroA模块，得到图像增强特征表示和表格增强特征表示； S6.将增强特征序列输入多模态融合模块，输出得到融合特征序列； 多模态融合模块由基于双线性积的门控注意力机制实现，包括： S61.通过门控机制设置第一权重和第二权重； S62.将图像增强特征表示和第一权重相乘得到图像特征嵌入；将表格增强特征表示和第二权重相乘得到表格特征嵌入； S63.通过双线性积计算图像特征嵌入和表格特征嵌入，得到融合特征序列； S7.融合特征序列经过预测模块得到预测结果，根据预测结果计算损失并反向传播训练优化模型参数，直至模型参数收敛； S8.获取待处理临床数据输入训练好的多模态信息线性回归模型，得到药剂用量预测结果。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区南山街道崇文路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。