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！

龙图腾网获悉暨南大学申请的专利基于深度学习的多模态脑影像智能特征提取方法及系统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：CN120747705B 。

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：202511272602.7，技术领域涉及：G06V10/80；该发明授权基于深度学习的多模态脑影像智能特征提取方法及系统是由陈家旭;范丽丽;李永欣;马庆宇;李晓娟;鄢黎;姚伟;陈月月设计研发完成，并于2025-09-08向国家知识产权局提交的专利申请。

本基于深度学习的多模态脑影像智能特征提取方法及系统在说明书摘要公布了：本发明涉及医学影像处理技术领域，具体为基于深度学习的多模态脑影像智能特征提取方法及系统，其包括获取模态间空间分布差异图层、生成关键区域标识集合、构建动态时间序列变化轨迹图、剔除异常动态路径并生成过滤后动态路径范围图，以及建立路径排列顺序索引。本发明通过融合空间分布差异与一致性特征，实现关键区域连续识别和动态路径精准解析，提升结构识别准确性与路径顺序判断清晰度，增强多模态脑影像数据中关键区域处理稳定性与动态特征连贯性。

本发明授权基于深度学习的多模态脑影像智能特征提取方法及系统在权利要求书中公布了：1.基于深度学习的多模态脑影像智能特征提取方法，其特征在于，包括以下步骤： S1：获取多模态脑影像数据中不同模态间的像素级空间分布差异，提取各模态数据在关键区域的空间一致性特征，判断空间一致性是否满足预设阈值，生成模态间空间分布差异图层； S2：调用所述模态间空间分布差异图层中的空间分布差异值与一致性特征值，按模态建立序列，对各模态空间分布差异变化进行连续性波动分析，筛选空间一致性低于设定阈值的片段，标注异常区域范围并生成关键区域标识集合； S3：获取多模态脑影像数据中动态时间序列的像素强度变化方向，识别相邻时间点像素强度的变化趋势，判断连续变化趋势是否集中于主方向，筛选变化趋势连贯的片段并形成动态路径结构，生成动态时间序列变化轨迹图； S4：调用所述关键区域标识集合与动态时间序列变化轨迹图的坐标信息，对异常区域与动态路径执行位置重合检测，提取交集片段作为无效动态路径并剔除，保留其余动态路径并提取其边界轮廓，生成过滤后动态路径范围图； S5：调用所述过滤后动态路径范围图中的轮廓范围，提取内部图形中心位置，对任意两个图形块执行角度与距离测算，按排列一致性对结构块归类并形成连接顺序，生成路径排列顺序索引； 所述路径排列顺序索引包括中心点位置集、排列方向夹角、路径连接顺序和结构块归类编号； 所述路径排列顺序索引的获取步骤为： S501：调用所述过滤后动态路径范围图中记录的轮廓边界信息，限定图像中每个边界矩形所覆盖的图形区域作为搜索范围，提取各范围内动态路径的轮廓坐标集合，并计算每条轮廓边界中所有像素坐标的几何中心点，将动态路径区域内图形结构中心点按坐标顺序组织，生成图形区域中心点坐标组； S502：基于所述图形区域中心点坐标组，计算任意两个中心点之间的方向夹角与空间距离值，将所有中心点对的方向角与距离作为组合参数集合，用于识别排列趋势，调用每一中心点与相邻点之间的方向角度差值判断其排列走向是否具备连续性特征，生成方向偏移筛选路径集； S503：根据所述方向偏移筛选路径集，提取满足连续性方向特征的中心点连接路径集合，依据路径中点位在图像坐标中的相对顺序进行编号，将所有已编号路径映射至统一图层并合并为单一排序图形结构，建立路径排列顺序索引。

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暨南大学，其通讯地址为：510632 广东省广州市黄埔大道西601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。