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！

龙图腾网获悉杭州全景医学影像诊断有限公司申请的专利一种基于PET/MR多模态影像的肺癌智能检测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：CN120635098B 。

龙图腾网通过国家知识产权局官网在2025-11-14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：202511149362.1，技术领域涉及：G06T7/00；该发明授权一种基于PET/MR多模态影像的肺癌智能检测系统是由许远帆;梁江涛;朱艳芳;李峰;潘建虎设计研发完成，并于2025-08-18向国家知识产权局提交的专利申请。

本一种基于PET/MR多模态影像的肺癌智能检测系统在说明书摘要公布了：本发明涉及智能医学领域，具体是一种基于PETMR多模态影像的肺癌智能检测系统，包括数据采集模块、数据预处理模块、智能多模态分类模块和肺癌检测模块；本发明采用基于双向注意力机制的跨模态特征融合方法，在多模态融合的基础上，通过视觉嵌入考虑细粒度视觉特征并整合单模态特征，增强视觉模态的特征，同时对肺癌病理进行对象级语义挖掘，既考虑跨模态的交互又强调单一模态的重要性，实现准确的肺部状况检测；本发明采用一种基于跨通道融合的多尺度混合UNet模型，对多模态融合图像的肺癌病灶区域进行分割，增强语义信息提取能力以及跨模态融合性能，促进多尺度信息融合，增强不同尺度的特征表示能力，增加肺癌检测的准确性。

本发明授权一种基于PET/MR多模态影像的肺癌智能检测系统在权利要求书中公布了：1.一种基于PETMR多模态影像的肺癌智能检测系统，其特征在于： 包括数据采集模块、数据预处理模块、智能多模态分类模块和肺癌检测模块； 所述数据采集模块，采用呼吸内科就诊人的肺部的PET图像、MR图像以及肺部病理数据； 所述数据预处理模块，对PET图像和MR图像进行去噪处理； 所述智能多模态分类模块，对PET图像、MR图像进行配准融合得到融合图像，采用一种基于跨通道融合的多尺度混合UNet模型，对融合图像的病灶区域进行分割得到分割图像，采用基于双向注意力机制的跨模态特征融合方法对病理数据以及分割图像进行跨模态的融合与预测分类，得到肺部状况分类结果； 所述肺部状况分类结果的计算过程，具体包括以下步骤： 步骤S1：语义特征提取，采用Sentence-BERT模型提取肺部病理数据的语义特征； 步骤S2：图像级多模态融合，对PET图像和MR图像进行基于位置配准的图像级融合，得到融合图像； 步骤S3：融合图像分割，采用一种基于跨通道融合的多尺度混合UNet模型对融合图像进行分割得到分割图像，具体包括以下步骤： 步骤S31：多层下采样，采用编码器对融合图像进行特征编码与四层下采样，得到初始编码特征与四层下采样特征； 步骤S32：对第二层与第三层的下采样特征分别进行重新塑造与映射，使之维度与第一层的下采样特征一致，得到重塑特征； 步骤S32：将重塑特征与第一层的下采样进行拼接，得到组合特征； 步骤S33：将组合特征划分为多个补丁，对多个补丁进行通道维度上的特征融合，得到全局融合特征； 步骤S34：将全局融合特征投影为二维特征，并将二维特征平均拆分为三个独立特征； 步骤S35：将三个独立特征分别进行重新塑造与映射，使其维度分别与第一层至第三层的下采样特征一致，得到三层优化下采样特征； 步骤S36：特征上采样，将初始编码特征、三层优化下采样特征与第四层的下采样特征作为解码器的输入进行上采样，得到分割特征图； 步骤S37：对分割特征图进行激活输出，得到分割图像； 步骤S4：跨模态特征融合，对分割图像进行嵌入处理与特征提取得到分割图像特征，对分割图像特征与语义特征进行基于双向注意力机制的跨模态特征融合与softmax函数预测输出，得到综合预测值，具体包括以下步骤： 步骤S41：图嵌入处理，将分割图像平均分割为n个区域，每个区域重新进一步划分为n个小块； 步骤S42：线性投影，将每个区域的所有小块展平，并通过可学习的线性投影矩阵将每个区域的所有小块投影为d维，得到每个区域的所有嵌入表示； 步骤S43：将每个区域的所有嵌入表示进行集合并添加标记嵌入与位置嵌入，得到每个区域的视觉嵌入： ； 式中，表示添加的标记嵌入，代表第一个嵌入表示，表示添加的位置嵌入，用于标明所有嵌入表示在区域中的相对位置，代表第i个区域的视觉嵌入； 步骤S44：将所有视觉嵌入输入到编码器中进行特征编码，得到视觉区域特征，将所有视觉区域特征进行组合，得到分割图像特征； 步骤S45：基于双向注意力机制的跨模态特征融合，对语义特征与分割图像特征进行基于双向注意力机制的跨模态特征融合与softmax函数预测输出，得到综合预测值，具体包括以下步骤： 步骤S451：基于多头交叉注意力机制的文本引导特征提取，采用多头交叉注意力机制对语义特征与分割图像特征进行视觉到文本的跨模态特征提取，得到文本引导特征： ； 式中，代表层归一化，代表语义特征，代表分割图像特征，代表多头交叉注意力机制处理，代表文本引导特征； 步骤S452：基于多头自注意力机制的特征优化，对文本引导特征进行基于多头自注意力机制的特征优化，得到优化文本引导特征： ； 式中，代表多头自注意力机制处理，代表优化文本引导特征； 步骤S453：前馈神经网络输出，对优化文本引导特征进行层归一化处理与前馈神经网络输出，得到文本引导的跨模态特征： ； 式中，表示层归一化，表示前馈神经网络处理，代表文本引导的跨模态特征； 步骤S454：视觉引导的跨模态特征计算，重复步骤S451-步骤S453，以分割图像特征作为输入，得到视觉引导的跨模态特征： ； ； ； 步骤S455：跨模态特征融合，将文本引导的跨模态特征与视觉引导的跨模态特征进行融合，得到双向跨模态特征； 步骤S456：多模态特征融合输出，采用多头自注意力机制对语义特征、分割图像特征和双向跨模态特征进行融合，并添加权重进行调节，得到多模态输出： ； 式中，表示双向跨模态特征，为预设权重，为调节参数，代表多模态输出； 步骤S457：多模态特征综合输出，对语义特征与分割图像特征分别进行加权激活输出，并与多模态输出进行相加，得到综合预测值： ； ； ； 式中，、为预设权重，为调节参数，与分别代表文本预测值与视觉预测值，代表综合预测值； 步骤S5：肺部状况分类，根据综合预测值对所有患者的肺部情况进行分类，得到肺部状况分类结果； 所述肺癌检测模块，采用已知肺癌状况的呼吸内科就诊人的肺部的PET图像、MR图像以及肺部病理数据对智能多模态分类模块进行训练，将训练好的智能多模态分类模块对未知肺癌状况的呼吸内科就诊人进行肺部情况的分类检测，得到肺癌检测结果。

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杭州全景医学影像诊断有限公司，其通讯地址为：310009 浙江省杭州市上城区江城路893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。