Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 四川大学华西医院王成弟获国家专利权

四川大学华西医院王成弟获国家专利权

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!

龙图腾网获悉四川大学华西医院申请的专利基于大模型的肺结节风险预测方法、系统、设备及介质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:CN120544910B

龙图腾网通过国家知识产权局官网在2025-11-18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:202511037246.0,技术领域涉及:G16H50/30;该发明授权基于大模型的肺结节风险预测方法、系统、设备及介质是由王成弟;李为民;刘丹;杨柳青;刘锋;周振;俞益州;李一鸣设计研发完成,并于2025-07-28向国家知识产权局提交的专利申请。

基于大模型的肺结节风险预测方法、系统、设备及介质在说明书摘要公布了:本发明公开了一种基于大模型的肺结节风险预测方法、系统、设备及介质,属于人工智能技术领域,其目的在于解决现有技术中网络模型泛化能力不足、对肺结节多任务预测效果差的技术问题。其包括:获取包括医学影像、基因检测以及人口学资料在内的多种模态的样本数据;并分别经专属特征提取模块后得到单模态特征,再输入多个专家网络并得到单模态专家;单模态特征经跨模态注意力模块后得到多模态特征,再输入多个专家网络并得到多个多模态专家;三个任务MoE模块均配套设有任务门控网络,任务MoE模块根据计算的每个专家被激活的概率选择最合适的专家集合;获取待预测数据并输入选择的专家集合,任务模型输出肺结节恶性、生长和浸润性风险预测结果。

本发明授权基于大模型的肺结节风险预测方法、系统、设备及介质在权利要求书中公布了:1.一种基于大模型的肺结节风险预测方法,其特征在于,包括以下步骤: 步骤S1,获取样本数据; 获取包括医学影像、基因检测以及人口学资料在内的多种模态的样本数据,并对样本数据进行标注,得到标签数据; 步骤S2,构建共享专家集合; 多种模态的样本数据分别经对应模态的专属特征提取模块进行特征提取后得到多种对应的单模态特征,将单模态特征、标签数据输入多个专家网络分别进行学习,得到多种模态对应的单模态专家; 多种对应的单模态特征经跨模态注意力模块进行跨模态融合后得到多模态特征,将多模态特征、标签数据输入多个专家网络分别进行学习,得到多个多模态专家; 将单模态专家、多模态专家进行组合,得到共享专家集合; 步骤S3,生成任务模型; 生成任务模型,任务模型包括依次设置的分别用于恶性风险预测、生长风险预测以及浸润性预测的三个任务MoE模块,每个任务MoE模块均配套设有一个任务门控网络,任务MoE模块计算输入任务MoE模块的共享专家集合以及任务MoE模块内的任务专属专家中每个专家被激活的概率,任务门控网络根据专家被激活的概率进行加权组合,选择加权组合后概率值最高的专家作为专家集合,根据三个任务的专家集合生成任务模型; 每个任务门控网络均包括前馈神经网络、softmax函数; 共享专家集合输入任务MoE模块后,共享专家集合与任务MoE模块内的任务专属专家经前馈神经网络后,由softmax函数输出每个专家被激活的概率,并根据专家被激活的概率进行加权组合,选择加权组合后概率值最高的专家作为专家集合; 在选择对应任务的专家集合时,采用梯度归一化方法对每个任务的梯度进行梯度均衡动态调整、采用软门控对每个任务的损失进行语义条件加权; 步骤S4,实时预测; 获取待预测数据并输入任务模型,任务模型输出肺结节恶性、生长和浸润性风险预测结果。

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四川大学华西医院,其通讯地址为:610041 四川省成都市武侯区国学巷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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。