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！

龙图腾网获悉重庆医科大学绍兴柯桥医学检验技术研究中心申请的专利一种基于多模态深度学习的智能辅助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：CN119446502B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202510037089.7，技术领域涉及：G16H50/20；该发明授权一种基于多模态深度学习的智能辅助方法及系统是由李典耕;郭劲宏;郭九川;李小松;李毅;王勇;马星设计研发完成，并于2025-01-09向国家知识产权局提交的专利申请。

本一种基于多模态深度学习的智能辅助方法及系统在说明书摘要公布了：本申请公开了一种基于多模态深度学习的智能辅助方法及系统，涉及医学影像处理、数据处理技术，包括：基于病情描述文本数据提取文本特征，以及提取医学影像数据的影像特征；根据提取的文本特征和影像特征分别输入预先训练的LSTM，以利用LSTM输出上下文的病情文本特征和局部的病灶特征；对所输出的上下文的病情文本特征和局部的病灶特征，利用注意力融合机制进行加权融合；将加权融合的特征利用编码器进行编码，以通过编码器输出文本关联的病灶特征；将文本关联的病灶特征与局部的病灶特征利用解码器进行解码，以基于所述解码器输出预测的病灶情况。本申请通过跨模态的文本与图像特征的融合，提高了模型的预测精度。

本发明授权一种基于多模态深度学习的智能辅助方法及系统在权利要求书中公布了：1.一种基于多模态深度学习的智能辅助方法，其特征在于，包括： 获取患者的病情描述文本数据，以及相应诊断时间下的医学影像数据； 基于所述病情描述文本数据提取文本特征，以及提取所述医学影像数据的影像特征； 根据提取的文本特征和影像特征分别输入预先训练的LSTM，以利用LSTM输出上下文的病情文本特征和局部的病灶特征； 对所输出的上下文的病情文本特征和局部的病灶特征，利用注意力融合机制进行加权融合； 将加权融合的特征利用编码器进行编码，以通过编码器输出文本关联的病灶特征； 将文本关联的病灶特征与局部的病灶特征利用解码器进行解码，以基于所述解码器输出预测的病灶情况； 基于所述病情描述文本数据提取文本特征包括： 对所述病情描述文本数据进行分词处理； 基于预先配置的多个病情代表词对分词处理获得的各分词，计算各分词与病情代表词之间的相似度，并统计计算相似度大于预设阈值的各分词的出现频次，其中病情代表词包括固定分词和动态分词； 为固定分词配置第一权重，以及根据动态分词的出现频次为相应分词配置权重，其中出现频次越高权重越大； 根据相似度大于预设阈值的各分词及其权重，提取文本特征； 提取所述医学影像数据的影像特征包括： 根据统计出的动态分词，确定出适配的器官或者组织； 对所述医学影像数据进行分割，以获得多个子区域； 计算分割的子区域与适配的器官或者组织的典型图例之间的相似度，以根据相似度大于预设相似度阈值的多个子区域确定局部影像； 根据所确定的局部影像，提取影像特征； 根据提取的文本特征和影像特征分别输入预先训练的LSTM，以利用LSTM输出上下文的病情文本特征和局部的病灶特征包括： ； 其中，、分别为相应特征在第步长、以及第步长的隐状态，为第步长的特征，、分别为相应特征在第步长、以及第步长的细胞状态； 对所输出的上下文的病情文本特征和局部的病灶特征，利用注意力融合机制进行加权融合包括： ； 其中，为加权融合的特征，、为可训练权重，、为分别基于上下文的病情文本特征和局部的病灶特征加权参数，，，、分别为局部的病灶特征的第一、第二权重矩阵，为病情文本特征的权重矩阵，为跨模态注意力，为LSTM输出的局部的病灶特征，为LSTM输出的上下文的病情文本特征，为预测序列中的当前融合特征，为预测序列中的第个融合特征，为双线性权重矩阵。

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医科大学绍兴柯桥医学检验技术研究中心，其通讯地址为：312028 浙江省绍兴市柯桥区齐贤街道健康岛园区环路与南孙河交叉口以东；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。