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！

龙图腾网获悉浙江大学申请的专利基于图像和多模态数据的肠息肉识别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：CN120808342B 。

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：202511297951.4，技术领域涉及：G06F40/295；该发明授权基于图像和多模态数据的肠息肉识别方法是由罗威;汪雅雯;余锋;马振国设计研发完成，并于2025-09-11向国家知识产权局提交的专利申请。

本基于图像和多模态数据的肠息肉识别方法在说明书摘要公布了：本发明公开了一种基于图像和多模态数据的肠息肉识别方法，包括以下步骤：获取多个显微镜的病理图像、病理图像对应的物镜倍率信息，以及对应肠镜下的文本信息；对获取的每一帧病理图像和文本信息进行数据预处理，得到训练数据集；构建多尺度多模态特征分类网络，使用训练数据集进行训练，获得训练后的多尺度多模态特征融合分类网络；采集患者的显微镜病理图像，获取对应肠镜文本信息，分别进行数据预处理后输入到多尺度多模态特征融合分类网络中，获得模型对疾病的类别预测。本发明充分融合病理图像与肠镜文本信息，最终实现对疾病类型的准确分类预测，提升了肠道疾病多模态诊断的效果和效率，从而提高对病患诊断的精准性。

本发明授权基于图像和多模态数据的肠息肉识别方法在权利要求书中公布了：1.一种基于图像和多模态数据的肠息肉识别方法，其特征在于，包括以下步骤： 获取多个显微镜的病理图像、病理图像对应的物镜倍率信息，以及对应肠镜下的文本信息； 对获取的每一帧所述病理图像和所述文本信息进行数据预处理，得到训练数据集； 构建多尺度多模态特征分类网络，使用所述训练数据集进行训练，获得训练后的多尺度多模态特征融合分类网络； 采集患者的显微镜病理图像，获取对应肠镜文本信息，分别进行数据预处理后输入到多尺度多模态特征融合分类网络中，获得模型对疾病的类别预测； 对获取的每一帧所述病理图像和所述文本信息进行数据预处理的方法包括： 对所述病理图像按不同物镜倍率进行切窗、有效性筛选及有效性筛选后的特征提取，得到图像特征； 对所述文本信息进行结构化处理，对进行结构化处理后的文本信息进行向量化处理，得到文本特征； 对所述病理图像按不同物镜倍率进行切窗的方法如下: 按照病理图像所属的不同物镜倍率，采用划窗方法切取不同大小的小图； 所述小图的分辨率大小按照M个不同物镜倍率分别为Wmpixelμm,m∈[1,M]； 对所述病理图像按不同物镜倍率进行有效性筛选的方法如下： 计算图像RGB数据在红色通道上的平均值Rmean与最大值Rmax，计算两者的比例： 设置有效阈值Cthreshold，认为RC为有效图像； 对所述病理图像按不同物镜倍率进行有效性筛选的后的特征提取的方法如下： 将相同尺度的小图像堆叠起来，并重采样到预训练网络需要的指定大小，每个尺度的小图数量记为： Nm,m∈[0,M-1]， 随后采用任意在ImageNet数据集或病理图像上预训练好的网络进行图像特征提取，将所有小图像抽取为长度为Dinput的一维向量，由此获得每个尺度的图像特征为： 其中fimage表示图像特征，形状为Nm×Dinput，Nm表示m倍率下的小图数量，Dinput表示预训练网络分类层的前一层神经元数量，即输出的特征向量长度。

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浙江大学，其通讯地址为：310000 浙江省杭州市西湖区浙大路38号浙江大学玉泉校区；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。