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！

龙图腾网获悉北京惠每云科技有限公司申请的专利医疗多模态模型训练方法、装置、电子设备及存储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：CN120853191B 。

龙图腾网通过国家知识产权局官网在2025-12-23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：202511349095.2，技术领域涉及：G06V30/19；该发明授权医疗多模态模型训练方法、装置、电子设备及存储介质是由凌鸿顺;王实;张奇设计研发完成，并于2025-09-22向国家知识产权局提交的专利申请。

本医疗多模态模型训练方法、装置、电子设备及存储介质在说明书摘要公布了：本发明涉及医疗多模态模型训练方法、装置、电子设备及存储介质，该方法包括：获取多模态医疗数据，包含医疗图像数据和医疗文本数据，并将医疗图像数据和医疗文本数据分别转换为图像标记和文本标记。对图像标记和文本标记进行编码处理，以提取图像特征和文本特征，并将图像特征和文本特征输入至医疗多模态模型进行信息关联。基于图像特征和文本特征的关联信息，通过医疗多模态模型根据预设的任务目标进行迭代训练，得到训练后的医疗多模态模型。医疗多模态模型由医疗图像分割模型、医疗图像分类模型、医疗视觉问答模型以及医疗文本分类模型共同构成，任务目标为医疗图像分割任务、医疗图像分类任务、医疗视觉问答任务以及医疗文本分类任务。

本发明授权医疗多模态模型训练方法、装置、电子设备及存储介质在权利要求书中公布了：1.一种医疗多模态模型训练方法，其特征在于，所述方法包括： 获取多模态医疗数据，所述多模态医疗数据包含医疗图像数据和医疗文本数据，并将所述医疗图像数据和医疗文本数据分别转换为图像标记和文本标记； 对所述图像标记和文本标记进行编码处理，以提取图像特征和文本特征，并将所述图像特征和文本特征输入至医疗多模态模型进行信息关联； 基于所述图像特征和文本特征的关联信息，通过所述医疗多模态模型根据预设的任务目标进行迭代训练，得到训练后的医疗多模态模型； 其中，所述医疗多模态模型由医疗图像分割模型、医疗图像分类模型、医疗视觉问答模型以及医疗文本分类模型共同构成，所述任务目标为医疗图像分割任务、医疗图像分类任务、医疗视觉问答任务以及医疗文本分类任务； 其中，所述基于所述图像特征和文本特征的关联信息，通过所述医疗多模态模型根据预设的任务目标进行迭代训练，得到训练后的医疗多模态模型，包括： 当目标任务为所述医疗图像分割任务时，将所述医疗图像数据输入至所述医疗图像分割模型，以调用所述医疗图像分割模型的多个卷积层和下采样层从所述医疗图像数据中提取图像特征，并在瓶颈层对所述图像特征进行压缩； 在解码阶段通过多个上采样层和卷积层将所述图像特征转换为所述医疗图像数据的图像尺寸，并将解码器和编码器对应层的图像特征进行融合，以输出图像分割结果； 当目标任务为所述医疗图像分类任务时，将所述医疗图像数据输入至所述医疗图像分类模型，以调用所述医疗图像分类模型将所述医疗图像数据分割为多个图像块，并通过图像分词器将每个图像块转换为固定维度的图像块嵌入向量； 将所有图像块对应的所述图像块嵌入向量输入至自注意力机制的神经网络模型，以捕捉不同图像块之间的依赖关系，生成图像分类结果； 当目标任务为所述医疗视觉问答任务时，将所述医疗图像数据以及与所述医疗图像数据关联的医疗文本数据输入至所述医疗视觉问答模型，以调用神经网络模型捕捉所述医疗图像数据和医疗文本数据中图像标记和文本标记的依赖关系，得到融合的视觉-文本特征； 将所述视觉-文本特征输入至文本解码器，以输出医疗视觉问答文本； 当目标任务为所述医疗文本分类任务时，将所述医疗文本数据输入至基于BERT模型架构的医疗文本分类模型，以调用所述医疗文本分类模型基于所述医疗文本数据对应的文本标记按照预设医疗类型输出文本分类结果。

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北京惠每云科技有限公司，其通讯地址为：100000 北京市海淀区知春路6号(锦秋国际大厦)18层B01；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。