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！

龙图腾网获悉华中科技大学同济医学院附属协和医院申请的专利一种医学超声大模型的训练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：CN121212270B 。

龙图腾网通过国家知识产权局官网在2026-03-06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：202511746765.4，技术领域涉及：G06T7/254；该发明授权一种医学超声大模型的训练方法是由张丽;朱业;张紫桑;陈镭冲;陈雯雯;李雪珂设计研发完成，并于2025-11-26向国家知识产权局提交的专利申请。

本一种医学超声大模型的训练方法在说明书摘要公布了：本发明提出一种医学超声大模型的训练方法，涉及超声图像处理技术领域，包括：收集多模态超声图像、诊断文本和层次化标签；计算散斑统计描述子；构建师生模型架构，通过为每个标签层级和成像模态构建映射矩阵将图像特征投影到标签空间；定义散斑敏感性向量，根据散斑统计动态计算模态权重并进行加权融合；构建包括层次化标签映射损失、散斑引导时序一致性损失和多模态知识对齐损失的联合损失函数；通过反向传播迭代训练学生模型。本发明利用超声图像的散斑物理特性自适应调整多模态融合权重，实现轻量化模型的高效知识传递。

本发明授权一种医学超声大模型的训练方法在权利要求书中公布了：1.一种医学超声大模型的训练方法，其特征在于，包括： S1、收集训练数据，包括多模态超声图像、诊断文本和层次化标签，层次化标签包括三个标签层级，分别为系统层级标签、器官层级标签和病变层级标签； S2、对多模态超声图像中的每帧图像采用滑动窗口统计局部像素灰度值，计算散斑统计描述子； S3、构建医学超声大模型，包括教师模型和学生模型，教师模型和学生模型均分别提取多模态超声图像各成像模态的图像特征和诊断文本的文本特征，通过为每个标签层级和每个成像模态构建的映射矩阵将图像特征投影到对应标签层级的标签空间，得到投影特征； S4、为每个标签层级和每个成像模态定义散斑敏感性向量，通过散斑敏感性向量与散斑统计描述子的运算计算模态权重，采用模态权重对同一标签层级的各模态投影特征进行加权融合，得到教师模型和学生模型在各标签层级的融合特征； S5、构建损失函数，包括层次化标签映射损失、散斑引导的时序一致性损失和多模态知识对齐损失，其中层次化标签映射损失基于融合特征计算，多模态知识对齐损失基于教师模型和学生模型的图像特征和文本特征计算；散斑引导的时序一致性损失的计算过程为： 对于多模态超声图像中相邻的两帧图像和，t和t+1表示帧索引，计算散斑时序变异度，其中，和分别为和的散斑统计描述子； 根据散斑时序变异度定义散斑稳定性门控函数，当散斑时序变异度小于稳定性阈值时，判定散斑稳定，门控函数取值为1.0；当散斑时序变异度大于或等于稳定性阈值时，门控函数取值为0.1； 散斑引导的时序一致性损失计算式为： ； 其中，为多模态超声图像的帧数量，表示成像模态的总数，为标签层级索引，为图像模态索引，和为学生模型提取的相邻帧图像特征，为L2范数； S6、基于损失函数采用反向传播算法更新学生模型参数、映射矩阵和散斑敏感性向量，迭代训练直至达到训练截止条件，得到训练好的医学超声大模型。

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华中科技大学同济医学院附属协和医院，其通讯地址为：430022 湖北省武汉市解放大道1277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。