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！

龙图腾网获悉安徽大学申请的专利相似性报告提示跨模态增强医学报告自动生成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：CN120954613B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202511477258.5，技术领域涉及：G16H15/00；该发明授权相似性报告提示跨模态增强医学报告自动生成方法是由孙登第;陈昭东;沐超凡;赵海峰;董长续;谷宗运设计研发完成，并于2025-10-16向国家知识产权局提交的专利申请。

本相似性报告提示跨模态增强医学报告自动生成方法在说明书摘要公布了：本发明公开一种相似性报告提示跨模态增强医学报告自动生成方法，图像特征提取模块提取多尺度视觉特征，文本特征编码模块提取文本特征；训练阶段医学图像已有对应的报告；测试阶段，对于用于测试的医学图像采用动态提示生成模块选取相似病例，并将相似病例对应的文本报告的文本特征加权融合，输出得到动态提示向量，使用动态提示向量替代对应报告；跨模态特征融合模块动态融合图像特征和文本特征，输出得到融合特征向量；融合特征向量和自回归生成的未结束的报告共同输入CMN后得到增强特征；报告生成模块对增强特征处理输出基于自然语言的诊断报告文本。本发明采用动态提示机制和跨模态注意力，减少无关噪声干扰，降低误诊风险。

本发明授权相似性报告提示跨模态增强医学报告自动生成方法在权利要求书中公布了：1.一种相似性报告提示跨模态增强医学报告自动生成方法，其特征在于，构建并训练自动生成网络，自动生成网络包括图像特征提取模块、文本特征编码模块、跨模态特征融合模块、动态提示生成模块和报告生成模块；收到原始医学图像和对应文本报告后，自动生成网络执行以下步骤： 步骤1、图像特征提取模块采用稠密连接卷积网络DenseNet作为主干网络，对于收到的医学图像，图像特征提取模提取其多尺度视觉特征，输出高层语义图像特征； 步骤2、文本特征编码模块基于预训练好的多模态模型CLIP；收到文本报告，文本特征编码模块的文本编码器依次进行分词处理和特征转换，得到相应文本特征； 在训练阶段，用于训练的医学图像已有对应的报告； 在测试阶段，对于用于测试的医学图像采用动态提示生成模块选取相似病例，并将相似病例对应的文本报告的文本特征加权融合，输出得到动态提示向量，使用动态提示向量替代对应报告； 步骤3、将步骤1所得图像特征和步骤2所得文本特征送入跨模态特征融合模块，跨模态特征融合模块通过计算注意力权重来动态融合对齐两种模态的特征，输出得到融合特征向量；所述跨模态特征融合模块基于CMN记忆模块，包括中间记忆矩阵、跨模态注意力单元和特征融合层，中间记忆矩阵的计算步骤如下： 步骤1、先进行记忆查询，先输入图像特征、文本序列和记忆矩阵；将和与记忆矩阵中的向量转换到统一空间： ，，； 其中为可学习的线性投影矩阵，用于将视觉特征和文本特征映射到统一的查询空间,表示记忆键向量，表示视觉查询向量，表示文本查询向量，是指共享的中间记忆矩阵，表示图像区域特征，是指文本词嵌入； 然后计算每个query与记忆向量的相似度： ； 是指视觉相似度，是指文本相似度，是指视觉查询向量，是指文本查询向量，是指记忆键向量，d是指特征维度；并按照距离选出前K个最相关的记忆矩阵，最后对相似度进行softmax归一化，作为注意力权重、； 步骤2、记忆响应先对选出的记忆向量做一次线性变换，变换公式为： ； 然后利用前面得到的权重对记忆向量加权求和，公式如下： ，； 最终，将响应向量和分别送入编码器encoder和解码器decoder中，与原始特征结合使用以生成报告； 步骤4、将所得融合特征向量和自回归生成的未结束的报告共同输入CMN后得到增强的特征； 步骤5、将步骤4所得增强后的特征输入报告生成模块，报告生成模块基于Transformer解码器，输出基于自然语言的诊断报告文本。

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安徽大学，其通讯地址为：230601 安徽省合肥市蜀山区经开区九龙路111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。