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！

龙图腾网获悉贵州省人民医院申请的专利一种基于多模态医学数据的混合监督融合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：CN121121368B 。

龙图腾网通过国家知识产权局官网在2026-04-07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：202511221316.8，技术领域涉及：G06V10/80；该发明授权一种基于多模态医学数据的混合监督融合方法是由付帮康;王荣品;张笑利;贺俊杰;李武超;许梓;彭云松设计研发完成，并于2025-08-28向国家知识产权局提交的专利申请。

本一种基于多模态医学数据的混合监督融合方法在说明书摘要公布了：本发明公开了一种基于多模态医学数据的混合监督融合方法，包括以下步骤：采集配对的多模态医学数据，并进行预处理；基于卷积神经网络构建多模态特征融合模型，包括特征提取模块、特征分解模块、不确定性最小化模块、多模态队列对比学习模块和融合优化模块；特征提取模块对预处理后的多模态医学数据进行特征提取，获得多模态特征；特征分解模块对多模态特征进行特征分解，获得分解后的多模态特征；不确定性最小化模块和多模态队列对比学习模块，对分解后的多模态特征进行对齐处理；融合优化模块融合对齐后的多模态特征，获得融合后的多模态医学数据。本发明在医学公共多模态数据集上能够降低不同模态特征之间的异质性，更好地进行特征融合。

本发明授权一种基于多模态医学数据的混合监督融合方法在权利要求书中公布了：1.一种基于多模态医学数据的混合监督融合方法，其特征在于，包括以下步骤： 采集配对的多模态医学数据，并进行预处理； 基于卷积神经网络构建多模态特征融合模型，所述多模态特征融合模型包括多模态特征提取模块、多模态特征分解模块、不确定性最小化模块、多模态队列对比学习模块和融合优化模块； 基于所述多模态特征提取模块对预处理后的多模态医学数据进行特征提取，获得多模态特征； 基于所述多模态特征分解模块对多模态特征进行特征分解，获得分解后的多模态特征； 基于所述不确定性最小化模块和多模态队列对比学习模块，对所述分解后的多模态特征进行对齐处理； 基于所述融合优化模块融合对齐后的多模态特征，获得融合后的多模态医学数据； 基于所述多模态特征分解模块对多模态特征进行特征分解，获得分解后的多模态特征的过程包括： 将基因特征和病理图像特征作为输入，利用余弦相似度度量不同模态特征之间的距离，获得相似度；基于所述相似度，自适应地计算相似度阈值，生成特征掩码；当相似度高于阈值时，识别为强相关特征，将生成的特征掩码与原始特征进行逐元素相乘，保留识别的强相关特征；将强相关特征从各自模态的原始特征中相减，获得对应的模态特异性的差异特征； 基于所述不确定性最小化模块，对所述分解后的多模态特征进行对齐处理的过程包括： 将分解后的多模态特征分别输入各模态对应的全连接神经网络结构进行处理，获得每个模态的预测概率分布；基于每个模态的预测概率分布，确定每个模态的预测分组；将每个模态的预测概率及其对应的预测分组输入不确定性最小化损失函数，当两种模态的预测分组一致时，实现多模态预测的一致性； 基于所述多模态队列对比学习模块，对所述分解后的多模态特征进行对齐处理的过程包括： 构建两个双队列结构分别存储不同模态的特征表示，获得病理模态队列和基因模态队列；基于预测分组，将病理模态队列和基因模态队列进行分组处理，并使用正态分布进行初始化，通过动量系数进行动态更新；在动态更新过程中，最小化具有相同组标签的病理特征与基因特征之间的距离，同时最大化病理特征与病理模态队列中其他组特征之间的距离，实现多模态特征对齐。

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贵州省人民医院，其通讯地址为：550002 贵州省贵阳市南明区中山东路83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。