買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜溫州大學大數據與信息技術研究院;溫州職業技術學院申請的專利基于多模態數據融合的醫學診斷智能決策系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119495423B 。

龍圖騰網通過國家知識產權局官網在2025-05-02發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202510077424.6，技術領域涉及：G16H50/20；該發明授權基于多模態數據融合的醫學診斷智能決策系統是由陳慧靈;夏志良;張維溪;陳麗燕;王名鏡設計研發完成，并于2025-01-17向國家知識產權局提交的專利申請。

本基于多模態數據融合的醫學診斷智能決策系統在說明書摘要公布了：本發明公開了一種基于多模態數據融合的醫學診斷智能決策系統，通過患者信息采集單元獲取患者的醫學影像、生物特征和電子病歷數據，利用特征處理單元從不同模態數據中提取特征向量；系統的核心在于模態融合引擎，該模塊結合深度神經網絡和貝葉斯推理引擎，實現特征間關聯關系的深度學習和概率依賴建模；通過自適應特征優化器，采用注意力機制對不同模態特征進行權重優化，生成優化后的特征表示；智能診斷分析單元基于優化特征計算診斷概率，并在置信度不足時結合病例知識庫進行輔助診斷，輸出包含診斷類別、依據和建議的診斷報告；本發明融合多源異構數據，結合深度學習和概率推理，實現了智能化的醫學輔助診斷，提高了診斷的準確性和可解釋性。

本發明授權基于多模態數據融合的醫學診斷智能決策系統在權利要求書中公布了：1.一種基于多模態數據融合的醫學診斷智能決策系統，其特征在于，包括：患者信息采集單元，用于采集患者的醫學影像數據、生物特征數據及電子病歷文本數據；特征處理單元，用于從醫學影像數據中提取視覺特征向量；從生物特征數據中提取生理指標特征向量；從電子病歷文本中提取語義特征向量；模態融合引擎，包括深度神經網絡和貝葉斯推理引擎，其中，所述深度神經網絡用于接收特征處理單元輸出的視覺特征向量、生理指標特征向量和語義特征向量，通過多層非線性變換學習不同模態特征之間的關聯關系，獲得融合特征表示，所述融合特征表示對應多個特征節點，每個特征節點關聯一個特定的醫學概念；所述貝葉斯推理引擎用于接收所述融合特征表示，基于預先構建的專家知識圖譜建立特征節點之間的條件概率依賴模型，生成概率化特征關聯表示；自適應特征優化器，用于將所述融合特征表示和概率化特征關聯表示進行組合整合，生成綜合特征表示；基于所述綜合特征表示計算樣本間的相似度，并結合患者個體數據特點，采用注意力機制自適應生成不同模態特征的權重系數；利用所述權重系數對增強特征矩陣中的不同模態特征進行加權；將加權后的不同模態特征重新組合，生成優化后的特征表示；智能診斷分析單元，用于將所述優化后的特征表示輸入預設的疾病診斷模型，計算每個診斷類別的概率得分，生成初步診斷結果；計算所述初步診斷結果的置信度得分，當置信度得分低于預設閾值時，從預設的病例知識庫中提取相似病例的診斷信息作為輔助診斷依據；根據所述初步診斷結果、置信度得分和輔助診斷依據，生成包括主要診斷類別、診斷依據及建議檢查項目的診斷報告；其中，所述深度神經網絡具體用于：按照如下的公式1，進行模態特征空間統一映射： ；其中，表示輸入模態特征，包括視覺特征向量、生理指標特征向量和語義特征向量，；是經過統一特征空間映射后的模態特征向量；是第種模態對應的權重矩陣，用于將模態特征映射到統一的特征空間；是第種模態對應的偏置向量；是激活函數，包括ReLU或者tanh；按照如下的公式2，實現模態間交互優化： ；其中，為通過模態間的關聯學習生成交互優化的特征表示；表示查詢向量，用于捕捉當前模態與其他模態特征間的關系；表示鍵向量，表示模態特征對比的參考；表示鍵向量的維度；表示值向量，用于存儲各模態的實際特征信息；所述查詢向量、鍵向量以及值向量按照如下的公式3-5進行計算： ； ； ；其中，是映射到統一空間后的視覺特征向量；是映射到統一空間后的生理指標特征向量；是映射到統一空間后的語義特征向量；是是查詢向量的權重矩陣；是鍵向量的權重矩陣；是值向量的權重矩陣；按照如下的公式6，計算融合特征表示： ；其中，為自適應權重，按照如下的公式7計算： ；其中，可學習的權重矩陣；為可學習的偏置項；所述貝葉斯推理引擎具體用于：按照如下的公式8，將融合特征表示映射到初步概率空間，生成每個特征節點的初步概率值： ；其中，表示第個特征節點的初步概率；是特征映射的權重矩陣；是特征映射的偏置項;是Sigmoid函數；是多模態融合后的特征向量，表示特征節點的數據表示；結合專家知識圖譜構建特征節點間的條件概率依賴關系，按照如下的公式9，計算特征節點的條件概率： ；其中，為知識圖譜中定義的節點的父節點集合；是節點與其父節點的關聯權重；為節點的特征向量；為父節點的特征向量；為特征向量和的歐幾里得距離；根據如下的公式10，獲得全局聯合概率分布： ；其中，，表示全局特征節點集合；，表示對應的特征向量集合；是特征節點的數量；為特征節點的條件概率；通過變分推斷方法對初步概率和條件概率進行聯合優化,生成優化后的后驗概率分布，優化目標函數采用如下的公式11： ；其中，是指KL散度；所述優化目標函數通過最小化KL散度，動態調整近似分布，使其盡可能接近目標分布；為優化后的近似分布，表示特征節點的最終概率值；為條件概率建模的結果；優化后的后驗概率表示特征節點的最終概率化關聯表示,用于診新決策，，是特征節點的數量。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人溫州大學大數據與信息技術研究院;溫州職業技術學院，其通訊地址為：325000 浙江省溫州市龍灣區創新創業新天地一期1號樓727-731、739-743室；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。