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(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜中通服創(chuàng)立信息科技有限責任公司申請的專利一種基于多模態(tài)圖像融合的醫(yī)學影像分析方法及系統(tǒng)獲國家發(fā)明授權專利權，本發(fā)明授權專利權由國家知識產(chǎn)權局授予，授權公告號為：CN119693365B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權局官網(wǎng)在2025-06-03發(fā)布的發(fā)明授權授權公告中獲悉：該發(fā)明授權的專利申請?zhí)?專利號為：202510205811.3，技術領域涉及：G06T7/00；該發(fā)明授權一種基于多模態(tài)圖像融合的醫(yī)學影像分析方法及系統(tǒng)是由裴貴軍;杜良輝;趙永義;劉浪設計研發(fā)完成，并于2025-02-25向國家知識產(chǎn)權局提交的專利申請。

本一種基于多模態(tài)圖像融合的醫(yī)學影像分析方法及系統(tǒng)在說明書摘要公布了：本申請公開了一種基于多模態(tài)圖像融合的醫(yī)學影像分析方法及系統(tǒng)，涉及醫(yī)學圖像處理技術領域，所述醫(yī)學影像分析方法包括：生成訓練數(shù)據(jù)集；訓練數(shù)據(jù)集由像素級對齊并標注的醫(yī)學影像RGB域圖像和RAW域圖像對構成；構建目標檢測網(wǎng)絡；所述目標檢測網(wǎng)絡包括主干網(wǎng)絡和檢測頭，并在所述主干網(wǎng)絡和檢測頭之間引入雙模態(tài)特征增強模塊實現(xiàn)跨模態(tài)特征的深度融合，利用雙重增強機制分別在語義和空間維度強化RGB域圖像和RAW域圖像的特征；利用所述訓練數(shù)據(jù)集對所述目標檢測網(wǎng)絡進行訓練，得到醫(yī)學影像檢測模型；利用所述醫(yī)學影像檢測模型對實時采集的醫(yī)學影像進行分析，以快速準確地實現(xiàn)所述醫(yī)學影像中病變區(qū)域的檢測與分類。

本發(fā)明授權一種基于多模態(tài)圖像融合的醫(yī)學影像分析方法及系統(tǒng)在權利要求書中公布了：1.一種基于多模態(tài)圖像融合的醫(yī)學影像分析方法，其特征在于，所述醫(yī)學影像分析方法包括：生成訓練數(shù)據(jù)集；訓練數(shù)據(jù)集由像素級對齊并標注的醫(yī)學影像RGB域圖像和RAW域圖像對構成，其中，RAW域圖像包括直接獲取的真實RAW域圖像以及通過對RGB域圖像進行預處理生成的合成RAW域圖像；構建目標檢測網(wǎng)絡；所述目標檢測網(wǎng)絡包括主干網(wǎng)絡和檢測頭，并在所述主干網(wǎng)絡和檢測頭之間引入雙模態(tài)特征增強模塊實現(xiàn)跨模態(tài)特征的深度融合，利用雙重增強機制分別在語義和空間維度強化RGB域圖像和RAW域圖像的特征；利用所述訓練數(shù)據(jù)集對所述目標檢測網(wǎng)絡進行訓練，得到醫(yī)學影像檢測模型；其中，RGB域圖像和RAW域圖像作為所述目標檢測網(wǎng)絡的輸入，標注信息作為所述目標檢測網(wǎng)絡的輸出；利用所述醫(yī)學影像檢測模型對實時采集的醫(yī)學影像進行分析，以快速準確地實現(xiàn)所述醫(yī)學影像中病變區(qū)域的檢測與分類；所述雙模態(tài)特征增強模塊包括：動態(tài)融合與通道增強模塊，和動態(tài)空間交互與增強模塊；其中，所述動態(tài)融合與通道增強模塊用于實現(xiàn)RGB特征和RAW特征的融合增強和通道增強；在融合增強階段，將RGB特征和RAW特征在通道維度拼接后，通過動態(tài)卷積和逆瓶頸層提取多尺度的全局和局部特征；所述動態(tài)卷積結合深度分離卷積和逐點卷積，捕獲模態(tài)間的空間交互關系；所述逆瓶頸層通過擴展和壓縮通道維度實現(xiàn)特征的非線性優(yōu)化；在通道增強階段，利用全局平均池化和全局最大池化提供特征的全局統(tǒng)計信息，生成動態(tài)的通道權重；通過全連接層對所述全局統(tǒng)計信息進行非線性變換，生成適用于RGB特征和RAW特征的獨立動態(tài)權重；將動態(tài)權重與融合增強后的特征逐元素相乘，對每個模態(tài)進行自適應優(yōu)化，并通過殘差路徑保留原始特征信息，輸出增強后的模態(tài)特征至所述動態(tài)空間交互與增強模塊；所述動態(tài)空間交互與增強模塊對輸入的RGB特征和RAW特征分別進行多尺度空間特征提取；然后，通過逐點卷積在通道維度上壓縮多尺度空間特征，生成單通道的RGB特征和RAW特征表示；之后，將RGB特征和RAW特征通過通道維度拼接，并采用逐點卷積進一步壓縮融合為單一通道表示；融合特征通過通道注意力機制進行動態(tài)增強，之后通過獨立的動態(tài)卷積模塊生成適用于RGB域圖像和RAW域的增強特征；最終，輸出優(yōu)化后的RGB特征和RAW特征。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯(lián)系本專利的申請人或專利權人中通服創(chuàng)立信息科技有限責任公司，其通訊地址為：610000 四川省成都市高新區(qū)神仙樹北路14號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。