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！

龍圖騰網恭喜太原理工大學申請的專利基于跨模態融合級聯的癌癥分期預測模型建模系統及方法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：CN116933135B 。

龍圖騰網通過國家知識產權局官網在2025-06-13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：202310884917.1，技術領域涉及：G06F18/24；該發明授權基于跨模態融合級聯的癌癥分期預測模型建模系統及方法是由岳俊宏;姜連成;賈利葉;劉雪宇;郝芳;李心宇設計研發完成，并于2023-07-19向國家知識產權局提交的專利申請。

本基于跨模態融合級聯的癌癥分期預測模型建模系統及方法在說明書摘要公布了：本發明屬于基于人工智能的醫療信息處理領域，公開了一種基于跨模態融合級聯的癌癥分期預測模型建模系統及方法，系統包括：依次連接的數據獲取模塊、淺層次特征提取模塊、多個級聯模塊和預測輸出模塊；淺層次特征提取模塊用于根據各個模態的標注數據，分別提取各個模態的淺層次特征并形成各個模態間淺層次特征；各個級聯模塊依次連接，包括：模態內特征提取器、模態間特征提取器、多模態癌癥分期預測器、精度判別模塊和特征重組模塊，預測輸出模塊：用于輸出癌癥分期預測模型。本發明可以提高模型的預測精度和泛用性。

本發明授權基于跨模態融合級聯的癌癥分期預測模型建模系統及方法在權利要求書中公布了：1.一種基于跨模態融合級聯的癌癥分期預測模型建模系統，其特征在于，包括：依次連接的數據獲取模塊、淺層次特征提取模塊、多個級聯模塊和預測輸出模塊； 所述數據獲取模塊用于獲取多種模態的標注數據發送給淺層次特征提取模塊；所述多種模態的標注數據包括臨床文本數據、基因組學數據、影像組學數據； 所述淺層次特征提取模塊用于根據各個模態的標注數據，分別提取各個模態的淺層次特征； 各個級聯模塊依次連接，所述級聯模塊包括： 模態內特征提取器：用于根據各個模態的淺層次特征或上一個級聯模塊輸出的重組特征對各個模態分別進行特征提取，得到模態內深層次特征； 模態間特征提取器：用于對任意兩個模態的淺層次特征或上一個級聯模塊輸出的任意兩個模態的重組特征進行模態間特征提取，得到各個模態兩兩之間的深層次特征； 多模態癌癥分期預測器：用于分別根據模態內特征提取器輸出的各個模態內深層次特征和模態間特征提取器輸出的各個模態間深層次特征，輸出預測精度和各種癌癥分期的預測概率；還用于根據當前層的所有癌癥分期預測器的輸出預測概率，進行加權融合，獲得當前層的預測概率； 精度判別模塊：用于根據當前層的預測概率確定預測標簽，再計算當前層的精度，并判斷精度是否滿足輸出條件，若否，則發送信號至特征重組模塊，若是，則發送輸出信號至預測輸出模塊； 特征重組模塊：用于根據精度判別模塊發送的重組命令，對各個模態進行特征重組，將得到的各個模態的重組特征發送給下一個級聯模塊作為其輸入；特征重組的方法為：將各個模態的淺層次特征或上一級聯模塊輸出的重組特征、對應模態的模態內深層次特征、、相關的模態間深層次特征拼接在一起作為對應模態的重組特征； 預測輸出模塊：用于保留最后一個級聯模塊內的多模態癌癥分期預測器，去掉其它所有級聯模塊中的多模態癌癥分期預測器，將所述淺層次特征提取模塊和多個級聯模塊作為癌癥分期預測模型； 所述模態內特征提取器包括多個第一特征提取器，所述第一特征提取器為基于門控注意力機制的雙線性模型訓練得到，模型結構為：輸入特征首先經過一個Relu激活函數的全連接層，得到一個特征向量，然后，將輸入特征分別經過一個Relu激活函數全連接層和Sigmoid激活函數的全連接層，再將輸出的兩個特征向量逐元素相乘，得到一個特征向量；然后，將特征向量和逐元素相乘，得到模態內的深層次特征：最后，基于模態內的深層次特征使用Softmax激活函數的全連接層進行預測； 所述模態間特征提取器包括多個第二特征提取器，所述第二特征提取器為基于門控注意力機制的雙線性模型訓練得到，模型結構為：兩個模態的輸入特征和分別經過Relu激活函數的全連接層和Sigmoid激活函數的全連接層，再將輸出特征向量逐元素相乘，得到兩個特征向量和；然后，將兩個特征向量和逐元素相乘，得到模態間的深層次特征，最后，基于模態間的深層次特征使用Softmax激活函數的全連接層進行預測。

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太原理工大學，其通訊地址為：030024 山西省太原市萬柏林區迎澤西大街79號；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”。