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！

龙图腾网获悉广东工业大学申请的专利一种多模态阿尔茨海默病病理图像分类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：CN115937588B 。

龙图腾网通过国家知识产权局官网在2025-08-15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：202211573417.8，技术领域涉及：G06V10/764；该发明授权一种多模态阿尔茨海默病病理图像分类方法是由赵钦;黄国恒设计研发完成，并于2022-12-08向国家知识产权局提交的专利申请。

本一种多模态阿尔茨海默病病理图像分类方法在说明书摘要公布了：本发明公开了一种多模态阿尔茨海默病病理图像分类方法、系统及计算机可读存储介质，包括以下步骤：S1：选择同时具有MRI和PET影像的样本，基于对抗生成训练策略来训练得到三维循环一致生成对抗网络；S2：选择只具有MRI而缺失PET影像的样本，通过所述三维循环一致生成对抗网络生成缺失的PET影像；S3：利用生成的PET影像补全数据集中缺失的PET影像，得到完整的MRI和PET数据集；S4：将完整数据集输入可变形自注意力机制模块，提取不同模态下的多模态影像特征；S5：将多模态影像特征输入多模态特征融合网络，提取并生成融合特征图；S6：将所述融合特征图输入到分类器中输出分类结果。本发明能够精确定位病理图像的病理区域，提高了病理图像的分类精度。

本发明授权一种多模态阿尔茨海默病病理图像分类方法在权利要求书中公布了：1.一种多模态阿尔茨海默病病理图像分类方法，其特征在于，包括以下步骤： S1：选择同时具有MRI和PET影像的样本，基于对抗生成训练策略来训练得到三维循环一致生成对抗网络； S2：选择只具有MRI而缺失PET影像的样本，通过所述三维循环一致生成对抗网络生成缺失的PET影像； S3：利用生成的PET影像补全数据集中缺失的PET影像，得到完整的MRI和PET数据集； S4：将完整的MRI和PET数据集输入可变形自注意力机制模块，提取不同模态下的多模态影像特征； S5：将多模态影像特征输入多模态特征融合网络，提取MRI和PET间潜在的互补特征并生成融合特征图； S6：将所述融合特征图输入到分类器中输出分类结果； 其中，可变形自注意力机制模块的处理过程为： 设置输入为单MRI模态的影像XMRI∈RH×W×D×C，其中H代表影像的长度，W代表影像的宽度，D代表影像的深度，C代表影像的特征维度，XMRI首先通过线性层的补丁嵌入模块将N个相同大小和位置的贴片划分为一系列图像块，设定H、W、D大小相等，嵌入图像块大小为s×s×s，其中整个图像块序列在XMRI上看作是一个大小为s×s×s的均匀网格，图像块的系列表示为{Xi}，其中，0≤i≤N-1，对于每一个图像块Xi，将其左前坐标和右后坐标表示为和其中： 之后，每一个图像块Xi都会通过偏移预测网络预测一个位置偏移量和尺寸缩放量，位置偏移量和尺寸缩放量可用参数Δposition＝Δx,Δy,Δz和Δscale＝Δh,Δw,Δd表示，对于每个变形后的图像块更新后的左前坐标和右后坐标表示为和其中： 由于每个变形后的图像块大小均不同，采用采样和插值的方法来提取特征，在每一个图像块内采样一个统一的尺寸为k×k×k的网格{pj}，其中，0≤j≤k3-1，由于网格的坐标通常是分数，因此，pj的值通过三线性插值计算8个相邻点Cj的加权平均值得到，具体公式如下： pj＝ΗTrilinearCj,xj,yj,zj 之后，变形后的图像块通过d维的线性层映射投影成特征向量并被嵌入到一个扁平化的特征图中，然后，通过一个标准的多头自注意力模块将作为输入并生成三组可学习的特征向量，分别为q∈RN×d、k∈RN×d、v∈RN×d；Wq∈RN×d、Wk∈RN×d、Wv∈RN×d是三个可学习的线性嵌入矩阵，具体公式如下： Y＝Concat{Atten1v1,...,AttenMvM}Wo 其中，1≤m≤M，dm＝dM，Attenm表示不同图像块之间的相似性矩阵，其通过qm和km相乘得到并可作为vm的加权权重，通过将M个注意力矩阵Attenm拼接变换得到输出的最终特征Y∈RN×d。

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广东工业大学，其通讯地址为：510090 广东省广州市越秀区东风东路729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”。