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！

龙图腾网获悉杭州电子科技大学申请的专利一种基于Transformer多模态算法的手绘螺旋线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：CN118628826B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202410815048.1，技术领域涉及：G06V10/764；该发明授权一种基于Transformer多模态算法的手绘螺旋线分类方法是由李竹;王瀚霆;刘小利;蔡苗;王晏雯;韩凌云设计研发完成，并于2024-06-24向国家知识产权局提交的专利申请。

本一种基于Transformer多模态算法的手绘螺旋线分类方法在说明书摘要公布了：本发明公开了一种基于Transformer多模态算法的手绘螺旋线分类方法，采用纸质画板及签字笔作为数据采集设备，在获取受试者手绘螺旋线圈后传入电脑中进行处理；将收集到的螺旋线图像转换为统一大小的二值图像，去除噪声；通过多模态螺旋线分类Transformer网络实现震颤特征和匝间距特征的提取；将同一图像的不同特征完成编码后，通过多模态螺旋线分类Transformer网络的分层融合策略将各模态的数据进行融合；通过跨模态的注意力机制对融合进行进一步优化；通过解码器及MLPhead输出受试者绘制的螺旋线的评估分级。本发明通过提取手绘螺旋线圈的间距特征和震颤特征算法，实现对多种模态特征数据的提取。再通过融合多模态数据最终实现对不同种震颤程度的手绘螺旋线圈的精准评级。

本发明授权一种基于Transformer多模态算法的手绘螺旋线分类方法在权利要求书中公布了：1.一种基于Transformer多模态算法的手绘螺旋线分类方法，其特征在于，包括以下步骤： S10，采用纸质画板及签字笔作为数据采集设备，在获取受试者手绘螺旋线圈后传入电脑中进行处理； S20，将收集到的螺旋线图像转换为统一大小的二值图像，去除噪声； S30，通过多模态螺旋线分类Transformer网络实现震颤特征和匝间距特征的提取； S40，将同一图像的不同特征完成编码后，通过多模态螺旋线分类Transformer网络的分层融合策略将各模态的数据进行融合； S50，通过跨模态的注意力机制对融合进行进一步优化； S60，通过解码器及MLP head输出受试者绘制的螺旋线的评估分级； 所述S30包括： S31，通过震颤提取编码器将图像震颤特征保存为震颤特征矩阵； S32，通过匝间距特征提取编码器将图像对于的匝间距特征转化差异显著的时间序列； 所述S40包括对于输入图像转换为两种模态后的数据，通过跨模态Transformer编码器，该编码器能够处理来自不同模态的特征向量；跨模态编码器在Transformer架构的基础上，采用跨模态的注意力机制，以便于模型在计算自注意力时同时考虑震颤和匝间距的信息；在该编码器的低层次上实现初级融合，直接在特征级别通过加权拼接混合匝间距和图像震颤特征，在编码器的中间层采用跨模态注意力机制，使得每种模态都能根据另一种模态的上下文信息调整其表示，在编码器的高层次上进行更加复杂的融合操作，包括对模态间关系的深入学习，以及动态权重调整机制，确保模型在最终输出评级结果前充分考虑了所有相关信息； 所述S31包括以下步骤： S311，通过二值化处理手绘螺旋线图像； S312，处理后的图像经过嵌入层划分为若干个小片，每个小片包含螺旋线图像的一部分，并携带震颤信息，震颤密集的区域对应的权重超过平缓或无螺旋线的区域，从而在模型训练过程中对这些关键区域给予更多的关注； S313，每个图像小块被转换成一维向量，并且为了维护序列元素的空间顺序信息，引入位置编码，将每个图像块所对应的权重矩阵嵌入到对应的一维向量中，通过为每个图像块配备位置编码，模型得以解析出每个部分在整个螺旋线中的具体定位，从而辨认震颤特征； S314，图像块结合位置编码后被送入Transformer编码器层，包括自注意力机制和前馈神经网络，使得模型学习到图像中不同区域的块之间的关系。

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杭州电子科技大学，其通讯地址为：310018 浙江省杭州市下沙高教园区2号大街1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。