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！

龙图腾网获悉重庆邮电大学申请的专利一种基于先验知识增强掩码与对齐建模的医学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：CN119399523B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202411443498.9，技术领域涉及：G06V10/764；该发明授权一种基于先验知识增强掩码与对齐建模的医学图像分类方法是由乔丽红;高诗轶;舒禹程;肖斌;李伟生设计研发完成，并于2024-10-16向国家知识产权局提交的专利申请。

本一种基于先验知识增强掩码与对齐建模的医学图像分类方法在说明书摘要公布了：本发明属于计算机视觉技术领域，具体涉及一种基于先验知识增强掩码与对齐建模的医学图像分类方法；包括：获取图像文本对数据集并对其进行预处理，得到预处理好的图像文本对数据集；根据预处理好的图像文本对数据集对视觉编码器和文本编码器进行初步训练，得到初步训练好的视觉编码器和文本编码器；结合文本编码器对视觉编码器进行第二次训练，得到训练好的视觉编码器；采用训练好的视觉编码器实现对医学图像的分类；本发明提出的模型能够更好地泛化到各种下游医学图像识别任务上，提高下游医学图像识别任务的准确度。

本发明授权一种基于先验知识增强掩码与对齐建模的医学图像分类方法在权利要求书中公布了：1.一种基于先验知识增强掩码与对齐建模的医学图像分类方法，其特征在于，包括： S1：获取图像文本对数据集并对其进行预处理，得到预处理好的图像文本对数据集； S2：根据预处理好的图像文本对数据集对视觉编码器和文本编码器进行重建预训练，得到初步训练好的视觉编码器和文本编码器；训练过程包括： S21：对数据集中的图像进行下采样，得到高分辨率图像和低分辨率图像； S22：对低分辨率图像进行处理，得到初级特征；采用视觉编码器对初级特征进行处理，得到视觉特征；将视觉特征输入到视觉解码器中进行处理，得到低分辨掩码块的预测值； S23：根据低分辨掩码块的预测值计算低分辨重建加权损失；采用多层感知器对低分辨掩码块的预测值进行处理，得到高分辨掩码块的预测值；根据高分辨掩码块的预测值计算高分辨重建加权损失； S24：对数据集中与图像配对的文本进行嵌入处理，得到文本嵌入特征； S25：融合视觉特征和文本嵌入特征，得到融合特征；采用文本编码器和文本标记分类器对融合特征进行处理，得到分类概率； S26：根据分类概率计算文本重建损失；对低分辨重建加权损失、高分辨重建加权损失和文本重建损失求和，得到重建损失； S27：根据重建损失调整视觉编码器和文本编码器的参数，得到初步训练好的视觉编码器和文本编码器； S3：结合文本编码器对视觉编码器进行对比预训练，得到训练好的视觉编码器；训练过程包括： 采用视觉编码器和文本编码器分别对图像和文本进行处理，得到全局视觉特征和全局文本特征；根据全局视觉特征和全局文本特征计算对比学习损失； 拼接全局视觉特征和全局文本特征，将拼接特征输入到线性层进行处理，得到聚合特征； 根据医学知识库构建知识图，采用图注意网络对知识图进行处理，得到医疗实体知识表示； 融合医疗实体知识表示与聚合特征，得到最终融合特征；对最终融合特征进行聚类处理，得到多个聚类簇以及最终融合特征的软聚类标签； 定义每个簇的聚类中心特征，根据每个簇的聚类中心特征分别计算全局视觉特征和全局文本特征属于不同簇的概率； 根据全局视觉特征和全局文本特征属于不同簇的概率以及最终融合特征的软聚类标签计算交叉熵损失； 根据对比学习损失与交叉熵损失调整视觉编码器的参数，得到训练好的视觉编码器； S4：采用训练好的视觉编码器实现对医学图像的分类。

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重庆邮电大学，其通讯地址为：400065 重庆市南岸区南山街道崇文路2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。