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！

龙图腾网获悉北京理工大学申请的专利一种结合语言先验知识的医学影像报告生成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：CN117235139B 。

龙图腾网通过国家知识产权局官网在2025-11-21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：202311160554.3，技术领域涉及：G06F16/2457；该发明授权一种结合语言先验知识的医学影像报告生成方法是由闫斌;沈洪宇;裴明涛设计研发完成，并于2023-09-08向国家知识产权局提交的专利申请。

本一种结合语言先验知识的医学影像报告生成方法在说明书摘要公布了：本发明提出了一种结合语言先验知识的医学影像报告生成方法，属于计算机视觉和文本生成技术领域。本发明包括短语模板库构建阶段和基于检索的报告生成阶段。该方法通过以短语构建的模板库表示语言先验知识，使用基于检索的报告生成方法生成医学影像报告。所述方法设计结合文档频率和语义信息的短语分数以选择重要的短语；在报告生成阶段，通过视觉‑语言检索模型查询与输入影像匹配的模板，并采用检索‑融合策略融合模板的特征表示，进而学习不同模板之间的相互作用；最后，短语解码器在模板特征的指导下生成更加准确的报告。本发明提出的方法解决了句子模板带来的语义信息混淆和信息度冗余的问题。

本发明授权一种结合语言先验知识的医学影像报告生成方法在权利要求书中公布了：1.一种结合语言先验知识的医学影像报告生成方法，其特征在于，包括短语模板库构建阶段和基于检索的报告生成阶段；在模板库构建阶段，根据短语分数在收集的短语集合中选择关键的短语作为模板，并将模板的特征显式地存储于外部的模板特征库中；基于检索的报告生成阶段包括视觉特征提取器以及三个子模块：模板特征库动态更新模块、视觉-语言检索模块和短语解码模块； 所述方法具体包括如下步骤： 步骤1、从训练语料库中收集候选短语集合，从所有的报告句子中提取对应的N-grams短语子串； 其中，N是每个短语的长度，长度为N的短语集合表示为 步骤2、以短语分数为标准，为每个短语打分； 其中，短语分数如下式所示： 其中，第一项代表短语频率项，n#,i代表第k个句子中的第i个短语子串出现的次数，K是训练语料库中全部句子出现的次数； 第二项是短语语义项，衡量候选短语是否与对应的父句保持语义一致性，其中，τ代表平衡系数，d·是余弦相似度，用来度量短语特征之间的相似度，和分别是第i个短语r和其所在第k个句子s的编码特征，ps,rλ是长度惩罚项，防止根据短语分数构建出与句子级别模板库无异的模板库，其中，λ表示平衡候选短语长度的超参数； 步骤3、对候选短语执行去重复的操作，对于同一父句的所有候选短语子串，采用非极大抑制保留短语分数最高的候选短语作为候选模板，对于不同父句的候选短语之间，则根据特征之间的余弦相似度是否超过一定的阈值以判断短语之间是否重复，然后保留短语分数较高的候选短语； 步骤4、对于模板库中短语模板的数量T，根据以下公式确定模板库中不同长度的短语数量 其中，表示语料库中所有长度为N的短语的数量，N∈{3,4,…,12}，此外，如果一个候选短语是其他短语的子串并且短语分数较低，则将其删除，得到最终的短语模板库； 步骤5、检索模板，具体为：以视觉特征和模板特征库为输入，通过视觉-语言检索模块检索与图像匹配的特征；其中，视觉-语言检索模块基于注意力机制实现； 步骤6、基于注意力机制学习检索得到的模板与视觉特征之间的关系，并融合得到融合模板特征； 步骤7、更新模板特征，具体为：通过遗忘门学习上一时刻哪些模板特征需要更新，通过输入门学习新的模板特征中哪些部分应当添加到模板库中； 其中，新的模板特征通过门控线性单元对模板中单词嵌入加权求和得到； 其中，是当前时刻输入的模板特征，ei,j表示第i个模板中第j个单词的单词嵌入，σ·代表Sigmoid函数，⊙表示哈达玛积，W和V表示可学习的权重，b和c表示可学习的偏差； 其中，新的模板特征与上一时刻的模板特征进行融合得到最终更新的模板特征 步骤8、将视觉特征和模板特征作为输入，通过短语解码模块生成最终的文本报告。

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北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5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。