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！

龙图腾网获悉中国人民解放军联勤保障部队第九〇三医院申请的专利基于多模态深度学习的肾移植移植物预后评估方法及系统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：CN117974592B 。

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：202410115021.1，技术领域涉及：G06T7/00；该发明授权基于多模态深度学习的肾移植移植物预后评估方法及系统是由王星霞;朱晓峰;朱伯成设计研发完成，并于2024-01-26向国家知识产权局提交的专利申请。

本基于多模态深度学习的肾移植移植物预后评估方法及系统在说明书摘要公布了：本发明涉及智能医疗技术领域，提供一种基于多模态深度学习的肾移植移植物预后评估方法及系统，其中方法包括：对文本数据和图像数据预处理和特征提取；对文本向量特征和图像特征进行融合，得到融合训练特征；将融合训练特征输入深度神经网络模型进行模型训练；将供体病历数据输入优化训练模型，将通过优化训练模型输出的供体最后一层特征保存至数据库中；将受体病历数据输入优化训练模型，提取受体最后一层特征，将受体最后一层特征与数据库中的所有的供体最后一层特征进行相似度匹配，筛选出得分最高的几份供体病历进行移植选择。本发明结合已有移植病人病史和预后情况，通过深度神经网络来预测评估对于术后匹配较好、排异反应较小的肾移植方案。

本发明授权基于多模态深度学习的肾移植移植物预后评估方法及系统在权利要求书中公布了：1.基于多模态深度学习的肾移植移植物预后评估方法，其特征在于，包括： 采集肾移植信息数据，肾移植信息数据包括文本数据和图像数据； 分别对文本数据和图像数据进行预处理和特征提取，得到文本向量特征和图像特征； 对文本向量特征和图像特征进行融合，得到用于模型训练的融合训练特征； 将融合训练特征输入深度神经网络模型进行模型训练，将深度神经网络模型输出的结果与配对成功的同一类别的供受体标签进行比对，然后通过反向传播算法降低深度神经网络模型输出的结果与供受体标签之间的差别，得到优化训练模型；所述供受体标签为将供体和配对成功的受体分为同一类别，并标记上0~1范围的匹配程度； 将供体病历数据输入优化训练模型，将通过优化训练模型输出的供体最后一层特征保存至数据库中； 将受体病历数据输入优化训练模型，提取通过优化训练模型输出的受体最后一层特征，将受体最后一层特征与数据库中的所有的供体最后一层特征进行相似度匹配，筛选出得分最高的几份供体病历进行移植选择； 所述将融合训练特征输入深度神经网络模型进行模型训练采用两阶段的训练方法： 第一阶段采用ArcFaceLoss函数将供体和受体分为一类，学习类间的差异性； 其中，ArcFaceLoss函数为： ； 式中，L为误差；N为训练数据中的样本数；s为缩放参数，用于控制特征空间的分布；θyi为第i个样本的特征向量与其真实的类别yi对应的类别特征向量之间的夹角；m为角度边界参数，被引入以增强角度信息的判别性能；e为自然对数的底，等于2.7；j表示与目标类别yi不同的其他所有类别；θj表示该样本的特征向量与所有其他类别j的特征向量之间的夹角； cosθyi+m表示类别yi的特征向量与类别特征向量之间的余弦相似度，用来度量特征向量在角度上的分布；公式中的分子部分对应于样本的真实类别，分母部分对应于所有其他类别； 第二阶段：对于匹配程度的不同，来微调深度神经网络模型，训练类内样本间的差异性，包括： 对于肾移植后受体患者的排异反应来区分不同的匹配程度，无排异反应的分数标签为1，有排异反应时，根据排异反应大小和是否有其他副作用和并发症来对匹配程度进行打分。

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中国人民解放军联勤保障部队第九〇三医院，其通讯地址为：310012 浙江省杭州市西湖区灵隐街道灵隐路14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。