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！

龙图腾网获悉电子科技大学(深圳)高等研究院申请的专利一种基于预训练大语言模型的双分支医学图像无损压缩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：CN120726145B 。

龙图腾网通过国家知识产权局官网在2025-11-25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：202511173226.6，技术领域涉及：G06T9/00；该发明授权一种基于预训练大语言模型的双分支医学图像无损压缩方法是由蒲晓蓉;郑鹏程;任亚洲设计研发完成，并于2025-08-21向国家知识产权局提交的专利申请。

本一种基于预训练大语言模型的双分支医学图像无损压缩方法在说明书摘要公布了：本发明公开一种基于预训练大语言模型的双分支医学图像无损压缩方法，涉及医学图像技术领域，解决了医学图像无损压缩难以实现图像压缩率、图像质量与计算成本平衡的技术问题。该方法包括：基于训练集得到全局模态和局部模态；基于全局模态编码出全局模态比特流，基于隐变量编码出隐变量比特流；将信息比特流加密到局部模态，得到加密局部模态，将全局模态与加密局部模态输入特征嵌入层；将全局模态特征嵌入表示作为预训练大语言模型的视觉提示词，得到加密局部模态比特流，将全局模态、隐变量与加密局部模态的比特流顺序拼接，得到图像无损压缩比特流；通过测试集进行测试评估。本发明实现了医学图像压缩率、图像质量与计算成本之间的平衡。

本发明授权一种基于预训练大语言模型的双分支医学图像无损压缩方法在权利要求书中公布了：1.一种基于预训练大语言模型的双分支医学图像无损压缩方法，其特征在于，包括以下步骤： S100：构建图像数据集，将图像数据集划分为训练集和测试集，对训练集的图像进行自适应位平面划分，得到图像的全局模态和局部模态； S200：从全局模态的先验分布中随机采样隐变量的样本，通过算术编码器编码得到初始化比特流，通过编码器对全局模态进行编码，得到隐变量的后验概率分布，将初始化比特流与隐变量的后验概率分布输入算术解码器，解码出隐变量，通过解码器对隐变量进行解码，得到全局模态的似然概率分布，将全局模态与全局模态的似然概率分布输入算术编码器，编码出全局模态比特流，将隐变量与其先验概率分布输入算术编码器，编码出隐变量比特流； S300：通过ASCII编码方法将隐私信息编码为信息比特流，将信息比特流分段加密到局部模态，得到加密局部模态，将全局模态与加密局部模态输入特征嵌入层，分别得到全局模态特征嵌入表示、加密局部模态特征嵌入表示； S400：将加密局部模态特征嵌入表示作为预训练大语言模型的输入，全局模态特征嵌入表示作为预训练大语言模型的视觉提示词，进行预训练大语言模型适配，得到加密局部模态的概率分布，将加密局部模态与其概率分布输入算术编码器，得到加密局部模态比特流，将全局模态比特流、隐变量比特流与加密局部模态比特流顺序拼接，得到图像无损压缩比特流； S500：将训练的模型权重加载到医学图像压缩网络模型，并通过测试集对医学图像压缩网络模型的压缩结果进行测试评估； S100步骤中，自适应位平面的划分由以下公式确定： 其中，为第i个位平面与图像之间的互信息值，为图像X与其自身的互信息值，s是图像的划分索引，为超参数，inf为下确界，确保首次出现累计互信息值大于超参数的时候为高位位平面、低位位平面的分割点。

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电子科技大学(深圳)高等研究院，其通讯地址为：518110 广东省深圳市龙华区观澜街道新澜社区观光路1301-78号银星智界二期2号楼；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。