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！

龙图腾网获悉武汉大学申请的专利基于超声和红外多模态图像的甲状腺结节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：CN116051905B 。

龙图腾网通过国家知识产权局官网在2025-12-05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：202310131752.0，技术领域涉及：G06V10/764；该发明授权基于超声和红外多模态图像的甲状腺结节图像分类方法是由刘娟;张娜设计研发完成，并于2023-02-16向国家知识产权局提交的专利申请。

本基于超声和红外多模态图像的甲状腺结节图像分类方法在说明书摘要公布了：本发明公开了一种基于超声和红外热图多模态图像的甲状腺结节图像分类方法。本发明基于超声和红外热图像，结合多模态学习方法，提供了一个自适应多模态混合模型，该模型由模态内混合编码器，自适应跨模态编码器，分类头三部分组成。模态内混合编码器在提取局部特征的同时能够对全局特征进行建模；自适应跨模态编码器能够根据不同的案例制定个性化的模态权重，同时进行模态间特征的信息交互与融合；分类头对得到的融合特征进行分类。该方法基于受检者的超声和红外热图像，使用AmmH模型自动对受检者甲状腺结节图像进行分类，为医生提供客观、准确的分类结果，以实现辅助诊断。

本发明授权基于超声和红外多模态图像的甲状腺结节图像分类方法在权利要求书中公布了：1.基于超声和红外多模态图像的甲状腺结节图像分类方法，其特征在于，包括以下步骤： S1：制作甲状腺多模态数据集； S2：构造两个混合模态内编码器HIME，分别对IRT图像和US图像进行特征提取； S3：构造自适应跨模态编码器ACME，将IRT图像的特征和US图像的特征进行自适应的特征融合； 所述构造自适应跨模态编码器ACME，具体包括以下步骤： S3.1：构造自适应模态权重生成AMWG网络，用于自适应地根据实际的案例情况为每个案例定制不同的模态权重；AMWG模块是一个多层感知机MLP，该多层感知机MLP由三个带有修正线性单元ReLU激活函数的全连接层组成，其输入为步骤S2.3中得到的每个模态m的高层次抽象语义特征，输出为根据定制的每个模态的最佳权重； AMWG运算过程表示如下： 其中，表示模态US、IRT对应的最佳模态权重，、分别表示模态US、IRT的高层次抽象语义特征，表示拼接操作，操作使得，MLPAWMG表示一个由三个带有修正线性单元RELU激活函数的全连接层组成的多层感知机； S3.2：构造模态间Transformer编码器Inter-modalTE，用于对S2中得到的来自不同模态的特征和S3.1中得到的定制的模态权重进行信息交互和自适应的特征融合，步骤如下： 首先，引入可学习参数向量clsToken作为最后的分类特征，同时加入了位置编码PE作为Inter-modalTE的输入，表示如下： 其中，； Inter-modalTE由L2个Inter-modal块构成，每个Inter-modal块由LN层、多头自注意力MSA层、LN层、MLP层组成，MLP层由两个带有高斯误差线性单元GELU激活函数的全连接层组成； S4：构造基于多层感知机MLP的分类头MLPHead，对S3中得到的与甲状腺结节诊断相关的融合特征进行分类； S5：将HIME、ACME和MLPHead组合成自适应多模态混合AmmH模型； S6：对甲状腺多模态数据集按照一定的比例划分为训练集、验证集和测试集，定义损失函数和优化器，定义学习率递减方式； S7：基于反向传播算法，对AmmH模型进行端到端的多次迭代训练，取在测试集上分类准确率最高的模型参数值，作为最终用于甲状腺结节分类的AmmH模型参数值； S8：将甲状腺的多模态数据经预处理后作为AmmH模型的输入，输出甲状腺结节图像的分类结果。

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武汉大学，其通讯地址为：430072 湖北省武汉市武昌区八一路299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。