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！

龙图腾网获悉闽江学院申请的专利一种多模态协同学习的胃镜图像半监督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：CN120833526B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202511348150.6，技术领域涉及：G06V10/764；该发明授权一种多模态协同学习的胃镜图像半监督分类方法是由李佐勇;林清华;樊好义;程文胜;邵天瑞;付超;陈洋洋设计研发完成，并于2025-09-20向国家知识产权局提交的专利申请。

本一种多模态协同学习的胃镜图像半监督分类方法在说明书摘要公布了：本发明涉及一种多模态协同学习的胃镜图像半监督分类方法，属于图像处理技术领域。所述方法，将无标签样本的训练过程与标签样本的训练过程分离，提出了一种基于一致性学习、恢复性学习和对齐性学习协同学习的自监督预训练策略。为了在标签样本上实现多模态特征融合，提出了一种基于特征分布漂移的微调策略。为了验证本发明方法的有效性，在两个公开的胃镜图像数据集Kvasir和Kvasirv2上进行了广泛的实验。本发明方法能够在仅使用少量标签数据的情况下对于胃镜图像的分类具有良好的分类性能。

本发明授权一种多模态协同学习的胃镜图像半监督分类方法在权利要求书中公布了：1.一种多模态协同学习的胃镜图像半监督分类方法，其特征在于，包括： 预训练阶段：构建一种基于一致性学习、恢复性学习和对齐性学习协同学习的自监督预训练策略，训练得到预训练阶段模型；预训练阶段，实现如下： 对于输入的配对模态图像，为白光图像，为窄带光图像，通过初始 设置的编码器和编码器分别提取白光图像特征和窄带图像特征；白光图像特征和窄带图像特征经过一致性学习在低维度的特征空间中对齐表征，计算一致性损失；通过恢复性学习随机遮蔽配对模态图像得到，为随机遮蔽后的白 光图像，为随机遮蔽后的窄带光图像，分别由初始设置的编码器和编码器提 取特征和，和经过统一的解码器进行重建以计算重建损失；对 齐性学习将和经过一个全局嵌入投影到高维潜在特征空间并计算对齐损失 ；最终构建由一致性损失、重建损失和对齐损失组成的预训练阶段损失函数，并得到训练完 成的预训练编码器和预训练编码器； 字典构建阶段：根据预训练阶段模型学习的特征表示构筑漂移向量字典；漂移向量字典，构建方式如下： 基于输入的配对模态图像，根据预训练编码器和预训练编码器，提取无 标签样本特征： 其中表示配对模态图像训练集样本总数，和分别表示预训练编码器和预训练 编码器提取的白光图像特征和窄带光图像特征，和分别表示配对模态图像训练集 中的第个白光图像和第个窄带光图像； 提取的无标签样本特征经过K-means聚类生成个簇： 其中为聚类标签，，表示分类类别数，为每个簇的原 型向量，为指示函数； 对于每个簇计算样本均值更新原型向量为： 其中，表示当时的值，为簇中的样本数量，簇中的样本协方差矩阵表 示为： 根据协方差矩阵计算漂移向量字典，即从均值为、协方差为的多元高斯分布中采 样P个漂移向量，漂移向量定义为： 其中，p表示所取的漂移向量下标，P表示在多元高斯分布中共采样P个漂移向量；所有 簇的漂移向量字典为，表示原始输入特征的维度； 多模态融合微调阶段：利用预训练权重初始化多模态融合微调模型，同时根据漂移向量字典产生的分布漂移为多模态融合微调模型提供额外的训练样本。

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闽江学院，其通讯地址为：350108 福建省福州市闽侯县上街镇溪源宫路200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。