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申请的专利基于强化学习和异构超图的多模态医学数据融合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：CN120493149B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202510520207.X，技术领域涉及：G06F18/25；该发明授权基于强化学习和异构超图的多模态医学数据融合方法及系统是由邱航;陈翁祥;张雯设计研发完成，并于2025-04-24向国家知识产权局提交的专利申请。

本基于强化学习和异构超图的多模态医学数据融合方法及系统在说明书摘要公布了：本发明属于强化学习和数据融合技术领域，公开了基于强化学习和异构超图的多模态医学数据融合方法及系统。本发明首先利用不同模态数据对应的基于强化学习和动态异构超图的特定模态表征学习方法，得到每个模态各自的表征向量；最后对模态各自的表征向量进行融合，得到多模态融合表征向量。本发明通过强化学习自适应选择邻居节点，实现了基于强化学习的动态异构超图构建，从而提高了信息传递的准确性。为了提高融合效率，还使用了基于对比学习的多模态表征向量融合方法，有效探究模态之间相互作用关系。

本发明授权基于强化学习和异构超图的多模态医学数据融合方法及系统在权利要求书中公布了：1.基于强化学习和异构超图的多模态医学数据融合方法，其特征在于，包含以下步骤： 获取患者的多模态医学数据，包括影像数据、结构化电子病历数据和文本数据； 对多模态医学数据进行特征提取得到各模态原始特征及其向量，对各模态原始特征进行特征筛选得到各模态经过筛选的原始特征及其向量； 通过计算任意两个患者的经过筛选的原始特征向量之间相关性得到患者关联网络；通过计算任意两个原始特征表达向量之间的相关性得到特征相关性网络，所述原始特征表达向量是由经过筛选的原始特征向量转置得到；通过计算每个患者与每个经过筛选的原始特征之间的相关性得到患者-特征关联网络； 分别对患者关联网络、特征相关性网络和患者-特征关联网络，基于节点相似性搭建动态剪枝环境，定义保留边或剪枝边的二元动作空间，并设计重构奖励和稀疏性奖励，完成剪枝，得到患者关系网络、特征关系网络和患者-特征关系网络； 分别利用患者关系网络、特征关系网络和患者-特征关系网络构建患者关系超图网络、特征关系超图网络和患者-特征关系超图网络，以各关系超图网络构建各模态的异构超图网络； 分别对各模态经过筛选的原始特征向量和原始特征表达向量进行映射和拼接得到各模态的拼接向量，所述原始特征表达向量是由经过筛选的原始特征向量转置得到； 将各模态的拼接向量和异构超图网络分别进行表征学习得到各模态的表征向量； 将各模态的表征向量进行融合。

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，其通讯地址为：611731 四川省成都市高新区(西区)西源大道2006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。