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！

龙图腾网获悉国家健康医疗大数据研究院(深圳)申请的专利慢性疾病预后方法、模型、装置、计算机设备及存储介质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：CN120766988B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202510784890.8，技术领域涉及：G16H50/70；该发明授权慢性疾病预后方法、模型、装置、计算机设备及存储介质是由王昌淼;肖庆颖;吴凌龙;单许豪;王可欣;葛瑞泉;万翔;于广军设计研发完成，并于2025-06-11向国家知识产权局提交的专利申请。

本慢性疾病预后方法、模型、装置、计算机设备及存储介质在说明书摘要公布了：本发明公开了一种慢性疾病预后方法、模型、装置、计算机设备及存储介质，方法包括：获取待预后人员的医学图像以及医疗数据；在医学图像中，提取出深度学习特征以及影像组学特征；在深度学习特征以及影像组学特征二者中，确定出二者的共享特征以及独特特征；基于共享特征以及独特特征进行融合处理，得到目标融合特征；基于目标融合特征以及医疗数据，构建得到多组学图；基于多组学图进行预后处理，得到待预后人员的预后结果。通过目标融合特征与医疗数据等不同模态的数据，构建出的多组学图能够在提升不同模态间表达互补性的基础上，增强了模型对复杂病理信息的建模能力，从而显著提高预后预测结果的准确性与鲁棒性。

本发明授权慢性疾病预后方法、模型、装置、计算机设备及存储介质在权利要求书中公布了：1.一种慢性疾病预后方法，其特征在于，所述方法包括： 获取待预后人员的医学图像以及医疗数据； 在所述医学图像中，提取出深度学习特征以及影像组学特征； 在所述深度学习特征以及所述影像组学特征二者中，确定出二者的共享特征以及独特特征； 基于所述共享特征以及所述独特特征进行融合处理，得到目标融合特征； 基于所述目标融合特征以及所述医疗数据，构建得到多组学图； 基于所述多组学图进行预后处理，得到所述待预后人员的预后结果； 所述在所述深度学习特征以及所述影像组学特征二者中，确定出二者的共享特征以及独特特征，包括： 通过预设的第一编码器，计算出所述深度学习特征的第一均值以及第一协方差矩阵； 基于所述第一均值以及所述第一协方差矩阵，确定出所述深度学习特征对应的第一潜在变量； 通过预设的第二编码器，计算出所述影像组学特征的第二均值以及第二协方差矩阵； 基于所述第二均值以及所述第二协方差矩阵，确定出所述影像组学特征对应的第二潜在变量； 在所述第一潜在变量以及所述第二潜在变量二者中，确定出二者的共享特征以及独特特征； 所述在所述第一潜在变量以及所述第二潜在变量二者中，确定出二者的共享特征以及独特特征，包括： 通过预设的互信息优化机制，对所述第一潜在变量以及所述第二潜在变量进行优化处理，得到所述第一潜在变量对应的第一目标潜在变量以及所述第二潜在变量对应的第二目标潜在变量； 通过预设的解纠缠机制，在所述第一目标潜在变量以及所述目标第二潜在变量二者中，确定出二者的共享特征以及独特特征； 所述通过预设的互信息优化机制，对所述第一潜在变量以及所述第二潜在变量进行优化处理，得到所述第一潜在变量对应的第一目标潜在变量以及所述第二潜在变量对应的第二目标潜在变量，包括： 以最大化所述第一潜在变量与预设的目标变量之间的互信息，并最小化所述第一潜在变量与所述深度学习特征之间的互信息作为调整目标，调整所述第一潜在变量，得到第一目标潜在变量； 以最大化所述第二潜在变量与预设的目标变量之间的互信息，并最小化所述第二潜在变量与所述影像组学特征之间的互信息作为调整目标，调整所述第二潜在变量，得到第二目标潜在变量。

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国家健康医疗大数据研究院(深圳)，其通讯地址为：518000 广东省深圳市龙岗区龙城街道龙翔大道2001号道远楼225室；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。