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！

龙图腾网恭喜中国人民解放军南部战区总医院申请的专利一种基于跨模态知识融合的心肌梗死定位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：CN119477845B 。

龙图腾网通过国家知识产权局官网在2025-06-13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：202411558871.5，技术领域涉及：G06T7/00；该发明授权一种基于跨模态知识融合的心肌梗死定位方法是由黄建玉;徐琳;张献斌;蔡华;高宇硕;易子怡;柳毓婷;刘鑫栋设计研发完成，并于2024-11-04向国家知识产权局提交的专利申请。

本一种基于跨模态知识融合的心肌梗死定位方法在说明书摘要公布了：本发明提供一种基于跨模态知识融合的心肌梗死定位方法，包括采集目标1D‑VCG信号并构建2D‑VCG图像数据集；通过教师模型和学生模型分别从2D‑VCG、1D‑VCG信号中提取空间特征、时序特征和伪标签；通过跨模态生成器将空间特征和时序特征进行对齐与变换；并通过跨模态生成器实现跨模态知识融合和MI定位。本发明通过知识增强和学生增强策略，不仅提升了心肌梗死定位的准确性，还通过自适应权重法优化了跨模态学习的整体框架；本发明以知识蒸馏的形式实现，成功将2D‑VCG的空间特征融合到1D‑VCG时序分析中，结合教师模型、学生模型与跨模态生成器的协同工作，显著提高了心肌梗死的定位准确性。

本发明授权一种基于跨模态知识融合的心肌梗死定位方法在权利要求书中公布了：1.一种基于跨模态知识融合的心肌梗死定位方法，其特征在于，包括如下步骤： S1、采集目标1D-VCG信号并构建2D-VCG图像数据集，将2D-VCG图像数据集划分为训练集和测试集； S2、构建教师模型并对其进行训练，通过所述的教师模型提取2D-VCG图像的空间特征和和伪标签Logits； S3、构建学生模型对其进行训练，通过所述的学生模型从1D-VCG信号中获取时序特征和伪标签Logits； S4、构建跨模态生成器，通过所述的跨模态生成器将教师模型提取的空间特征和学生模型提取的时序特征进行对齐与变换； S5、通过跨模态生成器实现跨模态知识融合和MI定位； 所述的教师模型基于图卷积神经网络MVCNN进行迭代优化，所述的教师模型由多个平行的ResNet18架构获取各视图特征；并通过多视图协同关注融合模块进行各视图核心空间特征截取及加权聚合； 所述的多视图协同关注融合模块包括两个阶段的注意力机制，通过两个阶段的注意力机制增强来自不同视角的特征图的语义信息； 通过第一个阶段的注意力机制聚合不同视角的相关特征，具体为： S211、将来自三个视角的特征张量通过卷积层进行通道特征的压缩，并结合成一个张量计算表达式为： 式中，为三个不同视角的张量，Cat表示将三个不同视角的张量视图沿着通道进行串联；Conv表示卷积操作；ReLU为激活函数；下标i表示当前处理的样本索引，用于区分不同的样本； S212、通过sigmoid函数计算注意力因子；即： 式中，uA，uB，uC为注意力因子，表示不同视角下的特征权重；σ表示sigmod函数；{UAi,UBi,UCi}是注意力因子计算模块的参数矩阵，表示对不同特征通道的权重分配；×表示模乘；A、B、C分别表示三个不同视角特征通道的标记； S213、通过将注意力因子与相应的特征张量逐元素相乘，得到增强的特征张量即： 式中，表示增强的第一个阶段注意力的特征张量；⊙表示逐元素进行相乘； 然后通过两个并行的内部注意力特征融合模块从不同角度增强特征图的语义信息。

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中国人民解放军南部战区总医院，其通讯地址为：510010 广东省广州市越秀区流花路111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”。