買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉廣東工業(yè)大學(xué)申請的專利一種多模態(tài)阿爾茨海默病病理圖像分類方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN115937588B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-15發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202211573417.8，技術(shù)領(lǐng)域涉及：G06V10/764；該發(fā)明授權(quán)一種多模態(tài)阿爾茨海默病病理圖像分類方法是由趙欽;黃國恒設(shè)計研發(fā)完成，并于2022-12-08向國家知識產(chǎn)權(quán)局提交的專利申請。

本一種多模態(tài)阿爾茨海默病病理圖像分類方法在說明書摘要公布了：本發(fā)明公開了一種多模態(tài)阿爾茨海默病病理圖像分類方法、系統(tǒng)及計算機(jī)可讀存儲介質(zhì)，包括以下步驟：S1：選擇同時具有MRI和PET影像的樣本，基于對抗生成訓(xùn)練策略來訓(xùn)練得到三維循環(huán)一致生成對抗網(wǎng)絡(luò)；S2：選擇只具有MRI而缺失PET影像的樣本，通過所述三維循環(huán)一致生成對抗網(wǎng)絡(luò)生成缺失的PET影像；S3：利用生成的PET影像補(bǔ)全數(shù)據(jù)集中缺失的PET影像，得到完整的MRI和PET數(shù)據(jù)集；S4：將完整數(shù)據(jù)集輸入可變形自注意力機(jī)制模塊，提取不同模態(tài)下的多模態(tài)影像特征；S5：將多模態(tài)影像特征輸入多模態(tài)特征融合網(wǎng)絡(luò)，提取并生成融合特征圖；S6：將所述融合特征圖輸入到分類器中輸出分類結(jié)果。本發(fā)明能夠精確定位病理圖像的病理區(qū)域，提高了病理圖像的分類精度。

本發(fā)明授權(quán)一種多模態(tài)阿爾茨海默病病理圖像分類方法在權(quán)利要求書中公布了：1.一種多模態(tài)阿爾茨海默病病理圖像分類方法，其特征在于，包括以下步驟： S1：選擇同時具有MRI和PET影像的樣本，基于對抗生成訓(xùn)練策略來訓(xùn)練得到三維循環(huán)一致生成對抗網(wǎng)絡(luò)； S2：選擇只具有MRI而缺失PET影像的樣本，通過所述三維循環(huán)一致生成對抗網(wǎng)絡(luò)生成缺失的PET影像； S3：利用生成的PET影像補(bǔ)全數(shù)據(jù)集中缺失的PET影像，得到完整的MRI和PET數(shù)據(jù)集； S4：將完整的MRI和PET數(shù)據(jù)集輸入可變形自注意力機(jī)制模塊，提取不同模態(tài)下的多模態(tài)影像特征； S5：將多模態(tài)影像特征輸入多模態(tài)特征融合網(wǎng)絡(luò)，提取MRI和PET間潛在的互補(bǔ)特征并生成融合特征圖； S6：將所述融合特征圖輸入到分類器中輸出分類結(jié)果； 其中，可變形自注意力機(jī)制模塊的處理過程為： 設(shè)置輸入為單MRI模態(tài)的影像XMRI∈RH×W×D×C，其中H代表影像的長度，W代表影像的寬度，D代表影像的深度，C代表影像的特征維度，XMRI首先通過線性層的補(bǔ)丁嵌入模塊將N個相同大小和位置的貼片劃分為一系列圖像塊，設(shè)定H、W、D大小相等，嵌入圖像塊大小為s×s×s，其中整個圖像塊序列在XMRI上看作是一個大小為s×s×s的均勻網(wǎng)格，圖像塊的系列表示為{Xi}，其中，0≤i≤N-1，對于每一個圖像塊Xi，將其左前坐標(biāo)和右后坐標(biāo)表示為和其中： 之后，每一個圖像塊Xi都會通過偏移預(yù)測網(wǎng)絡(luò)預(yù)測一個位置偏移量和尺寸縮放量，位置偏移量和尺寸縮放量可用參數(shù)Δposition＝Δx,Δy,Δz和Δscale＝Δh,Δw,Δd表示，對于每個變形后的圖像塊更新后的左前坐標(biāo)和右后坐標(biāo)表示為和其中： 由于每個變形后的圖像塊大小均不同，采用采樣和插值的方法來提取特征，在每一個圖像塊內(nèi)采樣一個統(tǒng)一的尺寸為k×k×k的網(wǎng)格{pj}，其中，0≤j≤k3-1，由于網(wǎng)格的坐標(biāo)通常是分?jǐn)?shù)，因此，pj的值通過三線性插值計算8個相鄰點(diǎn)Cj的加權(quán)平均值得到，具體公式如下： pj＝ΗTrilinearCj,xj,yj,zj 之后，變形后的圖像塊通過d維的線性層映射投影成特征向量并被嵌入到一個扁平化的特征圖中，然后，通過一個標(biāo)準(zhǔn)的多頭自注意力模塊將作為輸入并生成三組可學(xué)習(xí)的特征向量，分別為q∈RN×d、k∈RN×d、v∈RN×d；Wq∈RN×d、Wk∈RN×d、Wv∈RN×d是三個可學(xué)習(xí)的線性嵌入矩陣，具體公式如下： Y＝Concat{Atten1v1,...,AttenMvM}Wo 其中，1≤m≤M，dm＝dM，Attenm表示不同圖像塊之間的相似性矩陣，其通過qm和km相乘得到并可作為vm的加權(quán)權(quán)重，通過將M個注意力矩陣Attenm拼接變換得到輸出的最終特征Y∈RN×d。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人廣東工業(yè)大學(xué)，其通訊地址為：510090 廣東省廣州市越秀區(qū)東風(fēng)東路729號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。