買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉中南大學申請的專利一種基于多模態學習的影像基因融合分類方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN116956138B 。

龍圖騰網通過國家知識產權局官網在2025-08-22發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202310950132.X，技術領域涉及：G06F18/24；該發明授權一種基于多模態學習的影像基因融合分類方法是由劉錦;田旭;王建新設計研發完成，并于2023-07-31向國家知識產權局提交的專利申請。

本一種基于多模態學習的影像基因融合分類方法在說明書摘要公布了：本申請適用于多模態學習技術領域，提供了一種基于多模態學習的影像基因融合分類方法。通過獲取受試者的磁共振影像、基因表達信息以及基因序列信息；構建影像基因融合分類模型；依次將每個受試者的磁共振影像、基因表達信息以及基因序列信息輸入影像基因融合分類模型，并計算影像基因融合分類模型的損失值；根據損失值，對影像基因融合分類模型進行反向傳播，直至影像基因融合分類模型收斂，得到訓練后的影像基因融合分類模型；將待分類者的磁共振影像、原始基因表達信息以及原始基因序列信息輸入訓練后的影像基因融合分類模型，得到待分類者的分類結果。本申請能夠提高影像基因融合分類方法的準確度。

本發明授權一種基于多模態學習的影像基因融合分類方法在權利要求書中公布了：1.一種基于多模態學習的影像基因融合分類方法，其特征在于，包括： 獲取N個受試者的磁共振影像、原始基因表達信息以及原始基因序列信息； 構建影像基因融合分類模型；所述影像基因融合分類模型包括第一特征提取模塊、第二特征提取模塊、特征融合模塊以及分類模塊，所述第一特征提取模塊用于對所述磁共振影像進行特征提取，得到每個受試者對應的宏觀特征，所述第二特征提取模塊根據所述原始基因表達信息和所述原始基因序列信息，提取每個受試者對應的微觀特征，所述特征融合模塊用于對所述微觀特征和所述宏觀特征進行非對稱流形對齊，得到融合特征，所述分類模塊用于對所述融合特征進行分類； 依次將每個受試者的磁共振影像、原始基因表達信息以及原始基因序列信息輸入所述影像基因融合分類模型，并計算所述影像基因融合分類模型的損失值； 根據所述損失值，對所述影像基因融合分類模型進行反向傳播，直至所述影像基因融合分類模型收斂，得到訓練后的影像基因融合分類模型； 將待分類者的磁共振影像、原始基因表達信息以及原始基因序列信息輸入所述訓練后的影像基因融合分類模型，得到所述待分類者的分類結果； 其中，所述根據所述原始基因表達信息和所述原始基因序列信息，提取每個受試者對應的微觀特征，包括： 確定各原始基因表達信息之間的線性關系，并根據所述線性關系構建基因關聯網絡；所述基因關聯網絡用于描述每個受試者與所有受試者之間的原始基因表達信息差異； 根據所述基因關聯網絡，確定每個受試者的預測基因表達信息，并根據所述預測基因表達信息和所述原始基因表達信息，構建表達偏差矩陣；所述表達偏差矩陣用于衡量每個受試者的預測基因表達信息和該受試者原始基因表達信息之間的差異； 根據所述表達偏差矩陣、所述原始基因表達信息以及所述原始基因序列信息，得到每個受試者對應的微觀數據； 利用改進后的圖卷積神經網絡對所述微觀數據進行特征提取，得到每個受試者對應的微觀特征； 所述利用改進后的圖卷積神經網絡對所述微觀數據進行特征提取，得到每個受試者對應的微觀特征，包括： 通過計算公式 得到所述微觀特征其中，表示第i個受試者的微觀數據在圖卷積神經網絡第l+1層輸出的微觀特征，σ表示非線性激活函數，表示第i個受試者的微觀數據在圖卷積神經網絡第l層輸出的微觀特征，表示當前受試者與全部訓練集受試者的第l層鄰接關系，鄰接關系是受試者特征之間的相似度，表示全部訓練集受試者的第l層輸出的微觀特征，Wl表示對特征進行線性變換的參數矩陣。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人中南大學，其通訊地址為：410000 湖南省長沙市岳麓區麓山南路932號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。