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！

龍圖騰網獲悉成都理工大學;四川錦欣西囡婦女兒童醫院有限公司申請的專利一種基于時差成像多任務學習的IVF-ET胚胎選擇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：CN120356013B 。

龍圖騰網通過國家知識產權局官網在2025-09-26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：202510820338.X，技術領域涉及：G06V10/764；該發明授權一種基于時差成像多任務學習的IVF-ET胚胎選擇方法是由姚光樂;李武豪;呂蓉;張博宙;賈勇;王江;王琛;曾維;王洪輝;彭柯鑫;唐林鵬設計研發完成，并于2025-06-19向國家知識產權局提交的專利申請。

本一種基于時差成像多任務學習的IVF-ET胚胎選擇方法在說明書摘要公布了：本發明公開了一種基于時差成像多任務學習的IVF?ET胚胎選擇方法，屬于圖像數據處理與輔助生殖領域，所述方法為：首先利用編碼模塊，通過膨脹三維卷積網絡和雙向長短期記憶網絡有效提取胚胎時差成像序列中的時空特征；然后，在硬參數共享的多任務學習框架下，利用共享的特征表示，通過多個任務特定預測器同時預測基于lstanbul共識的質量分級和基于Gardner分級的發育等級等多個關鍵指標；訓練過程中采用AdaTask優化算法與Frank?Wolfe方法優化模型參數，并引入虛擬預測器機制增強模型通用性；本發明能夠更準確、客觀、高效地評估胚胎質量和發育潛能，減輕胚胎學家負擔，提高IVF、ET的成功率，并可應用于畜牧業、瀕危物種保護等領域。

本發明授權一種基于時差成像多任務學習的IVF-ET胚胎選擇方法在權利要求書中公布了：1.一種基于時差成像多任務學習的IVF-ET胚胎選擇方法，其特征在于，包括下述步驟： S1：數據準備與預處理： S11.數據采集：收集IVF過程中胚胎發育過程的時差成像視頻或圖像序列； S12.數據預處理：對所述時差成像視頻或圖像序列進行預處理； S2：通過編碼模塊提取時空特征： S21.輸入編碼模塊：將S12預處理后的圖像序列輸入到編碼模塊； S22.ResNet3D特征提取：利用改進的ResNet3D網絡處理輸入序列，提取胚胎發育過程中的時空特征； S23.正則化：在ResNet3D層后應用空間Dropout層，保持維度； S24.特征池化： 應用空間最大池化，得到維度為8×256的特征，捕捉顯著的空間結構信息；應用空間平均池化，得到維度為8×256的特征，保留整體的空間信息； S25.時序特征融合：將最大池化和平均池化的結果送入到一個雙向長短期記憶網絡層； S3：多任務學習與優化： S31.共享表示：步驟S2輸出的特征向量作為共享表示，輸入到后續的任務特定預測器中，其中為輸入樣本，為共享編碼器，為編碼后的特征向量； S32.任務特定預測器：為每個評估任務構建獨立的預測器； S33.多任務學習框架應用： 采用硬參數共享結構，共享編碼器的參數；采用基于Frank-Wolfe的方法，將問題視為多目標優化，通過求解子問題迭代更新共享參數，以尋找帕累托最優解； S34.模型訓練與優化： 損失函數：對于分類任務，采用交叉熵損失函數作為；總損失為各任務損失之和； ， 其中：為第k個任務的交叉熵損失；為類別c的真實標簽，即one-hot編碼中的值，0或1；log為自然對數函數；為模型預測的類別c的概率； 優化器：采用AdaTask優化方法更新模型參數 ； 訓練過程：使用標記好的胚胎數據集進行模型訓練，通過反向傳播和優化器迭代更新網絡參數，直至模型收斂或達到預設訓練輪數； S4：分類預測與胚胎選擇： S41.特征輸入：將編碼模塊輸出的共享特征向量輸入到分類模塊的各個任務特定預測器中； S42.多層感知機處理： 第一隱藏層：128個神經元，ReLU激活函數，后接Dropout0.5, 第二隱藏層：64個神經元，ReLU激活函數，后接Dropout0.5）, S43.輸出預測： Istanbul共識分類任務：輸出層有5個神經元，應用Softmax激活函數，輸出對應5個質量等級的概率分布； Gardner分級任務：輸出層有6個神經元，應用Softmax激活函數，輸出對應6個發育等級的概率分布； S44.胚胎選擇決策：根據模型輸出的多個預測結果，結合臨床經驗和特定需求，制定胚胎選擇策略。

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成都理工大學;四川錦欣西囡婦女兒童醫院有限公司，其通訊地址為：610000 四川省成都市成華區二仙橋東三路1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”。