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！

龙图腾网获悉太原理工大学申请的专利基于跨模态融合级联的癌症分期预测模型建模系统及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：CN116933135B 。

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：202310884917.1，技术领域涉及：G06F18/24；该发明授权基于跨模态融合级联的癌症分期预测模型建模系统及方法是由岳俊宏;姜连成;贾利叶;刘雪宇;郝芳;李心宇设计研发完成，并于2023-07-19向国家知识产权局提交的专利申请。

本基于跨模态融合级联的癌症分期预测模型建模系统及方法在说明书摘要公布了：本发明属于基于人工智能的医疗信息处理领域，公开了一种基于跨模态融合级联的癌症分期预测模型建模系统及方法，系统包括：依次连接的数据获取模块、浅层次特征提取模块、多个级联模块和预测输出模块；浅层次特征提取模块用于根据各个模态的标注数据，分别提取各个模态的浅层次特征并形成各个模态间浅层次特征；各个级联模块依次连接，包括：模态内特征提取器、模态间特征提取器、多模态癌症分期预测器、精度判别模块和特征重组模块，预测输出模块：用于输出癌症分期预测模型。本发明可以提高模型的预测精度和泛用性。

本发明授权基于跨模态融合级联的癌症分期预测模型建模系统及方法在权利要求书中公布了：1.一种基于跨模态融合级联的癌症分期预测模型建模系统，其特征在于，包括：依次连接的数据获取模块、浅层次特征提取模块、多个级联模块和预测输出模块； 所述数据获取模块用于获取多种模态的标注数据发送给浅层次特征提取模块；所述多种模态的标注数据包括临床文本数据、基因组学数据、影像组学数据； 所述浅层次特征提取模块用于根据各个模态的标注数据，分别提取各个模态的浅层次特征； 各个级联模块依次连接，所述级联模块包括： 模态内特征提取器：用于根据各个模态的浅层次特征或上一个级联模块输出的重组特征对各个模态分别进行特征提取，得到模态内深层次特征； 模态间特征提取器：用于对任意两个模态的浅层次特征或上一个级联模块输出的任意两个模态的重组特征进行模态间特征提取，得到各个模态两两之间的深层次特征； 多模态癌症分期预测器：用于分别根据模态内特征提取器输出的各个模态内深层次特征和模态间特征提取器输出的各个模态间深层次特征，输出预测精度和各种癌症分期的预测概率；还用于根据当前层的所有癌症分期预测器的输出预测概率，进行加权融合，获得当前层的预测概率； 精度判别模块：用于根据当前层的预测概率确定预测标签，再计算当前层的精度，并判断精度是否满足输出条件，若否，则发送信号至特征重组模块，若是，则发送输出信号至预测输出模块； 特征重组模块：用于根据精度判别模块发送的重组命令，对各个模态进行特征重组，将得到的各个模态的重组特征发送给下一个级联模块作为其输入；特征重组的方法为：将各个模态的浅层次特征或上一级联模块输出的重组特征、对应模态的模态内深层次特征、、相关的模态间深层次特征拼接在一起作为对应模态的重组特征； 预测输出模块：用于保留最后一个级联模块内的多模态癌症分期预测器，去掉其它所有级联模块中的多模态癌症分期预测器，将所述浅层次特征提取模块和多个级联模块作为癌症分期预测模型； 所述模态内特征提取器包括多个第一特征提取器，所述第一特征提取器为基于门控注意力机制的双线性模型训练得到，模型结构为：输入特征首先经过一个Relu激活函数的全连接层，得到一个特征向量，然后，将输入特征分别经过一个Relu激活函数全连接层和Sigmoid激活函数的全连接层，再将输出的两个特征向量逐元素相乘，得到一个特征向量；然后，将特征向量和逐元素相乘，得到模态内的深层次特征：最后，基于模态内的深层次特征使用Softmax激活函数的全连接层进行预测； 所述模态间特征提取器包括多个第二特征提取器，所述第二特征提取器为基于门控注意力机制的双线性模型训练得到，模型结构为：两个模态的输入特征和分别经过Relu激活函数的全连接层和Sigmoid激活函数的全连接层，再将输出特征向量逐元素相乘，得到两个特征向量和；然后，将两个特征向量和逐元素相乘，得到模态间的深层次特征，最后，基于模态间的深层次特征使用Softmax激活函数的全连接层进行预测。

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太原理工大学，其通讯地址为：030024 山西省太原市万柏林区迎泽西大街79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”。