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！

龙图腾网获悉南京邮电大学申请的专利基于本质可解释的多模态数据融合皮肤隆突性瘤辨别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：CN120088250B 。

龙图腾网通过国家知识产权局官网在2025-07-15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：202510560832.7，技术领域涉及：G06F17/00；该发明授权基于本质可解释的多模态数据融合皮肤隆突性瘤辨别方法是由李泽一;蒋宇娜;郭晓敏;郭永宁;戴文婷;王婷婷;卢涛;张安琪;郭园园;沈佳浩;王若淳设计研发完成，并于2025-04-30向国家知识产权局提交的专利申请。

本基于本质可解释的多模态数据融合皮肤隆突性瘤辨别方法在说明书摘要公布了：本发明涉及医学人工智能技术领域，具体涉及基于本质可解释的多模态数据融合皮肤隆突性瘤辨别方法，该方法包括：采集检测数据，并进行特征编码和矩阵融合，生成新模态数据；基于新模态数据构建扩散概率模型，通过正向扩散和反向去噪训练扩散概率模型；采用训练后的扩散概率模型获取合成样本，形成类别训练数据集；建立本质可解释原型网络分类器，基于类别训练数据集训练本质可解释原型网络分类器，通过训练后的本质可解释原型网络分类器得到皮肤隆突性瘤的辨别结果；使得医生在决策过程中能够更加直观地判断待测样本与任一典型病态模式的接近程度，进而辨别出为皮肤隆突性肉瘤的病变类别，和为皮肤纤维瘤的正常类别，提高辨别结果的合理性。

本发明授权基于本质可解释的多模态数据融合皮肤隆突性瘤辨别方法在权利要求书中公布了：1.基于本质可解释的多模态数据融合皮肤隆突性瘤辨别方法，其特征在于，所述方法包括： 采集检测数据，并进行特征编码和矩阵融合，生成新模态数据，包括： 所述检测数据包括临床图像和病理图像，其中，临床图像记为，病理图像记为； 基于临床图像和病理图像依次通过编码器进行特征编码，并通过矩阵融合进行特征拼接，生成联合表征，记为新模态数据，包括： 通过编码器进行特征编码得到每一临床图像和病理图像对应的特征，即分别为，，其中，表示将图像的像素转成数值矩阵；并通过特征拼接后线性变换进行矩阵融合操作，生成联合表征，记为新模态数据，即，其中，表示将两个特征拼接；表示权重矩阵；表示偏置项；表示激活函数； 基于新模态数据构建扩散概率模型，通过正向扩散和反向去噪训练扩散概率模型； 采用训练后的扩散概率模型获取合成样本，形成类别训练数据集，包括： 通过正向扩散过程提取噪声向量，采用训练后的扩散概率模型结合噪声向量进行逆向扩散，迭代生成合成样本； 基于合成样本整合得到皮肤隆突性瘤样本，并与真实样本形成类别训练数据集，包括： 同理获取基于所有噪声向量生成的合成样本，整合得到合成皮肤隆突性瘤样本，构建类别训练数据集，记为，其中，表示真实样本，包括良性的皮肤病变或正常的皮肤状态；表示恶性的皮肤隆突性瘤样本，表示皮肤隆突性瘤样本的标签； 建立本质可解释原型网络分类器，基于类别训练数据集训练本质可解释原型网络分类器，通过训练后的本质可解释原型网络分类器得到皮肤隆突性瘤的辨别结果，包括： 所述本质可解释原型网络分类器包括自动编码器和原型分类网络； 基于自动编码器将类别训练数据集映射至低维度的潜在特征空间并进行重构，计算重构损失； 根据原型分类网络预先设置若干个原型向量，并对每一类别的原型向量施加正交约束，计算正交损失； 通过原型分类网络获取目标分类的每一类别的原始得分，并确定每一类别的预测概率，计算分类损失； 根据重构损失、正交损失和分类损失确定总损失函数，基于总损失函数训练本质可解释原型网络分类器； 获取待测样本，将待测样本输入至训练后的本质可解释原型网络分类器中得到皮肤隆突性瘤的辨别结果。

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南京邮电大学，其通讯地址为：210003 江苏省南京市鼓楼区新模范马路66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”。