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！

龙图腾网恭喜南京航空航天大学申请的专利一种基于深度学习的医疗影像报告自动生成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：CN114496151B 。

龙图腾网通过国家知识产权局官网在2025-04-08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：202210004588.2，技术领域涉及：G16H15/00；该发明授权一种基于深度学习的医疗影像报告自动生成方法是由张立言;陈志贤;袁野设计研发完成，并于2022-01-05向国家知识产权局提交的专利申请。

本一种基于深度学习的医疗影像报告自动生成方法在说明书摘要公布了：本发明公开了一种基于深度学习的医疗影像报告自动生成方法，包括如下步骤：步骤1，准备数据集并对数据集进行预处理；步骤2，通过Attention模型进行医疗影像细粒度特征提取；步骤3，通过图像处理模块，使用图文对应的方式进行训练，采用关键词和图像特征进行对应，改进transformer模块，来提高机器对图像特征识别的准确性；步骤4，通过Decoder模块生成报告段落。本发明通过提取细粒度的医疗影像特征，改善训练模型，使得生成的诊断报告更加专业、准确。

本发明授权一种基于深度学习的医疗影像报告自动生成方法在权利要求书中公布了：1.一种基于深度学习的医疗影像报告自动生成方法，其特征在于：包括如下步骤：步骤1，准备数据集并对数据集进行预处理；步骤2，通过Attention模型进行医疗影像细粒度特征提取；细粒度特征提取模型的整体结构如下：input→Resnet→SAT模型→Attention矩阵→细粒度特征其中，input为医疗影像图片；Resnet是训练好的深度残差网络；首先使用Resnet101提取基本的医疗影像特征，得到一系列的特征向量ai：ai＝{a1,...,aL},ai∈RD其中L是向量的个数，L＝H*W，H表示特征图的高度，W表示特征图的宽度，D是提取的特征图的维度，每个向量都对应医疗影像的一个区域；然后将这些特征向量输入SAT模型中进行预训练；使用SAT模型的Encoder部分，通过Encoder部分的Attention模块得到需要的Attention矩阵；Attention模块的作用就是生成一组权重矩阵，用αt＝{αt0,...,αti,...,αtL}进行表示，其中αt就是权重矩阵，ti表示在t时刻αi对应的权重，计算过程如下：eti＝fattai,ht-1 其中ht-1为t-1时刻decoder模块的隐含向量，fatt是一层神经网络；采用SoftAttention机制，即将各区域ai和它在t时刻对应的权重αti作加权求和，得到上下文向量contextvector： 最后再将得到的这组上下文向量contextvector和后面提取到的特征相乘，得到所需要的细粒度的特征；步骤3，通过图像处理模块，使用图文对应的方式进行训练，采用关键词和图像特征进行对应，改进transformer模块，来提高机器对图像特征识别的准确性；步骤4，通过Decoder模块生成报告段落。

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航空航天大学，其通讯地址为：210016 江苏省南京市秦淮区御道街29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”。