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！

龙图腾网获悉厦门大学申请的专利一种多模态的医学图像异常检测方法、介质和设备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：CN120047749B 。

龙图腾网通过国家知识产权局官网在2026-04-14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：202510209647.3，技术领域涉及：G06V10/764；该发明授权一种多模态的医学图像异常检测方法、介质和设备是由陈鑫钰;罗志明设计研发完成，并于2025-02-25向国家知识产权局提交的专利申请。

本一种多模态的医学图像异常检测方法、介质和设备在说明书摘要公布了：本发明公开了一种多模态的医学图像异常检测方法、介质和设备，神经网络模型在训练时，基于大语言模型和模板生成文本描述数据集，通过学习文本之间的潜在距离和关系来隐式优化区间边界，区分正常文本描述提示区间和异常提示文本区间，筛选出更加精确的文本描述数据集，从而缓解语义歧义问题。此外，本申请还引入注意力机制，在不改变预训练模型原有的架构的基础上，获取到图像视觉特征的局部特征，并使用多层适配器对视觉语言模型进行微调，以适应医学图像异常检测的需要。通过计算得到的视觉特征和文本特征得到基于全局的异常分数和局部的异常图实现异常检测与分割。

本发明授权一种多模态的医学图像异常检测方法、介质和设备在权利要求书中公布了：1.一种多模态的医学图像异常检测方法，其特征在于，包括以下步骤： 接收医学图像； 将所述医学图像输入训练完成的神经网络模型中，输出所述医学图像对应的异常检测结果，所述异常检测结果包括图像是否异常的文本描述信息以及异常特征图； 所述神经网络模型在进行训练时，包括以下步骤： S1：基于模版和大语言模型生成不同类别的文本描述数据集，所述文本描述数据集包括正常文本描述集、异常文本描述集、正常文本生成集和异常文本生成集； S2：接收医学样本图像，分别计算所述医学样本图像与正常文本描述集、异常文本描述集、正常文本生成集和异常文本生成集的余弦相似度，基于所述余弦相似度计算相关性分数，若计算得到的相关性分数大于0，则保留对应的文本描述，否则删除对应的文本描述，直至所有的文本描述数据集中的数据遍历完成，得到与当前输入的医学样本图像最相关的过滤后的精确文本描述数据集，所述精确文本描述数据集包括精确正常文本描述集和精确异常文本描述集； S3：通过注意力机制提取所述医学样本图像的关键特征，将所述关键特征输入多层特征适配器进行动态学习，得到深度特征，以及将所述深度特征与所述精确文本描述数据集中的数据进行余弦相似度计算，得到当前医学样本图像对应的文本描述信息和异常特征图； 所述特征适配器为双分支的特征适配器，在每一层生成两个并行的特征和，其中，表示在第L层通过双分支特征适配器生成的用于分类任务的特征，用于表示输入的医学样本图像x是否异常，表示在第层通过双分支特征适配器生成的用于分割任务的特征，用于分割出异常区域特征； 将所述深度特征与所述精确文本描述数据集中的数据进行余弦相似度计算，得到当前医学样本图像对应的文本描述信息和异常特征图包括： ； 其中F∈{},是温度超参数，用于调节函数的输出分布，F表示精确文本描述数据集中的文本描述特征数据，F表示正常文本描述特征数据，F表示异常文本描述特征数据，exp表示指数函数； ； ； 其中，C表示异常类型的分类指标，S表示异常特征图的分割指标，BI表示图像处理函数，用于将异常图重塑为×，并使用双线性插值将其恢复到原始输入的医学样本图像的分辨率，G表示网格数； ； ； 其中，m表示多级特征记忆库G中记录的各个级别特征之间的最小距离，函数Dist表示余弦距离，最终预测的分类与分割结果为： ； ； 其中，为最终确定的图像异常类型，为最终确定的异常特征图，表示权重值。

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厦门大学，其通讯地址为：361005 福建省厦门市思明区思明南路422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”。

以上内容由龙图腾AI智能生成。