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！

龙图腾网获悉北京华医网科技股份有限公司申请的专利多模态医学影像成像信息处理方法及系统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：CN121545689B 。

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：202610077552.5，技术领域涉及：G16H30/20；该发明授权多模态医学影像成像信息处理方法及系统是由刘世杰;孙成;赵学东设计研发完成，并于2026-01-21向国家知识产权局提交的专利申请。

本多模态医学影像成像信息处理方法及系统在说明书摘要公布了：本发明属于医学影像处理技术领域，具体涉及多模态医学影像成像信息处理方法及系统，解决现有技术质量影响未量化、关联挖掘不足、不确定性未管控、跨机构协同与隐私保护矛盾及缺乏持续演进能力的问题。本发明先获取影像及成像上下文信息，经多尺度质量感知评估生成动态质量评估流；再基于先验因果知识库与该评估流调控因果发现算法严格度，构建个性化因果网络；随后依托该网络执行反事实推理预测处理效果，完成含质量驱动分量的多层级风险量化；进而生成成像信息处理界面，并实现跨机构知识融合与模型更新、先验因果知识库动态更新。本发明实现多模态影像精准处理、风险可控与持续优化，提升处理可靠性与效率，降低工程化应用门槛。

本发明授权多模态医学影像成像信息处理方法及系统在权利要求书中公布了：1.多模态医学影像成像信息处理方法，其特征在于，包括以下步骤： 获取原始医学影像数据及关联的成像上下文信息； 对所述原始医学影像数据进行多尺度质量感知评估，生成动态质量评估流； 获取先验因果知识库，并基于所述动态质量评估流，自适应调控因果发现算法的严格度，进而构建用于表征影像特征与成像参数间关联关系的个性化因果网络模型； 以所述个性化因果网络模型为可解释结构，结合所述动态质量评估流，执行反事实推理以预测对影像特征或成像参数进行调整的预期处理效果，并对所述预期处理效果进行多层级不确定性量化分解，得到不确定性分解结果；所述不确定性量化分解包含一个由影像质量变异经所述个性化因果网络模型传播衍生的质量驱动操作不确定性分量； 基于所述原始医学影像数据、所述个性化因果网络模型、所述预期处理效果及所述不确定性分解结果，生成交互式可视化成像信息处理界面； 在分布式学习场景下，基于各参与节点的历史质量评估轮廓对所述个性化因果网络模型聚合过程进行差异化加权，实现隐私保护下的跨节点知识融合与所述个性化因果网络模型更新；其中，所述历史质量评估轮廓基于各节点历史产生的动态质量评估流构建； 获取在所述交互式可视化成像信息处理界面中的交互反馈数据，依据所述交互反馈数据的来源对应的所述动态质量评估流对该反馈数据进行校准，驱动所述先验因果知识库的动态更新； 进而构建用于表征影像特征与成像参数间关联关系的个性化因果网络模型，其方法为： 获取先验因果知识库中确定性因果关系边、禁止边及时序关系约束； 以影像特征及成像参数为节点构建完全连接图，并根据所述先验因果知识库对所述完全连接图进行强制性修改，包括强制保留所述确定性因果关系边，并强制删除所述禁止边，得到先验约束图； 在所述先验约束图的基础上，采用改进的PC算法框架进行因果发现，通过质量感知的条件独立性检验构建无向骨架图；其中，在进行每一次条件独立性检验时，根据所述动态质量评估流动态调整统计检验的显著性水平，使得检验严格度与数据质量负相关； 基于V-结构识别、方向传播规则及所述先验因果知识库中的时序关系，对所述无向骨架图进行因果方向仲裁，形成有向无环的所述个性化因果网络模型，并为所述个性化因果网络模型中的因果边赋予因果强度及可靠性权重； 所述由影像质量变异经所述个性化因果网络模型传播衍生的质量驱动操作不确定性分量，其方法为： 建立关键影像特征的测量误差模型，其中特征测量误差的标准差与所述动态质量评估流负相关； 基于所述测量误差模型，对当前的影像特征向量进行多次蒙特卡洛扰动采样，生成模拟质量缺陷的特征向量； 将所述模拟质量缺陷的特征向量分别输入基于所述个性化因果网络模型构建的反事实预测模型，得到对应的预期处理效果值集合； 计算所述预期处理效果值集合的方差，作为质量驱动操作不确定性分量。

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北京华医网科技股份有限公司，其通讯地址为：100036 北京市海淀区西翠路9号南段12层1228室；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。