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！

龙图腾网恭喜中科南京人工智能创新研究院申请的专利基于超声图像和肌电信号多模态的吞咽障碍智能分类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：CN119357783B 。

龙图腾网通过国家知识产权局官网在2025-03-14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：202411935652.4，技术领域涉及：G06F18/241；该发明授权基于超声图像和肌电信号多模态的吞咽障碍智能分类系统及方法是由赵琳琳;邹永向;程龙设计研发完成，并于2024-12-26向国家知识产权局提交的专利申请。

本基于超声图像和肌电信号多模态的吞咽障碍智能分类系统及方法在说明书摘要公布了：本发明公开了一种基于超声图像和肌电信号多模态的吞咽障碍智能分类系统及方法，该方法包括获取原始超声图像序列和原始肌电信号序列，进行时序对齐和自适应噪声抑制处理；对去噪数据进行多维信号质量评分和自适应增强处理；从增强数据中提取时域、频域和时频域特征并组合；基于特征相关性和质量评分计算特征权重，进行多层融合；利用分层分类器进行特征分类并评估可靠性；对分类性能进行综合评估并优化系统参数。本发明通过多模态数据融合和自适应处理机制，提高了吞咽障碍诊断的准确性和可靠性，具有良好的临床应用价值。

本发明授权基于超声图像和肌电信号多模态的吞咽障碍智能分类系统及方法在权利要求书中公布了：1.基于超声图像和肌电信号多模态的吞咽障碍智能分类方法，其特征在于，包括如下步骤：S1、获取原始超声图像序列和原始肌电信号序列，对原始超声图像序列和原始肌电信号序列进行时序对齐处理，得到对齐数据；对对齐数据进行多尺度分解和自适应噪声抑制处理，得到去噪数据；S2、基于去噪数据，计算多维信号质量评分，得到质量评分矩阵；根据质量评分矩阵，对去噪数据进行自适应增强处理，得到增强数据；S3、基于增强数据，分别提取时域特征、频域特征和时频域特征，得到时域特征向量、频域特征向量和时频特征向量；将时域特征向量、频域特征向量和时频特征向量进行组合，生成特征矩阵；S4、基于特征矩阵和质量评分矩阵，计算特征相关性指标，得到相关性指标数据；根据相关性指标数据和质量评分矩阵，计算特征权重，得到特征权重向量；利用特征权重向量，对特征矩阵进行多层融合处理，生成融合特征向量；S5、基于融合特征向量，通过分层分类器进行特征分类，得到分类结果数据；对分类结果数据进行可靠性评估，生成置信度评分；根据分类结果数据和置信度评分，进行综合判断，输出最终分类结果；步骤S4进一步为：S41、基于特征矩阵中的特征分量，计算皮尔逊相关系数，得到相关系数数据；基于特征矩阵中的特征分量，计算互信息值，得到互信息数据；将相关系数数据和互信息数据进行加权组合，生成相关性指标数据；S42、利用相关性指标数据和质量评分矩阵，构建权重计算模型；根据权重计算模型，计算特征重要度得分，得到重要度数据；对重要度数据进行归一化处理，生成特征权重向量；S43、基于特征权重向量，对特征矩阵进行加权处理，得到初步融合数据；对初步融合数据进行降维处理，得到降维特征数据；对降维特征数据进行非线性变换，生成融合特征向量；步骤S43进一步为：S431、构建多尺度特征金字塔模型，对特征矩阵和特征权重向量进行分层处理，得到分层特征数据；利用注意力机制对分层特征数据进行权重调整，得到调整特征数据；对调整特征数据进行加权求和，生成初步融合数据；S432、基于初步融合数据，构建流形学习框架，得到局部特征结构数据；采用谱聚类方法对局部特征结构数据进行降维映射，得到映射特征数据；基于保距原则优化映射特征数据，生成降维特征数据；S433、构建深度自编码网络，对降维特征数据进行编码处理，得到特征编码数据；利用反向传播算法优化特征编码数据，得到优化特征数据；使用激活函数对优化特征数据进行非线性变换，生成融合特征向量。

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中科南京人工智能创新研究院，其通讯地址为：211135 江苏省南京市江宁区创研路266号麒麟人工智能产业园3号楼3楼；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”。