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！

龙图腾网恭喜温州大学大数据与信息技术研究院;温州职业技术学院申请的专利基于多模态数据融合的肺部感染性疾病预测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：CN119480124B 。

龙图腾网通过国家知识产权局官网在2025-05-02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：202510067485.4，技术领域涉及：G16H50/30；该发明授权基于多模态数据融合的肺部感染性疾病预测系统是由陈慧灵;夏志良;陈丽燕;陈翼;李成业设计研发完成，并于2025-01-16向国家知识产权局提交的专利申请。

本基于多模态数据融合的肺部感染性疾病预测系统在说明书摘要公布了：本发明公开了一种基于多模态数据融合的肺部感染性疾病预测系统，旨在通过多维数据的综合分析提高疾病预测的准确性和可靠性；系统包括数据采集模块、特征提取模块、动态融合模块和预测建模模块；数据采集模块实时获取患者的临床、数医学影像以及环境因素数据；特征提取模块提取各数据来源的特征向量；动态融合模块对多模态特征进行自适应权重分配，融合为多模态特征表示；预测建模模块通过时序分析对多模态特征表示进行动态变化趋势建模，以生成患者罹患肺部感染性疾病的概率预测值及疾病趋势预测结果；本发明利用多模态数据的协同优势，结合注意力机制和时序分析，提供了一种全面、高效的疾病预测方法，可广泛应用于医疗诊断和公共健康管理领域。

本发明授权基于多模态数据融合的肺部感染性疾病预测系统在权利要求书中公布了：1.一种基于多模态数据融合的肺部感染性疾病预测系统，其特征在于，包括：数据采集模块，用于实时采集患者的临床数据、医学影像数据及环境因素数据，其中，所述临床数据包括体征数据、血液检验数据和症状描述数据，所述医学影像数据包括胸部X光片、CT扫描图像和超声图像，所述环境因素数据包括空气质量指数、气象数据和区域传染病流行程度数据；特征提取模块，用于从所述临床数据中提取生理指标特征向量，从所述医学影像数据中提取图像特征向量，从所述环境因素数据中提取环境影响特征向量；动态融合模块，用于采用注意力机制对所述生理指标特征向量、图像特征向量和环境影响特征向量进行自适应权重分配，并将其融合为统一的多模态特征表示；预测建模模块，对所述多模态特征表示进行时序分析，获得所述多模态特征表示的时序特征；根据所述时序特征，预测患者罹患肺部感染性疾病的概率值以及可能的疾病进展趋势；所述动态融合模块具体用于：获得生理指标特征向量，图像特征向量以及环境影响特征向量为；按照如下的公式1，计算对应于生理指标特征向量的初始模态注意力权重： ；其中，为sigmoid激活函数；为可训练查询向量；为自模态权重映射矩阵；和为跨模态交互权重映射矩阵；为偏置向量；按照如下的公式2，计算对应于图像特征向量的初始模态注意力权重： ；其中，为sigmoid激活函数；为可训练查询向量；为自模态权重映射矩阵；和为跨模态交互权重映射矩阵；为偏置向量；按照如下的公式3，计算对应于环境影响特征向量的初始模态注意力权重： ；其中，为sigmoid激活函数；为可训练查询向量；为自模态权重映射矩阵；和为跨模态交互权重映射矩阵；为偏置向量；按照如下公式4-6，计算对应于生理指标特征向量的修正模态注意力权重、对应于图像特征向量的修正模态注意力权重以及对应于环境影响特征向量的修正模态注意力权重： ； ； ；其中，为修正因子；根据如下的公式7，计算融合的多模态特征表示： ；其中，是生理指标特征向量对应的权重矩阵；是图像特征向量对应的权重矩阵；是环境影响特征向量对应的权重矩阵；是融合后的偏置向量；为激活函数，采用如下的公式8实现： ；其中，为输入变量。

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温州大学大数据与信息技术研究院;温州职业技术学院，其通讯地址为：325000 浙江省温州市龙湾区创新创业新天地一期1号楼727-731、739-743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”。