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！

龙图腾网获悉清华大学申请的专利结合句子级对比学习的层级式影像报告生成方法和装置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：CN116525052B 。

龙图腾网通过国家知识产权局官网在2026-05-01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：202310320888.6，技术领域涉及：G16H15/00；该发明授权结合句子级对比学习的层级式影像报告生成方法和装置是由徐枫;刘傲寒;郭雨晨;雍俊海设计研发完成，并于2023-03-29向国家知识产权局提交的专利申请。

本结合句子级对比学习的层级式影像报告生成方法和装置在说明书摘要公布了：本申请提出了一种结合句子级对比学习的层级式影像报告生成方法，包括：获取多个医学影像‑影像报告对，并构建影像报告生成模型，其中，影像报告生成模型包括句子级图像‑文本对比学习模块和层级式报告生成模块；基于第一联合损失函数对句子级图像‑文本对比学习模块进行训练，输出医学影像的特征向量、影像报告中每个句子的话题向量和内容向量；基于第二联合损失函数对层级式报告生成模块进行训练，得到经过训练的影像报告生成模型；获取待识别医学影像，将待识别医学影像输入至经过训练的影像报告生成模型，生成待识别医学影像的影像报告。本申请增强图像编码器的特征抽取能力，提高了生成影像报告的准确性。

本发明授权结合句子级对比学习的层级式影像报告生成方法和装置在权利要求书中公布了：1.一种结合句子级对比学习的层级式影像报告生成方法，其特征在于，包括以下步骤： 获取多个医学影像-影像报告对，并构建影像报告生成模型，其中，所述影像报告生成模型包括句子级图像-文本对比学习模块和层级式报告生成模块； 基于第一联合损失函数将所述多个医学影像-影像报告对输入所述句子级图像-文本对比学习模块进行训练，输出医学影像的特征向量、影像报告中每个句子的话题向量和内容向量； 基于第二联合损失函数将所述医学影像的特征向量、影像报告中每个句子的话题向量和影像报告中每个句子的词序列输入所述层级式报告生成模块进行训练，得到经过训练的影像报告生成模型； 获取待识别医学影像，将所述待识别医学影像输入至所述经过训练的影像报告生成模型，生成所述待识别医学影像的影像报告； 其中，所述构建影像报告生成模型，包括： 根据图像编码器和文本编码器构建句子级图像-文本对比学习模块； 根据向量量化模块、句子解码器和词解码器构建层级式报告生成模块； 根据所述句子级图像-文本对比学习模块和所述层级式报告生成模块，得到影像报告生成模型； 所述基于第一联合损失函数将所述多个医学影像-影像报告对输入所述句子级图像-文本对比学习模块进行训练，输出医学影像的特征向量、影像报告中每个句子的话题向量和内容向量，包括： 将医学影像输入图像编码器的卷积神经网络，得到特征图，将所述特征图展开作为序列输入所述图像编码器的Transformer编码器，得到所述医学影像的特征向量； 将影像报告输入文本编码器，对所述影像报告的每个句子进行处理生成序列，并将所述序列输入文本编码器的TransformerEncoder，生成所述影像报告中每个句子的话题向量和内容向量； 根据所述医学影像的特征向量、所述影像报告中每个句子的话题向量和影像报告中每个句子的内容向量，构建第一联合损失函数，并根据所述第一联合损失函数对所述图像编码器和文本编码器进行训练； 所述根据所述医学影像的特征向量、所述影像报告中每个句子的话题向量和影像报告中每个句子的内容向量，构建第一联合损失函数，包括： 根据影像报告中每个句子的话题向量和医学影像的特征向量，计算每个句子的话题引导的图像特征，其中，对于一个句子，使用其N维话题向量T作为权重，对图像的N个D维特征向量进行加权求和，得到一个D维向量，称作话题引导的图像特征； 计算每个句子的话题引导的图像特征和内容向量的相似度，并根据所述相似度，构建对比损失； 根据所述对比损失通过引入话题损失和话题不一致性损失，构建第一联合损失函数。

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清华大学，其通讯地址为：100084 北京市海淀区清华园；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。