CN120032790B 基于多模态大模型偏好对齐技术的医学影像报告生成方法 （砺进(杭州)科技有限公司）.docxVIP

(19)国家知识产权局

(12)发明专利

(10)授权公告号CN120032790B(45)授权公告日2025.07.04

(21)申请号202510522551.2

(22)申请日2025.04.24

(65)同一申请的已公布的文献号申请公布号CN120032790A

(43)申请公布日2025.05.23

(73)专利权人砺进(杭州)科技有限公司

地址310000浙江省杭州市西湖区翠苑新

村三区45幢1单元配套用房308室

(72)发明人郑菁菁林峰吴炅高颜平

(74)专利代理机构重庆壹手知专利代理事务所(普通合伙)50267

专利代理师彭放强

G16H50/70(2018.01)GO6V10/80(2022.01)GO6V10/774(2022.01)GO6V10/82(2022.01)GO6T11/60(2006.01)

(56)对比文件

CN119601206A,2025.03.11CN119724466A,2025.03.28审查员徐雯晖

(51)Int.CI.

G16H15/00(2018.01)

G16H30/20(2018.01)权利要求书3页说明书13页附图6页

(54)发明名称

基于多模态大模型偏好对齐技术的医学影像报告生成方法

(57)摘要

CN120032790B本发明涉及医学影像技术领域，具体为基于多模态大模型偏好对齐技术的医学影像报告生成方法，包括以下步骤：基于医学影像数据，收集与影像对应的已知医学报告数据，分析报告文本中的病灶描述和影像解释词汇，建立影像文本关联数据。本发明中，通过结合医学影像数据与对应报告，实现了数据处理的高度自动化，确保生成的医学报告在细节上更为准确，利用VLM模型深化了影像与文本之间的关系解析，实现了精确的特征向量映射，提高了文本生成的科学性，通过精细的偏好对齐过程，能够在报告生成中准确反映专家的诊断偏好与实际操作习惯，同时解析

CN120032790B

提取病灶区域的关健影像特征

分析报告文本中的病灶描述和影像解释词汇

建立影像文本关联数据

通过VLM模型引入影像和文本特征

解析影像纹理特征与病灶描述之间的向量关系

解析专家诊断用词、句式结构及信思排》防序判断专家的报售标注与生成参数之间的匹配误差

得到编好对齐优化参数

同步接收患者的医学影像与临床数据

分析历史病灶变化趋势，筛选影像异常区域

得到实时文本洞整参数

分析报告内容与影像教据间的一致性比对诊新文本与影像特征的匹配液调整报告文本中的异常或不匹配内容

得到语境一致诊断结果

CN120032790B权利要求书1/3页

2

1.基于多模态大模型偏好对齐技术的医学影像报告生成方法，其特征在于，包括以下步骤：

S1:基于医学影像数据，收集与影像对应的已知医学报告数据，分析报告文本中的病灶描述和影像解释词汇，建立影像文本关联数据；

S2:基于所述影像文本关联数据，通过VLM模型引入影像和文本特征，解析影像纹理特征与病灶描述之间的向量关系，得到文本映射权重；

S3:基于所述文本映射权重，解析专家诊断用词、句式结构及信息排列顺序，判断专家的报告标注与生成参数之间的匹配误差，并调整影像文本排序规则和句式表达优先级，得到偏好对齐优化参数；

S4:基于所述偏好对齐优化参数，分析历史病灶变化趋势，筛选影像异常区域，并根据当前数据调整报告生成内容，更新和优化文本生成参数，得到实时文本调整参数；

所述实时文本调整参数的获取步骤具体为：

S411:基于所述偏好对齐优化参数，同步接收患者的医学影像与临床数据，分析历史病灶变化趋势，计算当前病灶区域在多时序影像中的像素变化量、密度差异值和轮廓偏移量，并与病灶演变参考指标进行比对，筛选变化超出基准值的区域，得到病灶变化趋势偏移值；

S412:基于所述病灶变化趋势偏移值，计算当前影像中异常区域的分布密度，识别影像中变化突出的区域，提取其形态特征、纹理参数和空间分布情况，并与历史影像数据对比，确定当前影像的异常区域变化速率；

S413:调用所述异常区域变化速率，对当前影像中的异常区域进行分析，结合影像灰度

特征，计算异常区域的边界梯度变化值、均值偏差和区域对比度，采用公式：