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！

龙图腾网获悉南京航空航天大学申请的专利一种通过医生眼动数据提高超声图像识别模型准确率的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：CN115641496B 。

龙图腾网通过国家知识产权局官网在2025-08-01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：202211333134.6，技术领域涉及：G06V10/82；该发明授权一种通过医生眼动数据提高超声图像识别模型准确率的方法是由陈芳;曹治;张道强;徐天泽设计研发完成，并于2022-10-28向国家知识产权局提交的专利申请。

本一种通过医生眼动数据提高超声图像识别模型准确率的方法在说明书摘要公布了：本发明公开了一种通过医生眼动数据提高超声图像识别模型准确率的方法，包括以下步骤：采集医生眼动数据，创建眼动数据矩阵，生成掩膜矩阵、生成注视热点图，进行数据增强，开始模型训练，并根据注视热点图停止训练，本发明的方法降低模型因过度训练产生的过拟合，从而提高现有超声诊疗系统识别准确率。

本发明授权一种通过医生眼动数据提高超声图像识别模型准确率的方法在权利要求书中公布了：1.一种通过医生眼动数据提高超声图像识别模型准确率的方法，其特征在于， 包括以下步骤：采集医生眼动数据，创建眼动数据矩阵，生成掩膜矩阵、生成注视热点图，进行数据增强，开始模型训练，并根据注视热点图停止训练； 眼动数据采集与处理：利用眼动仪采集专业超声医生观察数据集超声影像时眼动数据，并根据每次采集数据点的位移长度将数据点区分为注视数据与扫视数据，在预设步长阈值范围内的数据点为注视数据点，并将注视数据点所在位置记录保存为x,y,t,x,y为注视数据点的位置信息，t为当前图像帧的时间戳信息； 创建眼动数据矩阵：创建眼动数据矩阵E’，大小为X*Y*T，其中：X*Y为超声图像帧对应分辨率，T为该段超声影像图像帧大小； 生成掩膜矩阵：注视数据点所在位置x,y,t的矩阵值E’x,y，t＝1，其余位置值为0，根据医生眼睛到屏幕的距离D，显示器的DPI，计算出视觉注意力半径并在眼动数据矩阵E’中，以每个注视数据点为圆心，将视觉注意力半径r对应范围内的点都赋值为1，从而生成掩膜矩阵E； 生成注视热点图：在与观察图像尺寸相同的矩阵中，令注视数据点所在位置x,y,t的值M’x,y,t＝255，其余位置值为0，生成注视数据矩阵M’，然后用对应于视觉注意力半径r大小的，标准差为0.5，均值为1的高斯卷积核G与注视数据矩阵M’进行卷积计算，从而生成注视热点图其中：为卷积操作符号； 数据增强：利用注视数据生成的掩膜矩阵E，与原训练集中的图像O二进制掩膜处理，即用掩膜矩阵E与原图像O点乘，将生成的新图像E·O加入训练集N’，得到新的训练集N＝{N’,E·O}，一同送入模型进行训练，从而实现对数据集中的图像进行数据增强； 开始训练：对于N中的每一训练样本Z，Z的尺寸为X*Y*T的三维矩阵，其中：X*Y为超声图像帧对应分辨率，T为该段超声影像图像帧大小，按帧顺序将其分为Z＝{Z1,Z2,…,Zt,…ZT}，t∈[1,T]，其中：Zt是将三维矩阵Z按第三个维度拆分的第t个尺寸为X*Y的二维矩阵，再依次送入所选的特征提取卷积神经网络C中，神经网络的作用抽象为一个函数Cz，根据公式Фt＝CZt得到三维矩阵Ф＝{Ф1,Ф2,…,Фt,…,ФT}，即将二维矩阵Z1,Z2,…,Zt,…ZT送入神经网络C，输出得到二维矩阵Ф1,Ф2,…,Фt,…,ФT，这些二维矩阵的尺寸为Xc*Yc，并按时间戳信息t的顺序组合为三维矩阵Ф，三维矩阵尺寸为Xc*Yc*T，再将三维矩阵Ф按正向时间戳顺序矩阵Ф+＝{Ф1,Ф2,…,Фt,…,ФT}送入循环神经网络RФ中，根据公式H+＝RФ+得到正向特征三维矩阵H+，正向特征三维矩阵尺寸为Xr*Yr*Tr，Xr，Yr，Tr由所选的循环神经网络决定，并按Tr维度分解为正向特征二维矩阵H1+,H2+,…,Ht+,…,HT+；将三维矩阵Ф按反向时间戳顺序矩阵Ф-＝{ФT,…,Фt,…,Ф1}送入循环神经网络RФ中，根据公式H-＝RФ-得到反向特征三维矩阵H-，该反向特征三维矩阵尺寸为Xr*Yr*Tr，并按Tr维度分解为反向特征二维矩阵{H1-,H2-,…,Ht-,…,HT-}，再将H+与H-按Tr维度结合，即特征三维矩阵H＝{H+，H-}＝{H1+,H2+,…,Ht+,…,HT+,H1-,H2-,…,Ht-,…,HT-}得到特征三维矩阵H＝{H1,H2,…,Ht,…H2*Tr}，t的取值范围是1,2*Tr，特征三维矩阵H尺寸为Xr*Yr*2*Tr，随后将第t帧对应的特征二维矩阵Ht输入进3个卷积层以及两个调整层，得到输出矩阵Rt，Rt的尺寸为X*Y*MR，X*Y与输入视频图像帧尺寸相同，MR为所设卷积核的频道数；调整层之后为全局平均池化与全连接层，对该时刻图像帧进行分类；提取全连接层的权重参数，与Rt点乘后，按MR尺寸方向相加，得到对应的CAM； 提前结束训练：每轮训练结束后，将所得的CAM与视频样本对应的注视热点图M对比计算损失，当损失平均值达到事先所设的阈值后，就可停止训练。

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南京航空航天大学，其通讯地址为：211106 江苏省南京市江宁区将军大道29号；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”。