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！

龙图腾网获悉复旦大学申请的专利一种基于课程学习及空间注意力的骨折假阳性筛除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：CN115311491B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202210912896.5，技术领域涉及：G06V10/764；该发明授权一种基于课程学习及空间注意力的骨折假阳性筛除方法是由章琛曦;何学才;李铭;宋志坚设计研发完成，并于2022-07-31向国家知识产权局提交的专利申请。

本一种基于课程学习及空间注意力的骨折假阳性筛除方法在说明书摘要公布了：本发明属于医学影像处理技术领域，具体为一种基于课程学习及空间注意力的假阳性筛除方法。本发明针对骨折检测时，检测模型因骨间相似性高易生成大量假阳性预测结果，提出假阳性筛除网络Rib‑FPRNet，利用空间注意力机制提升网络对骨折区域的特征学习能力，结合课程学习式的训练模式有效提升网络的假阳性筛除能力。本发明具有实施简单、高效的特点，结合课程学习和空间注意力机制有效解决了假阳性结果过多的问题，从而很好地提升了骨折辅助诊断效果。

本发明授权一种基于课程学习及空间注意力的骨折假阳性筛除方法在权利要求书中公布了：1.一种基于课程学习及空间注意力的假阳性筛除方法，其特征在于，利用空间注意力机制提升3DResNet50对骨折区域的特征学习能力；配合课程学习式的训练模式提升网络的分类能力；通过对真假阳性候选区域的有效分类，实现高效的假阳性筛除效果； 所述空间注意力机制模拟人类视觉细胞观察物体的机制，将注意力集中于感兴趣区域，从而避免干扰信息对于网络性能的干扰；该机制利用空间注意力图谱对特征图进行加权处理，使得网络更关注于与病灶相关的特征，实现更好的病灶分类效果； 具体步骤如下： 步骤1，首先对于骨折CT图像进行预处理；包括强度归一化，直方图均衡化及裁剪图像块； 步骤2，搭建网络模型；该网络模型包含3DResNet50网络和空间注意力机制模块SAM，记为Rib-FPRNet；3DResNet50网络由卷积层“7*7*7Conv64”、Conv，批标准化及非线性层BNRelu，池化层Pool，全局平均池化GloAvgPool和全连接层FC2构成；该网络模型利用卷积、批标准化以及池化操作获得输入图像的特征图，并结合空间注意力机制获得特征图的注意力特征图谱，随后通过全局平均池化和全连接操作获得分类置信度； 其中，空间注意力机制获得特征图的注意力特征图谱表示为： 其中，X表示输入特征图像，X′为X经过全局平均池化GloAvg及自适应激活函数Adaptivesigmoid处理得到的注意力特征图； 步骤3，根据置信度对训练集所有检测结果进行难易程度划分,首先在训练集上进行5次分类交叉训练网络模型Rib-FPRNet，即每次以不同的20％的数据集作为验证集，通过5次预测不同的20％的数据集，得到训练集所有数据样本的分类置信度；再采用三个置信度阈值对样本难易程度进行区分，三个置信度阈值分别为0.8、0.5、0.2；对于真阳性骨折候选区域，预测置信度大于0.8时，该样本为非常简单样本；置信度在0.5至0.8之间时，该样本为简单样本；置信度在0.2至0.5之间时，该样本为困难样本；置信度小于0.2时，为非常困难样本；对于假阳性骨折候选区域，难易程度的划分标准则与上述标准相反； 步骤4，网络Rib-FPRNet的训练，采用基于课程学习式的训练方法；首先以所有非常简单样本图像块X作为训练集，当训练拟合后，依次补充简单样本、困难样本、非常困难样本进行训练，由此得到模型参数；用训练好的网络Rib-FPRNet，对骨折区域进行真假阳性分类； 步骤5，利用上述真假阳性候选区域的分类结果进行假阳性筛除，得到最终的骨折辅助诊断结果，包括得到召回率recall，假阳性筛除比例FPRR、真假阳性候选区域比例TFR、平均每个病例假阳性候选区域的数量FPR统计指标；具体计算公式如下： 其中，TP表示真阳性候选区域预测为阳性的数量，FN表示真阳性候选区域预测阴性的数量，NFP表示筛除前假阳性候选区域数量，NumP表示病例数，RFP表示利用分类结果进行筛除以后剩余的假阳性候选区域数量，RTP表示利用分类结果进行筛除以后剩余的真阳性候选区域数量。

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复旦大学，其通讯地址为：200433 上海市杨浦区邯郸路220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”。

以上内容由龙图腾AI智能生成。