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！

龙图腾网获悉北京创海科技有限公司申请的专利一种集成深度学习与大数据算法的医疗影像识别方法及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：CN119579984B 。

龙图腾网通过国家知识产权局官网在2025-09-30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：202411668608.1，技术领域涉及：G06V10/764；该发明授权一种集成深度学习与大数据算法的医疗影像识别方法及系统是由王毫;张宝华设计研发完成，并于2024-11-21向国家知识产权局提交的专利申请。

本一种集成深度学习与大数据算法的医疗影像识别方法及系统在说明书摘要公布了：本发明公开一种集成深度学习与大数据算法的医疗影像识别方法及系统，旨在提高医疗影像的识别效率和准确性。该方法包括以下步骤：收集来自多个医疗机构的医疗影像数据，构建大规模医疗影像数据库；对采集的医疗影像进行标准化处理，包括图像增强、去噪和尺寸调整；基于处理后的数据，利用卷积神经网络构建深度学习模型，结合大数据算法进行特征提取；采用集成学习方法对深度学习模型进行训练，优化模型参数；完成模型训练后，对输入的医疗影像进行实时识别，并将识别结果反馈给医生；将识别结果及其相关影像数据存储于云端，为后续分析提供支持。通过本发明的方法，能够有效提升医疗影像识别的效率，为临床提供更为可靠的辅助支持。

本发明授权一种集成深度学习与大数据算法的医疗影像识别方法及系统在权利要求书中公布了：1.一种集成深度学习与大数据算法的医疗影像识别方法，其特征在于，包括以下步骤： 收集来自多个医疗机构的医疗影像数据，构建大规模医疗影像数据库； 对采集的医疗影像进行标准化处理，包括图像增强、去噪和尺寸调整； 基于处理后的数据，利用卷积神经网络构建深度学习模型，结合大数据算法进行特征提取； 采用集成学习方法对深度学习模型进行训练，优化模型参数； 完成模型训练后，对输入的医疗影像进行实时识别，并将识别结果反馈给医生； 将识别结果及其相关影像数据存储于云端，为后续分析提供支持； 基于卷积神经网络构建深度学习模型，并结合大数据算法进行自适应特征提取，结合了自适应卷积核、动态特征选择与群体学习策略，以提高模型在医疗影像识别中的性能，具体步骤如下： 自适应卷积核调整：使卷积核能够根据输入影像的局部特征自动调整大小和形状；具体地，卷积核的尺寸和形状是基于影像数据的局部统计特性动态生成的，通过图像分割或聚类分析来确定影像的不同区域和特征；卷积层的输出被表示为： ，其中，是第L层卷积层中使用的卷积核的数量；表示第L层的输出特征图；表示第L层第i个卷积核的权重，基于当前影像和特定层L的特征动态生成；表示卷积核的形状和尺寸，依据影像局部特征调整；表示前一层的输出特征图； 动态特征选择和权重更新：引入一个动态特征选择和加权机制，在每一层中通过加权方式，根据特征的分类贡献度进行选择和更新；每个特征的权重会根据其对分类任务的贡献进行动态调整；最终的优化特征表示为：，其中，M表示提取的特征总数；为加权后的最终特征表示；表示第i个提取的特征；表示第i个特征的权重系数，根据其在训练过程中的重要性进行动态调整；权重的更新通过反向传播算法实现，根据每个特征对模型性能的影响进行优化； 群体学习特征融合：结合大数据算法中的群体学习策略，利用分布式计算和集群学习从多个子网络中提取特征，并将这些特征融合到一个统一的特征表示中；假设网络被分为多个子网络每个子网络独立地从数据的不同子集提取特征，每个子网络提取的特征为，最终融合后的特征表示为：，其中，表示最终融合的特征表示；K表示子网络的数量；表示第j个子网络提取的特征；表示第j个子网络的加权系数，表示该子网络在最终特征融合中的重要性；加权系数通过群体学习的方式动态更新，确保最终融合的特征能够有效地代表所有影像数据的共性特征。

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北京创海科技有限公司，其通讯地址为：101400 北京市怀柔区北房镇幸福西街3号1幢101室(集群注册)；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”。