Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 北京邮电大学袁学光获国家专利权

北京邮电大学袁学光获国家专利权

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!

龙图腾网获悉北京邮电大学申请的专利一种人工智能辅助超声诊断脾肝脏创伤模型建立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:CN116188424B

龙图腾网通过国家知识产权局官网在2025-10-24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:202310154958.5,技术领域涉及:G06T7/00;该发明授权一种人工智能辅助超声诊断脾肝脏创伤模型建立的方法是由袁学光;黄小红;张阳安;李丹丹;叶依桐;邓智方;李正阳设计研发完成,并于2023-02-23向国家知识产权局提交的专利申请。

一种人工智能辅助超声诊断脾肝脏创伤模型建立的方法在说明书摘要公布了:本发明涉及一种人工智能辅助超声诊断脾肝脏创伤模型建立的方法,属于人工智能辅助诊断领域。本发明采用数据增强与生成的方法,将动物脾肝脏创伤的超声图像通过数据增强为更接近于人体脾肝脏创伤临床数据的强数据集;然后应用大量的增强后脾肝脏创伤的超声图像创建源模型,使用源模型在少量人体脾肝脏创伤的数据下进行微调;最终建立脾肝脏创伤超声图像自动分割模型与脾肝脏创伤超声图像等级分类模型,该模型对脾肝脏创伤超声诊断过程中生成的图像进行分析,标识分割图像中出现的脾肝脏解剖结构轮廓和脾肝脏创伤位置,并得到等级分类结果。本发明在临床脾肝脏创伤超声影像数据集上表现出较好性能。

本发明授权一种人工智能辅助超声诊断脾肝脏创伤模型建立的方法在权利要求书中公布了:1.一种人工智能辅助超声诊断脾肝脏创伤模型建立的方法,其特征在于,该方法包括如下步骤: S21、获取动物的脾肝脏创伤的超声图像数据集作为弱数据集,获取人体脾肝脏创伤超声图像数据集作为强数据集; S22、采用卷积神经网络模型和数据生成网络用人体脾肝脏创伤超声图像强数据集对动物脾肝脏创伤的超声图像弱数据集进行增强,得到动物脾肝脏创伤超声图像弱数据集数据增强后生成的数据集建立预训练数据集,采用人体脾肝脏创伤超声图像数据集建立微调数据集,其中预训练数据集和微调数据集均包括正常无创伤图像和创伤图像; S23、对预训练数据集和微调数据集分别进行人工标注,分别形成对应的人工标注分割标签数据集和创伤等级分类标签数据集;其中,人工标注分割标签数据集的标签包括背景、脾脏肝脏结构、以及脾脏肝脏创伤; S24、基于预训练数据集、微调数据集和人工标注的分割标签数据集建立脾肝脏创伤超声图像自动分割模型,并使用脾肝脏创伤超声图像自动分割模型进行临床脾肝脏创伤超声图像处理,获得分割预测结果,分割预测结果包括:脾肝脏位置和脾肝脏轮廓,以及受伤部位和或受伤轮廓信息; S25、基于预训练数据集、微调数据集和对应人工标注的创伤等级分类标签数据集进行训练建立脾肝脏创伤超声图像等级分类模型,并使用脾肝脏创伤超声图像等级分类模型对步骤S24输出的分割预测结果进行预测,获取对应的脾肝脏创伤等级分类标签; 其中, 脾肝脏创伤超声图像自动分割模型的网络结构包括:图像放缩模块、卷积层、编码阶段和解码阶段; 输入的视频图像帧序列通过图像放缩模块进行放大或缩小,再通过卷积层,使其尺寸大小、维数与相应解码阶段的特征图尺寸大小、维数相同; 进行编码阶段的监督和损失计算,编码共四个阶段,每个阶段包括输入特征的像素分组下采样处理和Transformer块,每个阶段的输入为上一阶段输出结果的下采样,同时保存每个阶段的输出结果;Transformer块包括自注意力计算模块、第一归一化层、通道分块局部上下文信息提取模块和第二归一化层; 进行解码阶段的监督和损失计算,进行四个阶段的解码,每个阶段包括一个Decoder块;其中第一阶段使用第四编码阶段的输出为输入,第二、三、四阶段分别使用上一解码阶段的输出结果的上采样与对应的第三、二、一编码阶段的输出作为输入;每个Decoder块包括卷积层、BatchNorm归一化层和ReLU激活函数,第四阶段输出各通道特征图后,对最终结果进行卷积,得到分割预测结果; 通道分块局部上下文信息提取模块对输入特征的处理具体包括: 使用1×1卷积压缩输入特征通道数,得到特征图 根据通道维度拆分成维度相同每个块结构的维度为,第一个分支的输出即为第一个块结构; 在其余分支上使用3×3的深度可分离卷积平行地在输入特征上提取特征,在除第一、二分支之外的分支之间进行拼接,使得每个分支的输出不止基于的块结构为输入,同时得到前面分支中不同尺度的特征;每个分支的输出为,公式如下所示: 1 合并各分支特征图,得到融合后的局部信息,再次使用1×1卷积压缩通道数,并与该模块的输入特征进行残差计算,得到输出特征图; 2 3。

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邮电大学,其通讯地址为:100876 北京市海淀区西土城路10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。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。