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！

龙图腾网获悉四川大学申请的专利基于卷积与状态空间模型的胃肠道疾病分类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：CN119992200B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202510087812.2，技术领域涉及：G06V10/764；该发明授权基于卷积与状态空间模型的胃肠道疾病分类方法及系统是由张宗万;李征设计研发完成，并于2025-01-20向国家知识产权局提交的专利申请。

本基于卷积与状态空间模型的胃肠道疾病分类方法及系统在说明书摘要公布了：本发明公开了一种基于卷积与状态空间模型的胃肠道疾病分类方法及系统，分类方法包括提取胃肠道疾病医学图像的纹理特征，根据纹理特征确定医学图像中的病变区域，并对病变区域进行自适应对比度增强，之后进行预处理，并输入已训练的深度学习模型的补丁嵌入模块，将医学图像分割为多个补丁；将补丁依次输入两个融合模块，每个融合模块的卷积单元和状态空间单元分别对补丁进行局部特征和全局特征提取，并将局部特征和全局特征进行融合；采用补丁合并模块对多个补丁的融合特征进行合并，将合并特征输入深度学习模型的两个融合模块生成合并特征的融合特征；重复上一步骤预设次数，得到最终的特征图，之后输入深度学习模型的分类器，得到分类结果。

本发明授权基于卷积与状态空间模型的胃肠道疾病分类方法及系统在权利要求书中公布了：1.基于卷积与状态空间模型的胃肠道疾病分类方法，其特征在于，包括步骤： S1、提取胃肠道疾病医学图像的纹理特征，根据纹理特征确定医学图像中的病变区域，并对病变区域进行自适应对比度增强； S2、对病变区域进行对比度增强后的医学图像进行预处理，之后将其输入已训练的深度学习模型的补丁嵌入模块，将医学图像分割为多个补丁； S3、将补丁依次输入深度学习模型的两个融合模块，每个融合模块的卷积单元和状态空间单元分别对补丁进行局部特征和全局特征提取，之后对补丁的局部特征和全局特征进行融合得到融合特征； S4、采用深度学习模型的补丁合并模块对多个补丁的融合特征进行合并，将合并特征输入深度学习模型的两个融合模块生成合并特征的融合特征； S5、重复步骤S4预设次数，得到最终的特征图，之后将医学图像最终的特征图输入深度学习模型的分类器，得到分类结果； 步骤S3进一步包括： S31、将补丁输入融合模块，融合模块的卷积单元使用多个卷积操作逐步提取图像的空间特征，并通过批量归一化和非线性激活函数，得到局部特征： 其中，Y为补丁的局部特征；ReLU为激活函数；BatchNorm为批量归一化操作；为第一个1×1卷积核，为的偏置项；为降维后的通道数；为输入张量的通道数；为2×2卷积核，为的偏置项，为输出张量的通道数；为第二个1×1卷积核，为的偏置项；∗表示乘；Xp为转置后得到的补丁； S32、融合模块的状态空间单元对输入的补丁进行全局特征提取，之后将同一个补丁对应的全局特征和局部特征进行拼接，得到拼接特征； S33、采用融合模块的通道注意力模块对拼接特征进行通道注意力计算，得到通道注意力图： 其中，F为拼接特征；McF为拼接特征F的通道注意力图；σ′为Sigmoid激活函数；AvgPool为平均池化操作；MLP为多层感知机；MaxPool为最大池化操作； S34、将拼接特征与其对应的通道注意力图进行逐元素相乘，之后输入融合模块的空间注意力模块进行空间注意力计算，得到空间注意力图： 其中，F′为逐元素相乘得到的特征图；MsF′为特征图F′对应的空间注意力图；f7×7为一个7×7卷积操作； S35、将空间注意力图与拼接特征进行逐元素相乘，得到第一融合特征； S36、将第一融合特征输入另外一个融合模块，重复执行步骤S31~步骤S35，得到每个补丁最终的融合特征。

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四川大学，其通讯地址为：610000 四川省成都市一环路南一段24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。