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！

龙图腾网获悉南京大学申请的专利一种基于神经网络的对肝的CT图像做疾病分类诊断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：CN119478498B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202411463188.3，技术领域涉及：G06V10/764；该发明授权一种基于神经网络的对肝的CT图像做疾病分类诊断的方法是由宫少恒;陈颖;肖静璇设计研发完成，并于2024-10-18向国家知识产权局提交的专利申请。

本一种基于神经网络的对肝的CT图像做疾病分类诊断的方法在说明书摘要公布了：一种基于引入r‑IBS的神经网络的利用肝部CT图片自动判断肝是属于三种常见疾病分别为肝细胞癌HCC、肝内胆管细胞癌ICC和脂肪肝FAT哪一种的方法，包括步骤：首先构建基于r‑IBS的训练分类器，使用分类器来判断每张肝部CT上属于哪种疾病，采集肝的CT图片并用snake模型进行图像处理，输入已训练好的分类神经网络模型中，将神经网络的输出上述疾病的分类结果。

本发明授权一种基于神经网络的对肝的CT图像做疾病分类诊断的方法在权利要求书中公布了：1.一种基于神经网络的对肝的CT图像做疾病分类诊断的方法，其特征在于包括以下步骤： 步骤1，采集腹部的CT图像，并请放射科医生分割出肝部位的CT图片，再由另一位医生确认分割的准确性，从而得到可靠的肝的CT图片； 步骤2，将得到的肝的CT图片进行划分，大部分图片作为网络训练集，少部分图片作为网络验证集； 步骤3，对训练集和验证集进行图片预处理； 步骤4，建立基于卷积神经网络的肝的CT图片特征提取模块； 步骤5，建立基于r-IBS的网络分类器模块B*C*M，其中B为批次大小，M是每个内存集的大小，C是期望分类的类别数量，网络分类器模块中有多少类就有几个作为r-IBS相似度计算模块，x和y表示两个系统，在本网络中x代表从输入图像提取的特征一般为2048维，y表示此网络本身储存的初始化的记忆，之后将x,y使用同一个Encoder将二者进行映射编码转译，转译后映射到固定维度通道上，通道上的值表示该输入在该通道上的表现，通过衡量两个系统在映射平面上通道的能量大小和方向来进行相似程度和相异程度的度量，如果两个系统完全相似，则投影后的各个通道的能量值大小应该完全一致，投影特征方向应该完全相同；当方向完全相反，并且能量值的绝对值和越高，则两个系统越相异： Rx＝Encoderx Ry＝Encodery 具体的r-IBS计算过程，如下公式所示： Px_log＝-pxlogpx Py_log＝-pylogpy IBSsub＝∑|Rx-Ry|*Fk IBSplus＝∑|Rx+Ry|*Fk 其中R表示输入经过统一Encoder后得到的投影向量，R的正负表示所有特征投影到某一平面后，在该平面上的特征方向，若属于同类则二者方向应该一致，属于不同类则应该相反，R的绝对值表示能量大小，P表示投影向量各个通道上的能量大小比值，以此表征投影向量的信息密度，Fk是两个投影向量的信息熵之和在各个通道上的比值，信息熵越小说明系统越稳定，投影后的值通道值不确定性越低，最后将两个系统的R值相减通过公式来计算IBssub，表示两个系统之间的相似程度，将两个系统的R值相加通过公式来计算IBSplus,表示两个系统之间的相异程度，使用IBSsub作为相似度值r-NorIBS，利用相异程度值IBSplus对IBSsub进行归一化得到rIBS，rIBS的值域0到1； 其中损失函数主要由两部分组成分别为Losssoftmax和LossIBS，其中LossIBS为： Loss＝Losssoftmax+LossIBS 步骤6，构建分类器判断输入图片肝疾病的类别，分类器由IBSsub的值KNN分类组合而成； 步骤7，使用总的损失函数来完成对整体模块的训练和微调，并在测试集进行评估测试，测试达标后，将该整体模块应用于更多对肝的CT图片的预测诊断上。

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大学，其通讯地址为：210023 江苏省南京市栖霞区仙林大道163号南京大学电子科学与工程学院；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。