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！

龙图腾网获悉温州医科大学附属第一医院申请的专利基于下肢静脉数据深度学习的血栓特征分析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：CN121053120B 。

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：202511575409.0，技术领域涉及：G06T7/00；该发明授权基于下肢静脉数据深度学习的血栓特征分析方法及系统是由陈钢;徐小群;冯振;麻朋艳;陈恺愉;王明勋设计研发完成，并于2025-10-31向国家知识产权局提交的专利申请。

本基于下肢静脉数据深度学习的血栓特征分析方法及系统在说明书摘要公布了：本申请公开基于下肢静脉数据深度学习的血栓特征分析方法及系统，解决下肢血栓特征识别不足、注意力聚焦偏差问题。方法包括：获取含原始数据、血栓区域分割掩码的离体下肢静脉数据集；预处理提取覆盖血栓区域的关键层数据作为待分析数据，构建该数据与掩码的双通道张量；平衡数据后划分训练、验证、测试集；输入改进EfficientNet‑B3增设细微特征卷积层与掩码引导多头自注意力模块组成的模型，提取血栓特征并聚焦血栓区域，输出表征血栓属性的分类标识符；基于该标识符生成血栓区域可视化关注度分布图，同步输出血栓边界框、面积等参数。系统含预处理、数据平衡、模型训练推理及结果输出模块。本申请提升血栓特征分析精度与结果可解释性，适用于下肢静脉血栓特征自动化分析。

本发明授权基于下肢静脉数据深度学习的血栓特征分析方法及系统在权利要求书中公布了：1.基于下肢静脉数据深度学习的血栓特征分析方法，其特征在于，包括以下步骤： 获取下肢静脉数据集，包含原始下肢静脉数据以及与之配准的血栓区域分割掩码； 对所述下肢静脉数据集执行预处理，提取所述原始下肢静脉数据中覆盖血栓区域的关键层数据作为待分析数据，对所述待分析数据与血栓区域分割掩码分别进行尺寸归一化及特征优化，将处理后的所述待分析数据与血栓区域分割掩码在通道维度拼接，形成双通道张量，所述双通道张量即为预处理后的二维输入； 对所述二维输入执行数据平衡处理，构建阴性样本与阳性样本比例一致的样本子集，按预设比例将所述样本子集划分为训练集、验证集及测试集，将划分后的训练集、验证集及测试集用于深度学习分类模型的训练、验证与测试； 将所述双通道张量输入至所述深度学习分类模型，所述深度学习分类模型以增设细微特征提取卷积层的EfficientNet-B3作为骨干网络，在分类阶段引入以血栓区域分割掩码为先验的带掩码引导机制的多头自注意力模块； 所述EfficientNet-B3骨干网络的构建包括：调整所述骨干网络首层卷积层的输入通道数，以适配所述双通道张量；在所述骨干网络倒数第二卷积块后增设卷积层，所述增设的卷积层用于强化血栓特征提取；利用预训练模型权重初始化所述骨干网络，对所述首层卷积层权重进行适配性调整； 所述带掩码引导机制的多头自注意力模块包括：设置多个注意力头，按下肢静脉特征数据分辨率将所述注意力头划分为不同组别，分别捕捉不同尺度的特征信息；配置用于抑制过拟合的网络层、自适应池化层及固定长度的特征序列，提升模型泛化能力；将所述血栓区域分割掩码归一化后作为先验信息，通过注意力权重修正机制，强制模型聚焦于下肢静脉数据中的血栓区域，降低背景干扰程度；对所述骨干网络输出的高维特征执行卷积降维，通过空间压缩转换为一维序列，经多注意力头并行计算特征相关性后，拼接各注意力头输出并映射至分类维度，完成精准特征关联； 通过所述骨干网络提取下肢静脉数据中的血栓特征，借助所述自注意力模块聚焦于血栓区域，输出用于表征血栓属性的分类标识符； 基于所述分类标识符，生成模型关注的血栓区域可视化关注度分布图，并同步输出血栓区域的量化参数，所述量化参数包括边界框及面积。

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温州医科大学附属第一医院，其通讯地址为：325000 浙江省温州市瓯海区南白象温州医科大学附属第一医院；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。